基于电子鼻技术的山核桃内部品质快速无损检测方法的研究

摘要

坚果产品富含多种营养成分，如不饱和脂肪酸、蛋白质、膳食纤维和多种微量元素，是重要的膳食补充食品。经过烘烤或炒制后坚果产品会产生独特的坚果香气，为众多消费者喜爱。在食品检测领域，坚果产品内部品质的快速无损检测成为了日益重要的研究内容。本研究以山核桃为主要研究对象，利用电子鼻技术和化学计量学定性与定量分析方法，开展山核桃内部品质快速无损检测方法的研究。论文的主要研究内容和研究结论如下:
　　(1)通过研究采后储藏过程中未加工山核桃的脂肪酸（油酸、亚油酸、棕榈油酸、亚麻酸、棕榈酸和硬脂酸）含量变化，探明了采后储藏时间对山核桃内部品质影响的规律;通过对电子鼻响应信号和挥发性成分的相关性分析，揭示了电子鼻区分不同采后储藏时间山核桃样品的检测机理;论文提出的新型分类方法（投票法）综合了多种特征值的优势，分类效果优于基于单一特征值的分类模型（BPNN、LVQ和RF）;通过对山核桃品质指标的预测模型的横向对比，发现PLSR适于构建理化指标的预测模型，BP神经网络适于构建脂肪酸和采后储藏时间的预测模型;所构建模型实现了对酸价（R2＞0.89）、过氧化值(R2＞0.90)、6种脂肪酸（校验集R2＞0.95，验证集R2＞0.88）和采后储藏时间(R2＞0.98)的快速无损预测。
　　(2)通过对烘烤后山核桃加工成品的香气特征进行分析，发现了烘烤时间对山核桃加工成品品质影响的规律;通过横向对比不同分类和预测模型的效果发现，基于稳定阶段响应值的BPNN模型其分类性能较好(最高分类准确率和平均分类准确率分别为92.00％和84.67％);基于多特征值的投票法分类准确率(92.00％)高于基于单一特征值的分类模型;采用遗传算法优化后的GA-BPNN模型，预测主要挥发性成分含量时其性能（R2＞0.93）优于未优化的BPNN预测模型。
　　(3)通过研究储藏后加工的山核桃成品其挥发性成分变化规律，发现挥发性成分变化显著(总含量从1080.94ng/g增加到4514.57ng/g)，揭示了电子鼻对储藏后加工的山核桃成品的检测机理;通过对所构建区分模型性能的评价，发现RoF-BPNN模型的分类性能（最高分类准确率和平均分类准确率分别为94.0％和90.4％）较好;构建的BPNN和RoF-BPNN预测模型，均能实现对10种挥发性成分含量的预测，但基于多特征值的RoF-BPNN模型性能（校验集R2＞0.949，验证集R2＞0.890）优于基于单一特征值的BPNN模型性能。
　　(4)明确了新鲜山核桃加工成品货架期内品质变化规律;通过对新鲜山核桃加工成品在货架期内挥发性成分含量变化的研究，发现核桃成品在货架期超过90天后开始快速变质;对山核桃货架期内脂肪酸含量变化的研究，发现6种脂肪酸含量均呈现下降趋势，亚麻酸下降程度最大(30.46％);对于不同山核桃样品定性分类，基于多特征值的RoF-BPNN模型其分类性能（最高分类准确率和平均分类准确率分别为97.14％和92.49％）优于基于单一特征值的分类模型;对于品质指标预测，RoF-BPNN模型在预测挥发性成分含量时(校验集R2＞0.934，验证集R2＞0.916)和预测脂肪酸含量时(校验集R2＞0.986，验证集R2＞0.969)，其性能均优于基于单一特征值的BPNN模型。

