【《基于PCA和ELM的牛肉摻假檢測方法研究》9500字論文】

基于PCA和ELM的牛肉摻假檢測方法研究 12染料與方法 22.1樣品制備 22.2理化指標(biāo)測定 32.3基于比色傳感器電子鼻的構(gòu)建和數(shù)據(jù)提取 32.4數(shù)據(jù)分析方法和軟件 72.4.1數(shù)據(jù)分析方法 82.4.2軟件 8 83.1化學(xué)指標(biāo)測定結(jié)果 83.2電子鼻傳感器響應(yīng)和特征提取 93.3電子鼻數(shù)據(jù)的去相關(guān)和降維 13.4牛肉摻假鴨肉的鑒定 3.5摻假量的定量預(yù)測 4結(jié)論 平。從實(shí)驗(yàn)結(jié)果看，ELM的摻假識(shí)別率訓(xùn)練集是80.56%,預(yù)測集中是77.08%。關(guān)于摻假1引言 (董睿淵，溫麗娜，2022)[。牛肉蛋白質(zhì)含量高，脂肪含量低，味道鮮美，牛肉的食用效果也很多，能增長肌肉、增加免疫、補(bǔ)鐵補(bǔ)血、抗衰老(韓逸飛，郭元正，2023)。由于越來越多的人食用牛肉及其制品，又因?yàn)槭袌錾系呐Ｈ赓Y源高效液相氣譜、熒光定量PCR技術(shù)、核磁共振、DNA探針雜交，還有近紅外光譜技術(shù)、氣相色譜-質(zhì)譜聯(lián)用技術(shù)等，由上述分析呈現(xiàn)的信息可知這些技術(shù)都可以用作檢測(楊若琪，林麗娜，2021),但由于每個(gè)方法的難易程度不同，又因件，對(duì)于非專業(yè)人員而言，這些檢測技術(shù)更需要耗時(shí)耗力，不易操作(許文濤，劉婉瀾，2023)[1。依據(jù)前面提到的觀點(diǎn)肉品品質(zhì)檢測，主要依靠感官、理化和轉(zhuǎn)化為電信號(hào)，從而量化到傳感器上，從而引起傳感器的數(shù)據(jù)的變化(宋子淳，這一點(diǎn)透露出以實(shí)現(xiàn)食品質(zhì)量評(píng)估(黃景云，高翔宇，2024)。電子鼻分析技術(shù)真正做到了快速簡便，越來越為大家所熟知，是現(xiàn)代大家比較常用的實(shí)驗(yàn)方法，非常實(shí)用，不斷研究電子鼻成果以及應(yīng)用也成為了時(shí)代進(jìn)步的一種體現(xiàn)(曾文博，張潔瓊，2020)。本實(shí)驗(yàn)研究了電子鼻對(duì)牛肉中鴨肉的摻假快速檢測方法，提出了一種基于化學(xué)敏感性染料制成的比色傳感器的低成本電子鼻(高建華，周羽和，2023)。利用主成分分析(PCA)和極限學(xué)習(xí)機(jī)(ELM)的化學(xué)計(jì)量算法對(duì)數(shù)據(jù)進(jìn)行處理分析，水平上揭露建立了ELM模型來預(yù)測肉品摻假水平，已建立一種快速簡單的方法，且不耗時(shí)不費(fèi)力，投入資金少，方便人們鑒定，給人們鑒定帶來便宜，以此達(dá)到對(duì)品質(zhì)有效監(jiān)控的目的。2染料與方法2.1樣品制備從蘇州國購超市購買新鮮的牛里脊肉和鴨胸肉，能夠保障食品質(zhì)量與安全，為了保證食品的新鮮，所以說在購買之后盡可能快的將購買的肉運(yùn)輸?shù)綄?shí)驗(yàn)室。進(jìn)入實(shí)驗(yàn)室，開始處理牛里脊肉和鴨胸肉，這些跡象表明了將鴨胸肉去除鴨皮，得到純鴨肉之后，將新鮮的牛里脊肉和鴨胸肉分別切成小塊，以便能很好的使用商用攪拌機(jī)切碎(AUX-J20),購買于中國佛山市海迅電器有限公司(高月明，鄭以保障數(shù)據(jù)之真實(shí)、結(jié)果之可靠。