鱼粉是以一种或多种鱼类为原料,经去油、脱水、粉碎加工后的蛋白质含量较高的饲料原料。由于鱼粉富含蛋白质和脂肪,在运输、贮藏的过程中,极易发生蛋白质分解、脂肪氧化酸败等且容易受到微生物污染和其他化学物质污染,导致其营养成分降低,热能含量减少,适口性下降。新鲜度可以评判鱼粉蛋白质腐败变质和脂肪酸败的程度,因此有必要对鱼粉的新鲜度进行检测。目前,鱼粉新鲜度检测采用人工感官和化学测定,这些方法存在操作过程繁琐,耗费人力和物力,缺乏客观性的特点。本课题则以鱼粉为研究对象,利用自主研发的基于仿生嗅觉技术的鱼粉新鲜度检测系统,对鱼粉新鲜度指标进行检测与分析。该方法对于丰富鱼粉的快速检测方法和装置,提高检测水平,具有重要学术意义和应用价值。本文的主要研究内容与结果如下:(1)利用仿生嗅觉技术,设计了一种鱼粉新鲜度检测系统。该系统以微处理器树莓派为核心,主要由气路气体采集、电路数据获取、气体传感器阵列和软件等部分组成。气路气体采集主要是采集零气和样本气体;电路数据获取主要是将气体传感器的电信号进行采集、放大和AD(analog-digital)转换;软件部分设计了传感器数据采集和清洗等界面,并实时显示采集到的数据。(2)采用单因素和响应面相结合的方法,以离散比为试验指标,对样本质量、顶空空间、气体流量、采样时间、清洗时间进行了优化。通过单因素试验得到顶空空间为250 ml,样本质量为80 g。利用Design-Expert软件对气体流量、采样时间、清洗时间这些对结果影响较大的因素进行优化,得到了最优的参数组合,并在最优参数下,验证了检测系统对鱼粉新鲜度检测的可行性和检测性能。试验结果表明:气体流量、采样时间、清洗时间均对离散比影响显著,且显著性影响程度为清洗时间>采样时间>气体流量,综合考虑各因素,得到最佳参数组合为气体流量2.2 L/min,采样时间39 s,清洗时间77 s,此时离散比实测值为0.579 9。在最优参数下,对不同储藏时间等级的鱼粉样本进行检测,得到不同储藏时间等级逐步判别的正确度为89.4%。(3)研究了不同特征值对鱼粉新鲜度的识别效果影响,提取并优化了传感器阵列特征值。选用积分值、能量值、最大梯度值、平均微分值、相对稳定状态均值、方差值作为6种不同特征参数,分析了不同特征参数对不同储藏时间鱼粉样本识别效果的影响。分别利用多层感知器神经网络(MLP)、随机森林(RF)、K近邻算法(KNN)、支持向量机(SVM)、贝叶斯5种分类方法,对不同新鲜度鱼粉进行分类识别,得到RF分类方法正确率最高;采用积分值,相对稳定状态均值和平均微分值作为输入判别不同新鲜度的鱼粉样本的准确率最高,最大梯度值作为输入判别不同新鲜度的鱼粉样本的准确率最低,但当采用全部特征值作为输入进行分类时,准确率则大幅提高。因此选用全部特征值(10×6个)作为原始特征矩阵,以紧凑性作为评价特征选择方法合理性的标准,采用3种单特征排序方法(卡方(?2)、F-test(P-value)、最大信息系数(MIC)),3种多特征排序方法(RF、SVM、逻辑回归(Logistic Regression,LR)),4种特征递减消除方法(基于随机森林的特征递减消除算法(RFRFE)、基于决策树的特征递减消除算法(DTRFE)、基于支持向量机的特征递减消除算法(SVMRFE)、基于逻辑逻辑回归的特征递减消除算法(LRRFE)),对不同新鲜度的鱼粉进行分类准确率检验,得到RFRFE算法的紧凑性最好,此时最佳分类准确率为98.3%,特征数目为33个。优化后的传感器阵列特征发生了明显的变化,传感器阵列由原来的10个变为了8个,特征值也减少了45%。为了避免选择偏差,采用了10折交叉验证方法,再次验证了RFRFE算法具有更佳的紧凑性。