1. AI新视界首页
  2. AI食品

基于多种智能传感技术的数据融合策略及其在金华火腿品质评价中的应用

该研究针对多种智能感知技术,包括电子鼻、电子舌和计算机视觉的模式识别,提出了一种新的距离-概率分类(distance-probability classification,DPC)方法,并应用于不同老化时间下金华干腌火腿的分类评价,准确率可达到100%。同时进一步利用融合数据,建立了反向传播神经网络(BPNN)模型来预测老化时间并同时预测12种感官属性。BPNN模型在预测老化时间(R2 > 0.972)和感官属性(R2 > 0.935)方面表现出令人满意的性能。

摘要

今天介绍一篇来自上海交通大学的刘源团队等人于2021年6月发表在Sensors and Actuators: B. Chemical上的一篇高水平论文。该研究针对多种智能感知技术,包括电子鼻、电子舌和计算机视觉的模式识别,提出了一种新的距离-概率分类(distance-probability classification,DPC)方法,并应用于不同老化时间下金华干腌火腿的分类评价,准确率可达到100%。同时进一步利用融合数据,建立了反向传播神经网络(BPNN)模型来预测老化时间并同时预测12种感官属性。BPNN模型在预测老化时间(R2 > 0.972)和感官属性(R2 > 0.935)方面表现出令人满意的性能。

1. 介绍

通过多种智能感知技术(电子鼻、电子舌和计算机视觉等)获得的数据通常是高维的,这很容易导致模式识别中的“维数灾难”。因此,为了降低数据计算的复杂性,通常采用特征提取来形成用于分析的子集。此外,进一步探索数据融合策略,综合利用来自不同智能传感技术的数据。数据融合策略通常包括数据级融合、特征级融合和决策级融合。本研究提出了一种新的基于特征级和决策级融合策略的距离概率分类(DPC)方法,用于多智能感知技术数据的模式识别。

在这项研究中,融合的数据被用来建立化学成分的预测模型,而不是感官属性。为了验证所提出的DPC方法和感官属性量化方法的可行性,应用多种智能感官技术对金华干腌火腿进行了评价。本文主要研究基于多种智能感官技术的金华火腿干腌火腿的分类和感官属性量化。本论文的主要目的是:(1)利用电子鼻、电子舌和计算机视觉对不同类型的金华火腿进行表征,并通过感官评价确定其感官属性;(2)采用DPC方法对不同火腿进行分类,建立基于数据融合的感官属性预测模型。

2. 材料和方法

2.1 样品准备

将火腿股二头肌真空包装并贮存,将18只火腿按老化时间(1年、2年和3年)分为3组(6只/组)。从火腿中取出骨头和表皮脂肪层,将剩余的肌肉部分切成1cm×1cm×1cm的方块,用于计算机视觉检测。然后用分析研磨机将立方体经液氮处理后磨成粉末。研磨过程持续3 s,重复3次。所得粉末用于电子鼻检测。最后将5 g粉末加入20 mL去离子水中静置2 h,在9500r/min条件下离心30 min。上清液经0.45μm微孔膜处理,滤液按1:15稀释。最后得到的溶液用于电子舌检测。

2.2 干腌火腿的感官评定

采用定量描述分析(QDA)对不同陈化时间的金华干腌火腿的感官特性(气味、味道和外观)进行了表征。经过所有评估人员的讨论,总结出金华干腌火腿共有12种感官特征(即光泽、红色、脂肪色、边缘粗糙度、潮湿、发酵味、奶酪味、脂肪酸败味、烟熏味、肉味、酸味、黄油味)。

2.3 干腌火腿的电子鼻表征

将10克等分的火腿粉称重到100毫升的顶空小瓶中,随后用塑料薄膜密封。。电子鼻每个传感器的输出信号为G/G0,即传感器检测样品的电子电导率与检测清洁空气的电导率之比。每个火腿进行5个重复。因此,从电子鼻获得了90个数据集(5个重复/火腿×6火腿/类别×3个类别)。