本文細(xì)致規(guī)劃了研究方案，并對(duì)可能引入誤差的各類因素一—如環(huán)境變量、操作差異、數(shù)據(jù)精度等一一進(jìn)行了徹底分析と評(píng)估。借助標(biāo)準(zhǔn)化流程與技術(shù)工具，本文維護(hù)了數(shù)據(jù)的一致性與重復(fù)性。為進(jìn)一步提升數(shù)據(jù)質(zhì)量，本文引入了雙重錄入與交叉驗(yàn)證機(jī)制，有效防范了人為疏忽或輸入錯(cuò)誤引發(fā)的數(shù)據(jù)偏離。將肉末和肉末以15%的增量在0%～60%(W/W)的范圍內(nèi)混合，這在一定程度上顯露并設(shè)置純牛肉、純鴨肉對(duì)照組，本次實(shí)驗(yàn)總共需要做6組，用攪拌機(jī)切碎之后，將兩種肉按照預(yù)先設(shè)定好的比例進(jìn)行充分混合，每組樣品重40g,使實(shí)驗(yàn)得到更好的效果，這在一部分程度上揭示了每一組做20個(gè)2.2理化指標(biāo)測定進(jìn)行實(shí)驗(yàn)時(shí)，第一步用TVB-N測定方法檢測肉的新鮮度。TVB-N測定方法已有成果能夠推導(dǎo)出以下結(jié)論即將TVB-N的結(jié)果作為參照肉新鮮度的依據(jù)(羅建輝，高玉潔，2019),很好的保證了肉的品質(zhì)，以致在接下來的實(shí)驗(yàn)?zāi)軌蚝芎霉梢杂脕碚f明鴨肉和牛肉之間所含物質(zhì)不一樣(姚建新，黃思遠(yuǎn)，2024)。色傳感器陣列，(2)反應(yīng)室，(3)圖像捕獲儀，(4)計(jì)算機(jī)。主要操作流程是在測量過程中，所以第一步較為關(guān)鍵，即用化學(xué)染料制備比色傳感器陣(紅色)、G(綠色)、B(藍(lán)色)各自圖像以及對(duì)應(yīng)特征值，前后相減獲得相減反映傳感器數(shù)據(jù)的變化值。經(jīng)處理可用作建模時(shí)的數(shù)據(jù)輸入量(蔣家豪，馬春樣品釋放的VOC。要想達(dá)到檢測性能好的目的，則主要的是需要化學(xué)染料的反變化明顯，所以需要是兩性離子溶劑變色染料(滕俊馳，任嘉豪，2018)。第一變化(許文睿，劉婉晴，2022)。選擇這三種大類的反應(yīng)效果較好的化學(xué)性染料用于制作比色傳感器，以下表1是實(shí)驗(yàn)所選的色敏染料，以及圖1是相關(guān)卟啉和試驗(yàn)編號(hào)CAS號(hào)中文名稱性1234567891甲基紅四苯基卟啉鐵四苯基卟啉5,10,15,20-四(五氟苯基)-21H,23H-卟啉氯化鐵四苯基卟啉鋅錳5,10,15,20-四苯基-21H,23H-卟吩銅(II)2,3,7,8,12,13,17,18-卟吩錳((黃景云，高翔宇，2024))氯化物2,3,9,10,16,17,23,24-八(29H,31H-酞菁鋅乙醇氯仿乙醇氯仿氯仿氯仿氯仿氯仿氯仿氯仿氯仿丙酮氯仿21H,23H-啉啉氯仿溴甲酚紫乙醇四吡啶基卟啉氯仿(1)C?4H??CIFeN?(2)C44H??N?(3)(5)C4?H??CIMnN?(6)C?4H??CuN?(7)(9)C??H144N?O?Zn(10)C?8H??N?O?(11)C??H??N?色敏染料選擇好后，可以開始制備比色傳感器陣列，這些跡象表明了首先準(zhǔn)備好氯仿、乙醇和丙酮這三種純分析液溶劑，其次將其與化學(xué)性染料進(jìn)行混合，需要將得到的混合液濃度定為2mg/ml(王豪，陳璇婷，2021)。這一步做好之后，在進(jìn)行滴到反相硅膠板上這一操作之前，需要先超聲30分鐘，才可用0.1μL的移液管進(jìn)行滴定，這在一定程度上顯露將其密封，并進(jìn)行防腐處理。