(4)采用SPME-GC-MS技术对鱼粉的挥发性气体成分进行了研究,并分析了挥发性化合物与传感器阵列响应的关系,验证了检测系统的可行性。通过对18种储藏时间下鱼粉的挥发性气体进行检测,得到101种挥发性化合物,主要包括醇类、醛类等11类挥发性物质。醛类物质、醇类物质相对含量随着储藏时间的增加呈下降趋势,烃类物质、酯类物质、酚类物质相对含量随着储藏时间的增加呈先上升后下降趋势,而酮类物质、酸类物质、含氮化合物、含硫化合物相对含量则呈上升趋势。以挥发性物质的相对含量为输入,采用线性判别分析方法对不同新鲜度等级鱼粉进行分类,得到输入信息必须包含挥发性物质的整体信息,才能提高分类性能。通过将各类挥发性物质含量以及特征标记物含量与传感器响应值进行灰色关联度分析,得到选择的传感器比较符合鱼粉所挥发出来的物质。采用顶空固相微萃取气质联用技术得到的挥发性物质含量与传感器阵列响应数据进行主成分分析得到GCMS挥发性气体含量主成分分析结果与检测系统传感器特征值主成分分析结果一致,都是沿着PC1和PC2方向,一级、二级和三级等级的鱼粉较为靠近,特级和四级等级的鱼粉较为分散。并得到庚醛、苯甲醛、(Z)-2-戊烯-1-醇、1-辛烯-3-醇、(Z)-4-庚烯醛、4-甲基戊酸、3,5,5-三甲基-2-己烯、2-丁酮等挥发性物质对鱼粉的鲜度等级贡献较大,导致挥发性气味呈现差异。采用KNN回归方法,建立了鱼粉各类挥发性物质和表征新鲜度的标记物与检测系统传感器响应值之间的预测模型,得到测试集相关系数(R)在0.773 4到0.999 9之间,均方根误差(RMSE)在0.086 7-8.465 5之间。(5)分别采用多元线性回归(MLR)、基于改进的网格搜索算法的随机森林回归(IGSM-RFR)、基于粒子群优化的偏最小二乘支持向量机(PSO-LSSVM)化学计量学方法,建立了传感器阵列的响应信号与样本新鲜度指标(挥发性盐基氮(TVB-N)和酸价(AV))预测模型。采用MLR得知将温湿度作为自变量进行回归模型的建立时,模型精度有了很大的提高。采用改进的10折交叉验证网格搜索优化随机森林回归的参数,优化出的酸价的最佳决策树数量为412,特征数量为21;挥发性盐基氮的最佳决策树数量为233,特征数量为33,然后采用基于随机森林的特征递减消除方法选出以上数量的特征。采用随机森林回归模型,以60个传感器阵列特征值和温湿度值,共62个特征值作为输入,对应的酸价和挥发性盐基氮含量作为输出,得到在输入测试集数据时输出的预测酸价和挥发性盐基氮含量与实际值之间的决定系数,均方根误差,相对标准偏差分别为0.770 4,0.465,17.49%和0.801 1,25.41,18.24%,以采用通过RFRFE方法优化得到的传感器阵列特征值和温湿度值作为输入,对应的酸价和挥发性盐基氮含量作为输出,获得了精度较高的酸价和挥发性盐基氮预测模型,在输入测试集数据时,输出的酸价和挥发性盐基氮预测值与真实值之间的决定系数R~2,均方根误差,相对标准偏差(RSD)分别为0.826 4,0.406,15.28%和0.8475,22.36,16.05%,通过RFRFE特征选择之后模型的精度有了提高;采用PSO-LSSVM模型,以采用通过RFRFE方法优化得到的传感器阵列特征值和温湿度值作为输入,对应的酸价和挥发性盐基氮含量作为输出,建立了最优的酸价和挥发性盐基氮预测模型,在输入测试集数据时,输出的酸价和挥发性盐基氮预测值与真实值之间的决定系数R~2,均方根误差,相对标准偏差(RSD)分别为0.858 5,0.362 2,13.64%和0.878 9,20.52,14.73%。将三种回归方法进行比较,得到采用PSO-LSSVM方法建立的酸价和挥发性盐基氮含量回归模型精度最高,能够获得较为理想的预测结果。