论文部分内容阅读
玉米作为重要的农产品,在国民经济发展中占有重要地位,但由于玉米收获后原始水分较高,呼吸强度大,极易发生霉变,霉变后的玉米不仅品质下降,更会产生霉菌毒素危害人类健康。而目前基于理化实验分析的玉米霉变检测方法,因其操作复杂、费时、费力、结果滞后等,难以满足实际需要。电子鼻作为一种无损快速检测方法,在农产品品质检测方面获得广泛应用,因此,基于电子鼻技术的快速、准确、实时、在线的霉变玉米检测方法研究具有重要实际意义。在设定的温度和湿度条件下,培养不同霉变程度的玉米测试样品,并对不同霉变程度玉米样品进行理化试验及分析,按国标规定方法测定其霉菌总数、黄曲霉毒素 B1含量和玉米赤霉烯酮含量。结果显示:随着霉变时间的增加,各项指标都呈增长趋势,霉变第0天、第2天、第4天、第6天、第8天、第10天、第12天的霉菌总数(lg[(cfu)·g])分别为:3.666、7.934、21.260、26.356、37.895、55.2、62.59;黄曲霉毒素 B1(μg/kg)含量分别为:6.31、12.18、21.75、38.93、50.01、67.43、82.37;玉米赤霉烯酮含量(μg/kg)分别为:22.3、34.6、52.0、67.2、82.5、130.2、178。对不同霉变程度玉米样品进行电子鼻检测,提取其气敏响应信号的积分值作为特征值,利用主成分回归、偏最小二乘回归、BP神经网络、最小二乘支持向量机的方法建立了不同霉变等级玉米中霉菌总数、黄曲霉毒素 B1含量、玉米赤霉烯酮含量的电子鼻预测模型,并对几种预测模型的预测精度进行了比较。 本研究主要内容包括:⑴霉菌总数的主成分回归模型、偏最小二乘回归模型、BP神经网络模型、最小二乘支持向量机模型的70个测试样本相对误差控制在5%以内的样本数分别为:16个、38个、56个、61个。⑵黄曲霉毒素 B1含量的主成分回归模型、偏最小二乘回归模型、BP神经网络模型、最小二乘支持向量机模型的70个测试样本相对误差控制在5%以内的样本数分别为:19个、41个、62个、65个。⑶玉米赤霉烯酮含量的主成分回归模型、偏最小二乘回归模型、BP神经网络模型、最小二乘支持向量机模型的70个测试样本相对误差控制在5%以内的样本数分别为:23个、45个、63个、67个。预测精度最小二乘支持向量机模型>BP神经网络模型>偏最小二乘回归模型>主成分回归。为了验证模型的稳健性,对精度较高的 BP神经网络和最小二乘支持向量机,在模型结构不变的情况下,分别多次随机抽样进行测试,预测结果均趋于一致,说明两种模型具有较高的可靠性和稳健性,能够准确稳定的估算玉米的霉变程度及不同霉变程度玉米中玉米赤霉烯酮和黄曲霉毒素 B1的含量。这为电子鼻检测玉米霉变程度及霉变玉米中的霉变毒素提供了有益的借鉴。