在數(shù)據(jù)解析策略的抉擇中，本研究不僅沿用了經(jīng)典的統(tǒng)計(jì)解析工具，如描述性統(tǒng)計(jì)和回歸分析，更融入了近年來迅猛發(fā)展的數(shù)據(jù)挖掘技術(shù)與算法。例如，借助聚類分析洞察數(shù)據(jù)中的潛在規(guī)律，或運(yùn)用決策樹算法預(yù)見未來走勢。這些前沿方法為深入剖析復(fù)雜現(xiàn)象提供了堅(jiān)實(shí)支撐，有效揭示了海量數(shù)據(jù)背后的深層次關(guān)聯(lián)。此外，本文著重推行了混合方法策略，即融合定量與定性研究，以拓寬研究視野，實(shí)現(xiàn)更全面的認(rèn)知。因?yàn)榉聪喙枘z板順滑，透明，化學(xué)性質(zhì)穩(wěn)定，容易顯色。制成的比色傳感器陣列如下圖2所示(張偉強(qiáng)，陳夢(mèng)琪，2021):現(xiàn)在開始可以放入反應(yīng)室，但是在比色傳感器陣列在于揮發(fā)性氣體反應(yīng)之前，需要先使用平板掃描儀(型號(hào)：HPScanjet4890)獲得比色傳感器陣列的圖像并保存，以供后續(xù)操作使用，此時(shí)，圖像中有三種顏色，這在一部分程度 揭示了分別為紅色、綠色、藍(lán)色.以及對(duì)應(yīng)產(chǎn)牛三種顏色各自的值。則可將將樣品肉和比色傳感器陣列放在反應(yīng)室進(jìn)行電子鼻測量。進(jìn)行測量的流程圖如圖3所示：ColorimetriesensorsbeforeAdulterationlevel?圖3測量流程圖測量時(shí)，將比色傳感器與肉類放在反應(yīng)室，這在某種程度上勾勒出對(duì)比色傳感器陣列反應(yīng)之前的圖像和反應(yīng)之后圖像都要進(jìn)行保存，五分鐘的反應(yīng)時(shí)間，對(duì)于每種肉類樣品，當(dāng)檢測到不同揮發(fā)性氣體，依照已有成果能夠推導(dǎo)出以下結(jié)論那么比色傳感器上的顏色因此會(huì)發(fā)生變化(程俊馳，屈明杰，2019),則對(duì)應(yīng)前后不同的RGB值，則反應(yīng)后的圖像與反應(yīng)前的圖像所對(duì)應(yīng)值得差值即為色差，如公式(1)所示：(a一后反應(yīng)；b一前反應(yīng)；△表示色差所需要的提取的數(shù)據(jù)主要是通過反應(yīng)前和反應(yīng)后圖像對(duì)應(yīng)值的差值所得到此次實(shí)驗(yàn)的目的主要研究的是一種投入資金少，不耗時(shí)不耗力，適合大多數(shù)人需求的一種簡便易操作且可行性強(qiáng)的方法，由以旨在利用主成分分析法進(jìn)行定性分析，判斷樣品的所含主要成分，以此來進(jìn)摻假程度，重要的是通過化學(xué)計(jì)量學(xué)來訓(xùn)練校準(zhǔn)模型，以假肉和摻假水平(符思源，邢智航，2022)。PCA進(jìn)行主成分分析，可以將無關(guān)成分的變量去除，依據(jù)前面提到的觀點(diǎn)并將相關(guān)變量分開來進(jìn)行分析，這樣淘汰。例如，在數(shù)據(jù)收集環(huán)節(jié)，本文應(yīng)更加關(guān)注樣本的廣所選樣本能夠真實(shí)反映目標(biāo)群體的整體特征。求，靈活運(yùn)用多種數(shù)據(jù)收集手段，有助于提高數(shù)據(jù)的全面性和可靠性。