《牛肉摻假鴨肉的電子鼻快速檢測(cè)與化學(xué)計(jì)量學(xué)分析》9500字論文

[10]。PCA已被廣泛用于處理多維問(wèn)題中的多維和嚴(yán)重共線(xiàn)性數(shù)據(jù)集。這一現(xiàn)象清晰呈現(xiàn)通過(guò)使用PCA，通過(guò)使用協(xié)方差矩陣以及原始數(shù)據(jù)矩陣，來(lái)確定特征向量和特征值，可以實(shí)現(xiàn)由主成分（PC）表示的新正交變量。原始數(shù)據(jù)中，第一個(gè)主成分（PC1）表示最大的方差，而第二個(gè)主成分（PC2）表示第二大的總體方差(徐博文,王丹妮,2020)。鑒于此類(lèi)條件特征可以推知其可能后果在原始數(shù)據(jù)的基礎(chǔ)上，每個(gè)成分的數(shù)據(jù)不能比原始數(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(guò)程中在對(duì)問(wèn)題進(jìn)行分析的時(shí)候能夠得到簡(jiǎn)化。上文結(jié)論的驗(yàn)證未作詳細(xì)鋪陳，時(shí)間因素是重要考量之一?？茖W(xué)研究多為期漫長(zhǎng)，尤其在攻克復(fù)雜問(wèn)題或踏入新領(lǐng)域時(shí)，必須預(yù)留充足時(shí)間觀(guān)察現(xiàn)象、梳理數(shù)據(jù)，以便得出令人信服的結(jié)論。本研究已取得部分初步成效，但要對(duì)所有結(jié)論進(jìn)行全面深度驗(yàn)證，仍需更持久的跟蹤研究和反復(fù)論證。這有助于減少偶然因素的干擾，確保研究成果具備更高的準(zhǔn)確性和廣泛適用性。再者，技術(shù)手段的發(fā)展層次也關(guān)乎結(jié)論驗(yàn)證的進(jìn)程。伴隨科技的創(chuàng)新發(fā)展，各類(lèi)新穎的研究工具和技術(shù)紛至沓來(lái)，為科學(xué)研究注入了更多活力與可能。從圖中可以看出，從這些設(shè)計(jì)可以看出來(lái)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，因?yàn)樗鼈兛梢詾樵甲兞刻峁┐蟛糠中畔?劉昊然,張?jiān)骑w,2023)。圖6純牛肉、鴨肉電子鼻響應(yīng)值前三個(gè)主成分樣本散點(diǎn)圖3.4牛肉摻假鴨肉的鑒定這在一定程度上闡明了用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(cè)摻假水平的模型。任意選擇每種類(lèi)別的樣本的七分之二作為訓(xùn)練集，其余樣本可作預(yù)測(cè)集(王樂(lè)晨,李晶瑩,2023)。在ELM建模過(guò)程中，這在某種程度上說(shuō)明了以下式(5)中的隱含層的函數(shù)：（x—輸入變量，而s（x）—相應(yīng)的輸出變量）：Sx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(cè)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，此時(shí)效果最好(崔子杰,張晨曦,2018)。圖7基于電子鼻的純牛肉、牛肉中摻假鴨肉及純鴨肉識(shí)別模型節(jié)點(diǎn)篩選結(jié)果圖（28個(gè)節(jié)點(diǎn)，訓(xùn)練集80.56%，測(cè)試集77.08%）3.5摻假量的定量預(yù)測(cè)圖8ELM定量預(yù)測(cè)牛肉中摻假鴨肉比例的節(jié)點(diǎn)篩選結(jié)果（最優(yōu)節(jié)點(diǎn)452，對(duì)應(yīng)相關(guān)系數(shù)0.768）這在某方面預(yù)示了在本次研究實(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(guò)數(shù)據(jù)處理，再經(jīng)過(guò)ELM計(jì)算進(jìn)行定量分析，以這種狀態(tài)為背景以此鑒定摻假牛肉。ELM由通過(guò)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(韓天宇，程思琪,2021)，可以成功地用于模仿輸入的神秘關(guān)聯(lián)和熵關(guān)聯(lián)和輸出信號(hào)。對(duì)于預(yù)測(cè)值和期望值之間的誤差，ELM會(huì)計(jì)算誤差，并從輸出層一直向后調(diào)整到輸入層，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)。從前述各項(xiàng)分析內(nèi)容來(lái)判斷樣品中的七分之二拿出來(lái)作訓(xùn)練集，七分之五用作預(yù)測(cè)集，對(duì)于上述所取得的階段性研究成果與計(jì)算結(jié)果，其與前文綜述中的結(jié)果大致吻合，這一現(xiàn)象直觀(guān)地體現(xiàn)了本研究在方法論上的有效性與可靠性。這種一致性不僅確認(rèn)了之前研究的結(jié)論，更為現(xiàn)有理論框架注入了新的活力。通過(guò)嚴(yán)謹(jǐn)?shù)难芯吭O(shè)計(jì)、數(shù)據(jù)收集及分析流程，本文能夠重現(xiàn)前人研究中的關(guān)鍵發(fā)現(xiàn)，并基于此進(jìn)行更為深入的闡釋。這不僅提升了對(duì)研究假設(shè)的信任程度，也驗(yàn)證了所采用研究方法的合理性。同時(shí)，這種一致性為不同研究之間的交流與對(duì)比提供了平臺(tái)，有助于構(gòu)建更為全面且系統(tǒng)的理論體系。這樣可以更好地構(gòu)建摻假牛肉的預(yù)測(cè)模型，使用歸一化法轉(zhuǎn)換變量，如式（6）中(胡凌云,蔡文婷,2020)：x→y=x?xminx—開(kāi)始的數(shù)據(jù)，y—轉(zhuǎn)換的數(shù)據(jù)。