2.4 干腌火腿的电子舌表征

采用电子舌对金华干腌火腿的口感特征进行了评价。在检测过程中,将电极浸入80 mL样品溶液中,AlphaSoft每秒记录一次不同传感器的信号。电子舌的输出信号是每个工作电极和参比电极之间的电位差。检测持续120秒,以确保每个传感器处于稳定状态。每只火腿进行5次重复试验。因此,从电子舌获得了90个数据集(5个重复/火腿×6火腿/类别×3个类别)。

2.5 干腌火腿的计算机视觉表征

采用计算机视觉系统采集不同品种金华火腿的图像信息。在检测过程中,将火腿块(1cm×1cm×1cm)放置在摄像机正下方的平台上。所有图像均在相同的系统条件下采集,并保存为JPG格式,大小为640×480像素。然后,提取聚焦于原始图像中心的300×300像素感兴趣区域(ROI)进行后续分析。Fig.1显示了不同金华干腌火腿的典型ROI图像,J1、J2和J3分别代表老化时间为1年、2年和3年的金华干腌火腿。每只火腿进行5次重复试验。因此,从计算机视觉中获得了90个数据集(5个重复/火腿×6火腿/类别×3个类别)。基于多种智能传感技术的数据融合策略及其在金华火腿品质评价中的应用

Fig.1 预处理后不同金华火腿的典型图像

2.6 特征提取方法

通过对电子鼻、电子舌和计算机视觉的检测,获得了包含270个数据集(3种技术×5个重复×6个火腿×3个类别)的原始数据集。然后进行特征提取和特征选择。对于电子鼻数据子集,选择响应信号的峰值作为表征干腌火腿气味的特征。对于电子舌数据子集,选择120秒时的响应信号作为特征来表征干腌火腿的味道。分别从电子鼻和电子舌中提取了14个特征(1个特征×14个传感器)和7个特征(1个特征×7个传感器)。对于计算机视觉数据子集,从每个图像中提取红色(R)、绿色(G)和蓝色(B)的平均值和标准偏差,以表征干腌火腿的外观。

2.7 多种智能传感技术的数据融合

本研究旨在应用多种智能感官技术对不同老化时间的金华火腿进行综合评价。不同技术的数据结构通过主成分分析(PCA)可视化。进行皮尔逊相关分析,并使用热图可视化不同特征之间相关性的显著性矩阵。在分类部分,应用KNN和DPC方法对不同的金华干腌火腿进行分类。在DPC分类程序之前,提取的270个特征子集被随机分为两部分,即180个用于构建分类和回归模型的已知类样本子集和90个用于测试模型性能的未知类样本子集。

本研究采用多目标BP神经网络(BPNN)模型预测干腌火腿的感官特性。对于BPNN预测建模,提取的特征集被随机分为校正集(180个子集)和验证集(90个子集)。使用校正集建立预测模型,并使用验证集测试模型的性能。

3. 结果与讨论

3.1 金华干腌火腿感官评定结果

金华干腌火腿的感官评定结果见Table 1。随着老化时间的延长,光泽和湿润度得分显著降低(p﹤0.01),红色、脂肪色和边缘粗糙度得分显著增加(p﹤0.01)。在老化过程中,干腌火腿的水分损失增加,导致干腌火腿切片时肌肉纤维变干,边缘粗糙。脂肪的持续氧化导致外观变化(光滑和潮湿)。同时,由于脂肪氧化,其气味和味道特征发生了很大变化。陈化时间为3年的金华干腌火腿具有较强的发酵味、脂肪酸败味、烟熏味、肉味和酸味(p﹤0.01)。感官评价结果表明,不同的金华干腌火腿可以通过选择的感官属性来表征。