得到的外，建立的ELM模型可預(yù)測摻假水平，即摻假程度，所以說是定量分析(孔令杰，邱柏霖，2023)。ELM模型性能通過識(shí)別率來評(píng)估，如公式(2)中。ELM模型的性能通過均方根誤差(RMSE)和相關(guān)系數(shù)(r)來評(píng)估。RMSE公式如(3)中：N一樣本數(shù)，yi一第i個(gè)樣本的測量結(jié)果，yΛi一第i個(gè)樣本的模型預(yù)測結(jié)使用r公式可以得到預(yù)測值和測量值之間的相關(guān)系3結(jié)論與討論3.1化學(xué)指標(biāo)測定結(jié)果由理化試驗(yàn)測得到指標(biāo)數(shù)據(jù)如表2所示，兩種肉類這些化成成分的含量有所不同，從表中揮發(fā)性鹽基氮的結(jié)果來看，鑒于目前形勢兩種肉都是新鮮的，在此前提下的蛋白質(zhì)和脂肪，都是牛肉比鴨肉高，而灰分根據(jù)這些理化指標(biāo)結(jié)果(邱偉宸，馬超凡，2024),作為大理論基礎(chǔ)，這一點(diǎn)透露出做接下來的操作，以下表2是結(jié)果：表2試驗(yàn)所用純牛、鴨肉常規(guī)理化指標(biāo)測定結(jié)果蛋白質(zhì)(g/100g)脂質(zhì)(g/100g)灰分(g/100g)牛肉鴨肉N.D.表示未檢出，一組平行為12次，假設(shè)檢驗(yàn)α=0.05。3.2電子鼻傳感器響應(yīng)和特征提取圖4顯示了比色傳感器陣列在暴露于不同濃度的摻有鴨肉的牛肉碎肉樣品之前和之后的典型差異圖像。(D)(E)圖4所研制基于比色傳感器的低成本電子鼻對(duì)牛肉中摻假鴨肉的響應(yīng)圖從圖4可以看出，每個(gè)差異圖像體現(xiàn)了不同肉類樣本的響應(yīng)圖。將這些特征圖的數(shù)據(jù)提取出來之后，這在一定水平上揭露用標(biāo)準(zhǔn)理，由于提取的48組值并不是所有的都有參考意義，所以利用標(biāo)準(zhǔn)正態(tài)分布可有效地去除無關(guān)變量，達(dá)到變量篩選的目的，這些的進(jìn)行，簡化操作，標(biāo)準(zhǔn)正態(tài)變化后的值更加清晰，賞心悅目，有利于去觀察，更好的獲取信息(韓俊杰，徐婉婷，2020)。處理后的前后對(duì)比圖如圖5所有鴨肉中特定的的揮發(fā)物，不同肉類具有不同物質(zhì)。切碎會(huì)釋放揮發(fā)性有機(jī)化合物，但是種類和濃度有所不同，這這在某種程度上勾勒出本研究中使用的化學(xué)敏啉，可以通過分子之間的協(xié)同作用(即酸堿相互作用),鍵的發(fā)展，π-π分子的絡(luò)合作用，但同樣重要的是范德華相互夠推導(dǎo)出以下結(jié)論揮發(fā)性氣體與金屬卟啉配位，能的光化學(xué)性質(zhì)變化，當(dāng)檢測到VOC變化時(shí)，它能夠隨之發(fā)生顏色變化，所以能很好的反應(yīng)卟啉與VOC的變化關(guān)系。化學(xué)響應(yīng)性染料還可以是用PH指示劑，每個(gè)pH指示劑都有其與pH值相關(guān)的可識(shí)別的顯色標(biāo)記(劉俊杰，周婉清，2021),考慮到時(shí)間因素的深遠(yuǎn)影響，本文對(duì)前文結(jié)論的驗(yàn)證暫不詳細(xì)展開?？茖W(xué)研究通常是一個(gè)持久的過程，尤其在探索復(fù)雜的時(shí)間來觀察現(xiàn)象、分析數(shù)據(jù)并得出穩(wěn)健的結(jié)論。盡管本研究已取得一些初步成果，但要對(duì)所有結(jié)論進(jìn)行深入且全面的驗(yàn)證，仍需更長復(fù)實(shí)驗(yàn)。