基于可视化嗅觉检测技术的鱼类新鲜度无损检测研究

郑莉晓 马无锡

摘  要：针对传统鱼类新鲜度检测方法中存在易受环境影响，导致检测结果均方根误差大，影响检测结果准确性的问题，开展了基于可视化嗅觉检测技术的鱼类新鲜度无损检测研究。通过可视化嗅觉检测技术进行鱼类新鲜度信号提取、鱼类新鲜度无损检测结果标定以及建立鱼类新鲜度定量预测结果验证函数。实验结果表明，通过实验论证，可视化嗅觉检测技术可有效提高检测结果的准确性，且在检测过程中不损害检测样本，具有更高的应用价值。

关键词：可视化嗅觉检测技术;鱼类;新鲜度;无损检测

中图分类号：TS205                                  文献标识码：A               文章编号：1672-0105（2020）04-0072-04

Research on Non-destructive Testing of Fish Freshness Based on Visual Olfactory Testing Technology

ZHENG Li-xiao， MA Wu-xi

（Zhejiang Industry & Trade Vocational College， Wenzhou， 325003， China）

Abstract：  Aiming at the problems that the traditional fish freshness detection method is susceptible to environmental influences， which leads to large root-mean-square error of the detection results and affects the accuracy of the detection results， a non-destructive detection study of fish freshness based on visual olfactory detection technology was carried out. The fish freshness signal extraction， fish freshness non-destructive detection result calibration and the fish freshness quantitative prediction result verification function were established by visual olfactory detection technology. The experimental results show that the technology of visual olfactory detection can effectively improve the accuracy of the detection results without damaging the detection samples during the detection process， which has a higher application value.

Key Words：  visual olfaction detection technology; fish; freshness; non-destructive testing

当前，数字渔业与精细化渔业是现代化渔业最主要、最前沿且最有潜力的发展方向，可以更加快速、无损、准确地实现渔业对象的数字化信息提取，并进行实时的分析、控制和管理等工作。传统划分测量分析方法已经无法满足当前数字化渔业的发展需求[1]。因此，该领域研究人员将研究重点转变为了开发渔业信息的快速无损检测方法等研究内容。由于鱼类产品与其它食品原材料相比，水分含量相对较高，肌肉组织更加细嫩，因此更容易在微生物以及酶的作用下发生腐败变质现象。传统的鱼类水产品新鲜度检测方法主要可划分为感官、化学、微生物等多种应用手段。其中，感官检测方法主要是利用人工对鱼体的弯曲程度、组织弹性、色泽等指标进行评价，不借助任何外界检测设备，操作简单，且具备时效性、全面性等优势[2]。但存在的缺點在于这种检测方法是通过检测人员的经验为主，因此在实际检测过程中对于检测人员的能力要求相对较高，且存在更多的主观因素和片面性，因此难以满足新鲜度的实时、准确检测要求。而现有的其他检测方法也都存在着各种外界及自身条件因素的限制，使得最终的检测结果不准确。目前虽然有对鱼类新鲜度评定指标和检测方法进行深入研究，但仍缺乏一种能够快速同步获取多种指标信息并进行综合利用的有效途径。对此，本文提出一种基于可视化嗅觉检测技术的鱼类新鲜度无损检测方法。

一、基于可视化嗅觉检测技术的鱼类新鲜度无损检测方法

（一）基于可视化嗅觉检测技术的鱼类新鲜度信号提取

本文基于可视化嗅觉检测技术的鱼类新鲜度无损检测方法，通过提取鱼类产品气敏材料以及挥发性物质在反应前后的颜色变化情况，再结合化学计量学统计方法，对气敏材料及挥发性物质进行定性和定量分析。

为了获取到适用于鱼类产品新鲜度无损检测的气敏材料，本文采用顶空固相微萃取气质联用技术对鱼类产品在5°C温度的恒温环境中储藏，并对产生的挥发性物质进行检测[3]。根据鱼类产品产生的挥发性物质特点，本文主要以醛（RCHO）、酮（RCOR'）、醇（R-OH）以及胺类化合物作为主要检测气体。对上述气体进行气敏材料筛选，最终得到与之相关的18种气敏材料，本文采用相转移检测方法，将上述18种气敏材料，分别放置在C2反向硅胶材料板上，并构成多个敏感单元结构，构建有关鱼类新鲜度可视化传感器的阵列。

在对鱼类新鲜度可视化传感器阵列进行检测过程中，首先使用氮气对整个气路进行清洁，通过扫描装置获取到传感器阵列在反应前的图像信息。再将待检测的鱼类产品样品放置在样品室当中，对其进行密封集气处理。当保持氮气的流通速度为120mL/min，反应时间持续5min时，反应停止。最后利用扫描装置对反应后的传感器阵列进行扫描，获取反应后的图像信息[4]。分别提取反应前后鱼类新鲜度可视化传感器阵列图像当中的敏感单元中的RGB三个通道的灰度均值，得到鱼类新鲜度可视化传感器阵列的对应的响应信号，作为鱼类新鲜度信号。

（二）鱼类新鲜度无损检测结果标定

将通过鱼类新鲜度预测函数计算得到的数据，首先参照表1鱼类新鲜度评定标准评分表，由评价检测人员对其进行评分，根据鱼类产品的对应特征变化，通过嗅觉等感官对其进行新鲜度评定。

