论文部分内容阅读
食用植物油常用的检测方法有理化法、色谱法、核磁共振波谱法等,这些方法基本是针对样品中单一物质进行检测,虽然在食用植物油品质检测中有很好的应用但与人的感官很难做系统化、科学化的对照。现在工厂中主要的食用植物油检测方法是感官品评法,由于它存在专业感官人员难培养、检测结果不稳定等缺陷,使得感官品评很难在食用植物油生产过程的品质检测中推广应用。智鼻与智舌是模仿人体嗅觉和味觉系统开发的一种仪器,它们能通过交互敏感的传感器系统对样品进行整体感知,并通过检测样品之间整体的特征差异实现食用植物油生产过程中的品质控制。智鼻与智舌操作简单、检测快速、结果稳定,是对传统检测方法很好的补充。本课题利用基于支持向量机(SVM)算法的智鼻与智舌技术,与鲁花集团合作,从食用植物油的气味和口味两个方面入手,对不同种食用植物油进行区分鉴定,对花生油的品质进行检测。实验得出以下结论：(1)利用基于SVM算法的智鼻技术对食用植物油的气味进行整体感知。在建立SVM模型前,以样品间区分度(DI值)为参数对智鼻清洗气体和样品水浴温度进行优化,在优化参数下针对食用植物油建立SVM分类模型和SVM回归模型。基于SVM算法的智鼻技术对不同种纯的食用植物油建立SVM分类模型并对其进行检测,得到高达99%的检测准确率；基于SVM算法的智鼻技术对不同品质花生油建立SVM回归模型并对花生油的品质进行预测,得到低于5%的预测误差,当模型应用到未知品质花生油的检测时,预测误差在5%左右。从结果可以看出,基于SVM算法的智鼻技术能很好的应用于食用植物油的品质检测中,为食用植物油生产过程的品质控制提供了依据。(2)将基于SVM算法的智舌技术应用于食用植物油的品质检测。由于食用植物油的特殊属性,选择皂化的方式对食用植物油预处理,并以欧氏距离为参数进行皂化条件的优化,在优化条件下对不同的食用植物油建立SVM分类模型和SVM回归模型。基于SVM算法的智舌技术对不同种纯的食用植物油建立SVM分类模型并对其进行检测,得到94.58%的检测准确率,并且能将模型应用到高于20%掺假率的高品质油的检测中；基于SVM算法的智舌技术对不同品质花生油建立SVM回归模型并对其感官值进行预测,得到低于10%的预测误差,模型应用到未知品质花生油的检测时,预测误差也在可接受范围内。从结果可以看出,皂化为智舌应用于油的检测提供了新的思路,使基于SVM算法的智舌技术能很好的应用于食用植物油的品质检测中(3)将基于SVM算法的智鼻与智舌技术采用数据融合的方式联用,对食用植物油建立SVM分类模型和SVM回归模型。SVM分类模型应用到纯的食用植物油检测中,检测准确率仅为69%；SVM回归模型应用到不同品质花生油的预测中,感官值与预测值的相关性R2=0.78。从结果可以看出,智鼻与智舌技术联用,对食用植物油的鉴定和对花生油的品质预测中都没有得到更好的结果,反而弱化了智鼻与智舌本来的优点。从中可以看出,基于SVM的智鼻与智舌技术在食用植物油的鉴定和品质控制中都有很好的应用。智鼻与智舌的检测快速、操作简单、应用范围广等优点,使其能在社会上尤其是工厂里得到快速的推广应用。如果能将基于SVM算法的智鼻与智舌技术代替感官品评法应用到食用植物油生产过程的实时监控中,将为企业节省大量的人力、物力,提高经济效益。