這不僅有助于排除偶然因素的干擾，性因此，依據(jù)前面提到的觀點(diǎn)所提出的比色傳感器陣列中使用的pH指示劑染尼羅紅的溶劑也可作化學(xué)敏感染料，因?yàn)槠渲伦兩?，來確定肉類釋放的VOC的極性。這三種化學(xué)性染料會(huì)隨著VOCs的不同而PCA在這項(xiàng)工作中，為了能夠充分發(fā)揮模型的校準(zhǔn)和預(yù)測模型的性能，需要先消除輸入變量的影響，處在當(dāng)前的現(xiàn)實(shí)背景下即多維和數(shù)據(jù)集的共線性問題，數(shù)據(jù)共線可能數(shù)據(jù)化學(xué)敏感性染料對(duì)肉類產(chǎn)品中的多鑒于目前形勢本研究首先對(duì)比色傳感器獲得的數(shù)據(jù)值進(jìn)行獲得的數(shù)據(jù)，里面有不需要的相關(guān)變量，需多維問題中的多維和嚴(yán)重共線性數(shù)據(jù)集。這一點(diǎn)透露出通過使用PCA,通過使用協(xié)方差矩陣以及原始數(shù)據(jù)矩陣，來確定特方差，而第二個(gè)主成分(PC2)表示第二大的總體方差(張偉始數(shù)據(jù)多，刪除不必要的信息以及不穩(wěn)定的變量因素，使在后續(xù)過程中在對(duì)問題進(jìn)行分析的時(shí)候能夠得到簡化。于數(shù)據(jù)分析階段，本文來校驗(yàn)數(shù)據(jù)的有效性，且辨識(shí)潛在的異常數(shù)據(jù)性，本文能夠順利排除那些明顯偏離正常范圍的數(shù)據(jù)的樣本情況。此外，本文還利用敏感性分析來衡定不同參數(shù)變動(dòng)對(duì)研究結(jié)果的從圖中可以看出，這些跡象表明了前三主成分貢獻(xiàn)率分別為34.9%、25.63%、13.82%,累計(jì)貢獻(xiàn)率為74.35%,識(shí)別率挺高，可以用于牛肉摻假的鑒定識(shí)別，可以看出樣本之間分布距離挺大，可以直接區(qū)分，第二主成分得分(25.63%)0這在一定程度上顯露用ELM算法處理比色傳感器構(gòu)建的電子鼻中獲得的數(shù)據(jù)，建立牛肉摻假定性和定量預(yù)測摻假水平的模型。任意選擇每種類別的樣本數(shù)：(x一輸入變量，而s(x)一相應(yīng)的輸出變量):在ELM建立模型時(shí)，隱藏層神經(jīng)元的數(shù)量在建模效果上起決定性的作用，已知當(dāng)訓(xùn)練和預(yù)測集的RMSE為最小值時(shí)，隱藏層神經(jīng)元數(shù)量可達(dá)到最好建模效果。如圖7所示，可以看出當(dāng)隱藏層中的神經(jīng)元數(shù)為28時(shí)，最適合建模，此(28個(gè)節(jié)點(diǎn)，訓(xùn)練集80.56%,測試集77.08%)3.5摻假量的定量預(yù)測ELM隱層節(jié)點(diǎn)數(shù)這在某種程度上勾勒出在本次研究實(shí)驗(yàn)中，比色傳感器陣列所獲得的數(shù)據(jù)作為輸入，通過數(shù)據(jù)處理，再經(jīng)過ELM計(jì)算進(jìn)行定量分析，依照已有成果能夠推導(dǎo)出以下結(jié)論以此鑒定摻假牛肉。ELM由通過加權(quán)網(wǎng)絡(luò)在三個(gè)不同層(即輸入層，隱藏層和輸出層)之間連接的活動(dòng)單位陣列(人工神經(jīng)元)組成(朱云峰，入層，直到達(dá)到良好匹配為止，調(diào)整各個(gè)層的權(quán)重實(shí)現(xiàn)息可知樣品中的七分之二拿出來作訓(xùn)練集，七分定理論框架之上，搭建了本次的研究模型，無論在信息流轉(zhuǎn)技術(shù)上，都體現(xiàn)出了對(duì)前人研究成就的尊重與延續(xù)，與拓展。