其次，对鱼类产品的腐败分解产物挥发性盐基氮以及菌落总数的含量进行测定，并将测定结果作为判断鱼类新鲜度的参数标准。按照水产行业标准SC/T3032-2007检测指标：挥发性盐基氮含量;按照GB/T4789.2-2008中的PetrifilmTM测试片法检测指标：菌落总数[5]。最后，采用两种方式标定鱼类新鲜度，用于开展后续鱼类新鲜度分析，第一种，参照水产行业标准SC3113-2002，利用挥发性盐基氮含量，并参考上文中的新鲜度感官评分，评定不同贮藏时间的鱼新鲜度等级（划分1，2，3等级）[6]。第二种，直接利用贮藏天数来表示鱼类新鲜度（新鲜度天数）。

（三）建立鱼类新鲜度定量预测结果验证函数

在完成鱼类新鲜度无损检测结果标定的基础上，本文结合偏最小二乘回归、多元线性回归、最小二乘支持向量机，三种化学计量法相结合的方法，分析高光谱特征指纹参数与TVB-N、TVC指标之间的相关关系，建立鱼类新鲜度定量预测函数如下：

[Y2=1-i=1n（xi-xi）2i=1n（xi-x）2]                                                 （1）

[RMSE=1ni=1n（xi-xi）2]                                          （2）

公式（1）中，[Y2]表示为函数预测数值与实际测量数值之间的相关性，该数值越接近1越精确;[n]表示为检测的鱼类产品数据集样本个数;[xi]表示为检测样本挥发性盐基氮含量的预测数值，单位为mg/100g;[xi]表示为挥发性盐基氮含量的实际测量值，单位为mg/100g;[x]表示为所用检测样本的实际测量值的平均值，单位为mg/100g。公式（2）中，[RMSE]表示为函数对未知检测样本的新鲜度预测能力，该数值越小越好。通过公式（1）和公式（2）对鱼类新鲜度检测结果进行验证、扩充修正，最终实现基于可视化嗅觉检测技术的鱼类新鲜度指标挥发性盐基氮、微生物指标以及新鲜度的快速无损检测。

二、实验论证分析

（一）实验准备

1.实验材料

200条冰鲜多宝鱼，保证购入的多宝鱼体型基本一致，且表皮均呈现出色泽均匀的光亮，肉质紧实且无明显异味。鲜活运至实验室，剔除死亡个体，分装于保鲜盒中，保存于4℃恒温箱中，用于后续实验。

2.实验方法

为验证本文提出的基于可视化嗅觉检测技术的鱼类新鲜度无损检测方法的有效性和可行性，将200条冰鲜多宝鱼进行冰封装箱后，快速放置在本文对比实验所处的实验室环境当中，去除实验对象表面的碎冰，并将体表擦干，装入保鲜袋内，贴上对应重量、长度等参数信息的标签，放置在5°C温度的冰箱中进行恒温冷藏，将其作为实验对象，等待进一步的实验操作。对于同一批样本每天取随机的20条完整多宝鱼，先对其进行传统新鲜度检测，再采用本文提出的检测方法对其新鲜度进行检测，设置传统检测方法为对照组，本文检测方法为实验组。待连续检测10天后，样本出现严重腐败现象，完成对比实验。

（二）实验结果与分析

根据本文上述实验准备，完成实验后，分别将实验组与对照组得到的检测结果数据进行统计，根据本文上述公式计算出两种检测结果与实际测量结果的均方根误差，如下表2、表3所示。

根据上表数据，绘制成如图1所示的实验结果对比图。

由图1中实验结果可以看出，实验组的均方根误差明显低于对照组，通过本文上述可知均方根误差[RMSE]的数值越小，则说明检测准确度和精度越高。因此，通过实验证明，本文提出的基于可视化嗅觉检测技术的鱼类新鲜度无损检测方法与传统检测方法相比各项性能更加优越，检测结果的均方根误差[RMSE]得到明显地降低了。利用本文检测方法对鱼类新鲜度进行无损检测具有一定的可行性，且检测结果的准确性更高，可实现对鱼类新鲜度相关指标及新鲜度的快速、无损、準确检测。

本文通过对鱼类新鲜度影响因素进行分析，并在此基础上结合可视化嗅觉检测技术，提出一种全新的鱼类新鲜度无损检测方法。通过实验证明了该方法的有效性。根据可视化嗅觉检测技术的特性，将本文新鲜度无损检测方法应用于其它海产品上，用于对不同类型海产品的新鲜度理化、微生物、感官指标等信息的获取是十分可行的。通过本文研究，为后续基于可视化嗅觉检测技术的鱼类新鲜度多指标信息快速同步获取及新鲜度检测研究，提供了良好前期理论依据和方法基础。

参考文献：

[1] 王晓君，沈秋霞，卢朝婷，等.南方大口鲶在微冻和冻藏条件下鲜度及品质的变化[J].食品工业科技，2018，39（23）：300-304+311.

[2] 王慧，何鸿举，刘璐，等.高光谱成像在鱼肉品质无损检测中的研究进展[J].食品科学，2019，40（05）：329-338.

[3] 李闯，朱瑶迪，李苗云，等.基于天然色素嗅觉可视化技术的牛肉新鲜度的快速检测[J].河南农业大学学报，2019，53（01）：115-119+127.

[4] 孙红，梁媛媛，田男，等.鲜切果品新鲜度可见/近红外快速检测装置设计与实验[J].农业机械学报，2019，50（31）：393-398.

[5] 刘云宏，王庆庆，石晓微，等.金银花贮藏过程中绿原酸含量的高光谱无损检测模型研究[J].农业工程学报，2019，35（13）：291-299.

[6] 徐霞，吴笑天，徐嘉钰，等.生物传感器在水产品新鲜度检测中的应用与研究进展[J].核农学报，2020，34（07）：1525-1533.

（责任编辑：李晓星）