
手機(jī)號碼:13810615661
地 址:北京市西城區(qū)廣安門外大街168號朗琴國際大廈B座603室
PEN3-基于電子鼻的果園荔枝成熟階段監(jiān)測 | ||||||||||||
|
||||||||||||
摘 要:為了無損快速監(jiān)測荔枝成熟階段,該文提出了一種基于電子鼻技術(shù)的果園荔枝成熟階段監(jiān)測方法,采用 PEN3電子鼻獲取掛果約 25 d 到果實(shí)成熟過程中 6 個(gè)成熟階段荔枝樣本的仿生嗅覺信息并同步獲取了各成熟階段荔枝的 3 項(xiàng)物理特征(果實(shí)直徑、果實(shí)質(zhì)量與果實(shí)可溶性固形物含量) 。根據(jù)不同成熟階段荔枝物理特征變化可知,荔枝果實(shí)直徑與果實(shí)質(zhì)量 2 項(xiàng)物理指標(biāo)在掛果約 32 d ~ 39 d, 以及 53 d ~ 60 d增長較快, 可溶性固形物含量在掛果約32 d 前無法測量, 53 d ~60 d 階段增長速度較慢。 提取各樣本電子鼻采樣數(shù)據(jù) 75 s 時(shí)刻的各傳感器響應(yīng)值作為特征值后, 采用載荷分析 (loadings)進(jìn)行傳感器陣列優(yōu)化,優(yōu)選了傳感器 R2、R4、R6、R7、R8、R9 和 R10 的響應(yīng)數(shù)據(jù)進(jìn)行后續(xù)分析。將優(yōu)化后的傳感器響應(yīng)數(shù)據(jù)進(jìn)行歸一化處理。采用線性判別分析(linear discriminant analysis,LDA)進(jìn)一步提取特征信息,降低數(shù)據(jù)中包含的冗余信息。LDA 對荔枝成熟階段的分類識別效果不佳。為進(jìn)一步探究電子鼻監(jiān)測果園荔枝成熟階段的可行性,采用模糊 C 均值聚類分析(fuzzy C means clustering,F(xiàn)CM) 、k 近鄰函數(shù)分析(k nearest neighbor,KNN)和概率神經(jīng)網(wǎng)絡(luò)(probabilistic neural network,PNN)進(jìn)行模式識別。研究結(jié)果表明,F(xiàn)CM 對果園荔枝成熟階段識別的正確率為 89.17%。采用 KNN 與 PNN 建立識別模型后,KNN 與 PNN 識別模型對訓(xùn)練集的回判正確率均為 *,對測試集的識別率均96.67%,具有較好的分類識別效果。試驗(yàn)證明了采用電子鼻進(jìn)行果園荔枝成熟度監(jiān)測的可行性,為果園水果品質(zhì)的實(shí)時(shí)監(jiān)測提供參考。 |
||||||||||||