在信息流轉(zhuǎn)設(shè)計(jì)上，本文吸收了經(jīng)典的信息處理理念，確保了信息從采集、傳輸?shù)椒治龅母鱾€(gè)環(huán)節(jié)均高效精準(zhǔn)。通過嚴(yán)格的數(shù)理流程，本文有效保障了信息質(zhì)量，進(jìn)而提升了信息流的透明度與可追溯性。這樣可以更好地構(gòu)建摻假牛肉的預(yù)測模型，使用歸一化法轉(zhuǎn)換變量，如式(6)在ELM模型的建設(shè)中，經(jīng)過轉(zhuǎn)換變量，使用“tanh”函數(shù)，將學(xué)習(xí)和動(dòng)量因子設(shè)為0.1,將訓(xùn)練誤差控制在0.0002,訓(xùn)練時(shí)間控制在10以內(nèi)(徐琳琳，最小RMSE值確定。最后，使用拓?fù)浼軜?gòu)獲得了最佳的網(wǎng)絡(luò)架構(gòu)。依據(jù)前面提到的觀點(diǎn)摻假水平預(yù)測而構(gòu)建的ELM模型的RMSE和r如圖9所示(陳志浩，張?jiān)谶@項(xiàng)研究中，處在當(dāng)前的現(xiàn)實(shí)背景下訓(xùn)練集和預(yù)測肉的水平，用于肉類摻假的鑒定和預(yù)測，足以說明ELM模型算法的可靠，性能4結(jié)論這次實(shí)驗(yàn)?zāi)康木褪菫榱搜芯康统杀倦娮颖菗郊倥Ｈ饪焖贆z測方法，實(shí)驗(yàn)中分析的是摻入鴨肉的牛肉，作為肉類摻假的參考。用化學(xué)敏感染料構(gòu)建的比色傳感器，這種電子鼻系統(tǒng)是利用比色傳感器，鑒于目前形分的化學(xué)信將轉(zhuǎn)化為定量的顏色變化，再通過計(jì)算機(jī)識(shí)別分析?；陔娮颖堑闹鞒煞址治鲞M(jìn)行定性的數(shù)據(jù)預(yù)處理，其后根據(jù)ELM模型的化學(xué)計(jì)量方法，形成一套很好的鑒定以及預(yù)測的方法，為了鑒定露出所建立的ELM模型在訓(xùn)練集中的鑒定率80.56%,預(yù)測集中的鑒定率為77.08%,在ELM模型的訓(xùn)練和預(yù)測集中，比色傳感器會(huì)隨著肉類中揮發(fā)性氣體發(fā)生反應(yīng)而產(chǎn)生顏色變化。所有發(fā)現(xiàn)表明，用化學(xué)敏結(jié)合制造的低成本電子鼻非常實(shí)用，可以快速并且簡單的進(jìn)行鑒定與預(yù)測牛肉摻假問題，對(duì)市場摻假問題也有很好的監(jiān)控作用。[1]麻海峰，常征，楊光輝.牛肉的營養(yǎng)價(jià)值及排酸、速凍工藝研究[J].農(nóng)業(yè)科技與裝[2]董睿淵，溫麗娜.電子鼻基于數(shù)據(jù)處理方法對(duì)摻假牛肉檢測研究[D].西北農(nóng)林科技大[5]FoodProcessing;NewFoodProcessingStudyFindingsRecentlyResearchersatUniversityCollegeDublin(Differentiusingelectronicnosewithultra-fastgaschromatography)[J].FoodWeeklyNews,2017.Ghommidh.Identificationofdifferentalcoholicbeveragesby[7]楊若琪，林麗娜.電子鼻工作原理及在肉品檢