Table 1 不同陈化时间金华火腿感官属性得分
基于多种智能传感技术的数据融合策略及其在金华火腿品质评价中的应用

3.2 多种智能传感技术的数据分析

从多种智能传感技术的数据中总共提取了27个特征。这些特征包括6个计算机视觉特征、7个电子舌特征和14个电子鼻特征。由27个特征组成的Pearson相关矩阵的可视化结果如Fig.2所示。根据热图,相关矩阵可分为几个具有高相关性的块。Pearson相关矩阵的热图显示,从不同智能感官技术中提取的大多数特征彼此之间的相关性较小(﹤0.5),并且能够有效地反映干腌火腿的不同特征。基于多种智能传感技术的数据融合策略及其在金华火腿品质评价中的应用

Fig.2  Pearson相关矩阵的可视化

Table 2 基于多种智能传感技术的DPC方法最终分类结果基于多种智能传感技术的数据融合策略及其在金华火腿品质评价中的应用

3.3 基于多种智能传感技术的预测结果

基于多种智能感知技术结合DPC方法的分类概率和未知类样本的最终分类结果如Table 2所示,所有未知类别样本均正确分类,分类准确率为100%(30/30),同时结果也显示多种智能感知技术数据的融合所得模型效果要好于单一智能感知技术

基于BPNN模型的预测老化时间和实际老化时间之间的分布如Fig.3所示。校正集和验证集的R2值相当高(﹥0.97),这表明所构建的BPNN模型能够精确预测老化时间。

本研究以干腌火腿感官评价中获得的感官属性作为独立变量,建立了BPNN模型。R2值、RMSE和SE值如Table 3所示。BPNN模型在校正(R2﹥0.974)和验证集(R2﹥0.935)均表现出良好的性能。此外,基于校正集和验证集的预测结果相似,表明没有出现过拟合现象。与Table 1中小组成员的感官评估结果相比,BPNN模型的感官属性RMSE值非常低,如Table 3所示。基于多种智能传感技术的数据融合策略及其在金华火腿品质评价中的应用

Fig.3 基于融合数据的预测老化时间

Table 3 基于计算机视觉、电子舌和电子鼻融合数据的感官属性评估
基于多种智能传感技术的数据融合策略及其在金华火腿品质评价中的应用

4. 结论

来自多种智能感官技术的数据包含有关金华干腌火腿的丰富信息。适当的数据分析方法可以提取出更多有用的特征,可以部分替代基于专家的金华火腿感官评价。本研究提出了一种新的距离概率分类方法来进行数据融合,并对不同的干腌火腿进行分类。该方法充分利用了多种智能感知技术获得的27个特征,最终获得了较高的分类准确率(100%)。

参考文献

  • Shui Jiang, Chendie Ni, Gaole Chen, Yuan Liu, Sensors & Actuators: B. Chemical 344 (2021) 130324
  • 文章链接:https://doi.org/10.1016/j.snb.2021.130324

作者简介

基于多种智能传感技术的数据融合策略及其在金华火腿品质评价中的应用

刘源,男,1979年3月生,中共党员,工学博士、教授、博士生导师,食品科学与工程系主任。国家优秀青年基金获得者(2016年),澳大利亚联邦科工组织(CSIRO)访问科学家。现任中国畜产品加工研究会常务理事、中国食品科技学会青年工作委员会委员、全国特殊膳食标准化技术委员会委员、中国渔业协会河豚鱼分会理事/专家委员会委员以及《Flavor and Fragrance Journal》、《Food Science and Human Wellness》等期刊编委;曾任国家自然科学基金联合基金会评专家、教育部高等学校博士学科点专项科研基金、科技奖网络通讯评审专家、中国工程科技2035技术预见专家等。先后主持国家自然科学基金项目6项,主持完成科研项目10余项,第一作者/通讯作者发表SCI收录论文40余篇。授权发明专利5项,副主编教材、著作3部。获上海市委组织部“五带头”共产党员等。

原创文章,作者:FoodAI01,如若转载,请注明出处:https://www.drugfoodai.com/data-fusion-1.html

注意:本站原创指的是原创编译,并不主张对所介绍的工作的版权,如有侵权,请联系删除!

发表评论

邮箱地址不会被公开。 必填项已用*标注