目录

声明

致谢

摘要

插图清单

表格清单

主要缩略词清单

1．1 课题研究背景

1．2 坚果品质检测技术的研究现状

1．2．1 感官评定

1．2．2 理化指标检测

1．2．3 精密仪器检测

1．2．4 无损检测技术

1．3 电子鼻检测技术

1．4 研究内容

1．5 技术路线

1．6 本章小结

第2章 实验材料与数据分析方法

2．1 实验材料与样品处理方法

2．1．1 实验材料

2．1．2 山核桃样品处理方案

2．2 实验仪器与设备

2．2．1 电子鼻

2．2．2 气相色谱质谱联用仪

2．2．3 其它仪器和设备

2．3 实验方案与检测条件设计

2．3．1 检测条件设计

2．3．2 实验方案设计

2．3．3 其它指标测定方法

2．4 数据分析方法

2．4．1 传感器信号分析方法

2．4．2 特征提取和特征选择

2．4．3 特征矩阵降维方法

2．4．4 数理统计分析方法

2．4．5 建模方法介绍

2．5 数据划分和模型性能评价

2．6 本章小结

3．1 前言

3．2 实验方案与研究方法

3．2．1 样品处理

3．2．2 加速储藏实验条件验证

3．2．3 挥发性成分检测

3．2．4 理化参数检测

3．2．5 电子鼻检测

3．3 采后储藏过程中未加工山核桃品质指标与电子鼻信号分析

3．3．1 山核桃储藏过程中脂肪酸含量的变化

3．3．2 山核桃储藏过程中理化指标变化

3．3．3 山核桃储藏过程中挥发性成分变化

3．3．4 山核桃储藏过程中传感器响应特性分析

3．3．5 不同特征提取方法分析结果

3．4 电子鼻对不同储藏时间山核桃的区分

3．4．1 电子鼻数据主成分分析

3．4．2 基于单一特征值对不同储藏时间山核桃的区分

3．4．3 基于多特征值对不同储藏时间山核桃的区分

3．5 基于电子鼻预测不同储藏时间山核桃的脂肪酸含量

3．5．1 PLSR预测结果

3．5．2 RF预测结果

3．5．3 多目标BP神经网络预测结果

3．6 基于电子鼻预测山核桃的理化指标

3．7 山核桃储藏时间追溯

3．8 本章小结

4．1 前言

4．2 实验方案与研究方法

4．2．1 样品处理

4．2．2 挥发性成分检测

4．2．3 电子鼻检测

4．3 不同烘烤时间山核桃品质指标与电子鼻信号分析

4．3．1 不同烘烤时间山核桃挥发性成分的变化

4．3．2 不同烘烤时间山核桃的传感器响应特性分析

4．4 电子鼻对不同烘烤时间山核桃的区分

4．4．1 BPNN的分类结果

4．4．2 投票法分类结果

4．5 基于电子鼻的山核桃烘烤香气品质鉴别

4．5．1 烘烤山核桃香气品质PLSR鉴别结果

4．5．2 烘烤山核桃香气品质BPNN鉴别结果

4．6 电子鼻预测山核桃挥发性成分含量

4．7 本章小结

第5章 不同储藏时间对山核桃加工成品品质影响的追溯

5．1 前言

5．2 实验方案与研究方法

5．2．1 样品处理

5．2．2 挥发性成分检测

5．2．3 理化参数检测

5．2．4 电子鼻检测

5．3 山核桃加工成品品质指标与电子鼻信号分析

5．3．1 不同储藏时间后加工山核桃成品的挥发性成分检测结果

5．3．2 新鲜山核桃加工成品货架期内的挥发性成分检测结果

5．3．3 新鲜山核桃加工成品货架期内脂肪酸检测结果

5．3．4 山核桃加工成品的传感器响应特性分析

5．4 电子鼻对储藏后加工山核桃成品的区分

5．5 电子鼻对货架期内新鲜山核桃加工成品的区分

5．6 电子鼻对储藏后加工山核桃挥发性成分的预测

5．7 电子鼻对货架期内新鲜山核桃成品的挥发性成分含量的预测

5．8 电子鼻对货架期内山核桃脂肪酸含量的预测

5．9 本章小结

6．1 主要研究结论

6．2 主要创新点

6．3 进一步研究展望

参考文献

研究生期间主要成果