近年来,随着国民经济的发展和生活水平的提高,我国牛肉的产出与消费量越来越大,无论是政府还是消费者,对牛肉的卫生品质及新鲜度的检测也越来越重视。由于牛肉新鲜度的常规检测方法操作繁琐,耗时耗力,难以满足日常生产生活中对肉类新鲜度进行及时检测的需求,故此需要寻找一种快速简便而又科学客观的方法。电子鼻检测是新兴的无损检测方法之一,随着材料科学与计算机技术的不断发展,电子鼻研究迅速发展,它已广泛应用于工业生产的各个部门,电子鼻利用气味来鉴别农产品品质具有较大的应用潜力。 本研究的主要内容是利用电子鼻对牛肉新鲜度进行检测,同时对其他理化指标进行了检测,并通过多种模式识别方法对数据进行分析,探讨电子鼻用于牛肉新鲜度检测的可行性,并建立了效果最佳的检测及模式识别方法,对牛肉新鲜度及相关的理化指标进行定性与定量的分析。 首先通过预备实验进行实验参数优化的研究。在不同的样品温度、顶空空间、样品重量、密封时间及有无EDU的条件下,对不同新鲜度的样品进行电子鼻检测,并对数据进行PCA及方差分析,得出最优的实验参数:样品温度为8℃、顶空空间500ml、样品质量25g、密封时间5min并且不采用EDU处理。 正式实验分别对三批牛肉样品进行了电子鼻检测、色差计检测及酸度、挥发性盐基氮、细菌总数等理化指标的检测。第一批为新鲜样品并在2℃条件下贮藏;第二批为新鲜样品并在5℃条件下贮藏;第三批为冷冻的样品并在5℃条件下贮藏。 基于第一批样品,对色差计所测得的各颜色参数进行PCA及判别分析,效果较差。因样品的颜色参数与样品本身的部位、脂肪含量等因素有较大关系,造成数据十分离散,所以不能根据各颜色参数对样品进行分类。 同样基于第一批样品,对电子鼻所采集的数据进行了PCA、判别分析及多种神经网络分析。分析结果表明,电子鼻的传感器响应随样品新鲜度的不同而有明显的变化,尤其是传感器4、6、7、8、10与样品贮藏时间的相关性较好;不同新鲜度的样品在PCA分析图上,可以较好地聚类,说明电子鼻用于牛肉新鲜度检测是十分可行的;判别分析效果良好,电子鼻可以对不同新鲜度的牛肉样品进行定性分析;选用GRNN作为模式识别方法,以15s、30s、40s、50s的数据作为输入向量,电子鼻也可以对样品的贮藏时间、挥发性盐基氮的含量、细菌总数及感官评价得分做较好的预测,其中标准误差Se分别为:1.36(天)、4.64(mg/100g)、16.12(10~5个/g)、1.31。 与BPNN相比,GRNN不但具有方便,简单和运算速度快等优点,还具有性能稳定、预测精度高、泛化能力强等优点,在本次实验中,其效果明显优于BPNN,是电子鼻进行模式识别和定量预测的一种优良的神经网络模型。 采用第一批的样本建立了数据库和神经网络模型,对第二批的样品进行电子鼻检测并用建立好的模型对挥发性盐基氮、细菌总数感官评价得分进行了预测,效果较好,预测的标准误差分别为7.31(mg/100g)、26.59(10~5个/g)和1.69。然而对第三批的样品进行预测,效果较差,预测的标准误差分别为12.76(mg/100g)、60.35(10~5个/g)和1.93。这说明:不同的的贮藏条件对牛肉的气味及电子鼻的检测结果有较大的影响,所以对不同条件下贮藏的样品,其检测分析应建立特定的预测模型。