在ELM模型的建設(shè)中，經(jīng)過(guò)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?xún)?nèi)(邵思潔,高翔宇,2020)。隱藏的節(jié)點(diǎn)根據(jù)“試驗(yàn)和錯(cuò)誤”進(jìn)行了改進(jìn)，理想的隱藏節(jié)點(diǎn)由最小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)。由上述分析可得之摻假水平預(yù)測(cè)而構(gòu)建的ELM模型的RMSE和r如圖9所示(梁思琪,王浩宇,2021)。圖9ELM定量預(yù)測(cè)牛肉中摻假鴨肉測(cè)試集結(jié)果在這項(xiàng)研究中，考慮此背景訓(xùn)練集和預(yù)測(cè)集很好的驗(yàn)證了摻假肉的水平，用于肉類(lèi)摻假的鑒定和預(yù)測(cè)，足以說(shuō)明ELM模型算法的可靠，性能好且計(jì)算快速，輸出良好，非常適合處理?yè)郊賳?wèn)題。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(cè)方法，實(shí)驗(yàn)中分析的是摻入鴨肉的牛肉，作為肉類(lèi)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，在這一大環(huán)境下對(duì)肉內(nèi)的揮發(fā)性成分的化學(xué)信將轉(zhuǎn)化為定量的顏色變化，再通過(guò)計(jì)算機(jī)識(shí)別分析。基于電子鼻的主成分分析進(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(cè)的方法，為了鑒定牛肉中摻假鴨肉的程度，這一現(xiàn)象清晰呈現(xiàn)所建立的ELM模型在訓(xùn)練集中的鑒定率80.56％，預(yù)測(cè)集中的鑒定率為77.08％，在ELM模型的訓(xùn)練和預(yù)測(cè)集中，比色傳感器會(huì)隨著肉類(lèi)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)敏感性染料與化學(xué)計(jì)量學(xué)結(jié)合制造的低成本電子鼻非常實(shí)用，可以快速并且簡(jiǎn)單的進(jìn)行鑒定與預(yù)測(cè)牛肉摻假問(wèn)題，對(duì)市場(chǎng)摻假問(wèn)題也有很好的監(jiān)控作用。參考文獻(xiàn)麻海峰,常征,楊光輝.牛肉的營(yíng)養(yǎng)價(jià)值及排酸、速凍工藝研究[J].農(nóng)業(yè)科技與裝備,2010(07):34-36.黃志強(qiáng)，劉夢(mèng)琪.電子鼻基于數(shù)據(jù)處理方法對(duì)摻假牛肉檢測(cè)研究[D].西北農(nóng)林科技大學(xué),2016.朱俊杰，林曉燕,等.肉品品質(zhì)的可視化檢測(cè)技術(shù)研究進(jìn)展[J].食品科技,2021,46(02):281-286.馮曉峰，羅靜怡,等.電子鼻技術(shù)在肉類(lèi)品質(zhì)檢測(cè)中的應(yīng)用[J].現(xiàn)代食品,2020(05):7-10.FoodProcessing;NewFoodProcessingStudyFindingsRecentlyWereReportedbyResearchersatUniversityCollegeDublin(Differentiationofchill-storedandfrozenporknecksusingelectronicnosewithultra-fastgaschromatography)[J].FoodWeeklyNews,2017.J.A.Ragazzo-Sanchez,P.Chalier,D.Chevalier,M.Calderon-Sant孫欣怡,陳思博,C.Ghommidh.IdentificationofdifferentalcoholicbeveragesbyelectronicnosecoupledtoGC龔宇辰，丁博文，2017）.電子鼻工作原理及在肉品檢測(cè)中的應(yīng)用[J].肉類(lèi)工業(yè),2016(04):42-45.郝俊杰，茹曉蘭.電子鼻的原理、應(yīng)用現(xiàn)狀及前景[J].四川烹飪高等專(zhuān)科學(xué)校學(xué)報(bào),2011(01):23-25.馬之遠(yuǎn)，馮雅婷,等.電子鼻結(jié)合統(tǒng)計(jì)學(xué)分析對(duì)牛肉中豬肉摻假的識(shí)別[J].食品科學(xué),2018,39(04):296-300.崔啟明，蘇浩宇.基于尖峰自組織模糊神經(jīng)網(wǎng)絡(luò)的需水量預(yù)測(cè)[J].控制與決策,2018,33(12):2197-2202.陳若愚,吳雨桐,等.基于STM32和極限學(xué)習(xí)機(jī)的行程開(kāi)關(guān)群故障監(jiān)測(cè)系統(tǒng)研究[J].煤礦機(jī)械,2016,37(07):156-158.韓鵬飛，孫靜怡,LaGasseMariaK,AskimJonR,SuslickKennethS.ColorimetricRecognitionofAldehydesandKetones.[J].AngewandteChemie(Internationaled.inEnglish),2017,56(33).SuZhi,ShawWilliamL,MiaoYu-Run,YouSizhu,DlottDanaD,SuslickKennethS.ShockWaveChemistryinaMetal-OrganicFramework.[J].JournaloftheAmericanChemicalSociety,2017,139(13).葉向陽(yáng),吳向瑤,SuslickKennethS.Acolorimetricsensorarrayfororganicsinwater.[J].JournaloftheAmericanChemicalSociety,2005,12