一种基于电子鼻的葡萄酒SO制造技术

本发明专利技术公开了一种基于电子鼻的葡萄酒SO

A wine so based on electronic nose

【技术实现步骤摘要】
一种基于电子鼻的葡萄酒SO2浓度的快速测定方法
本专利技术涉及微量气体检测领域，尤其涉及一种基于电子鼻的葡萄酒SO2浓度的快速测定方法。
技术介绍
二氧化硫(SO2)作为一种食品添加剂，具有防腐、杀菌、抗氧化等功效，尤其是在葡萄酒行业，葡萄酒的品质、风味和成熟程度等重要指标都与添加SO2的浓度息息相关。在葡萄酒的酿造过程当中，若SO2的添加量过低，则达不到预期的效果。与此同时，过量的SO2又对人体健康造成不容忽视的损伤，中国制定的GB2760—2014《食品安全国家标准食品添加剂使用标准》中明确规定葡萄酒中SO2的最大使用量应不超过0.25g/L。因此实现葡萄酒SO2含量的准确、快速、在线监测是一个值得关注的重要问题。目前，针对葡萄酒中SO2含量的测定方法主要分为两类。一类是仪器分析方法，其中具有代表性的离子色谱、高效液相色谱法，这些方法测量精度高，操作简单，但高昂的价格成为了阻止其推广的关键因素。另一类是化学分析法，除了我国食品国家安全标准GB5009.34—2016《食品安全国家标准食品中二氧化硫的测定》的蒸馏法，还有氧化法、直接碘量法等。这类方法成本较低，但药品的配置和标定需要较高的时间成本，直接碘量法还存在适用范围小的问题。尽管测定方法繁多，但实现并推广葡萄酒生产过程中的SO2实时监测仍存在较大困难。近年来，电子鼻凭借其成本低廉、响应迅速、操作简单等优势，成为了气味/气体检测领域的研究热点，同时也引起了其他领域研究者的广泛关注，包括食品安全、质量检查、疾病检测和环境监测等。然而，电子鼻核心元件的气体传感器由于交叉敏感性和重复性等问题，以往在葡萄酒相关的应用中多用于溯源、防伪、品质分级和异味检测等定性分析，很少执行定量分析的任务，如上述的关于葡萄酒中SO2含量的测定。此外，葡萄酒的气体成分十分复杂，而SO2在葡萄酒中的含量可能在几十到几百ppm(1ppm为一百万分之一)，仅依靠单一的气体传感器无法实现对葡萄酒中的SO2浓度的量化。因此，现阶段通过电子鼻定量分析葡萄酒中的SO2浓度是本领域的一项重要研究。
技术实现思路
本专利技术所要解决的技术问题是：提供一种基于电子鼻的葡萄酒SO2浓度的快速测定方法。为解决上述技术问题，首先搭建一个测试装置，包括清洁空气气源、第一质量流量控制器、第二质量流量控制器、第一单通阀、第二单通阀、顶空瓶、测试腔、气体传感器阵列气体传感器阵列及控制分析模块；所述顶空瓶中储存有待测葡萄酒样品，所述顶空瓶设有进气管和出气管，所述进气管在顶空瓶内的一端设于葡萄酒样品液面以下，所述出气管在所述顶空瓶内的一端设于所述待测葡萄酒液面之上，其中，所述清洁空气气源通过气管分别连接第一质量流量控制器和第二质量流量控制器的进气口，所述第一质量流量控制器的出气口通过气管连接第一单通阀的进气口，所述第二质量流量控制器的出气口连接顶空瓶的进气管，所述顶空瓶的出气管连接第二单通阀的进气口，所述第二单通阀的出气口连接所述第一单通阀的进气口，所述第一单通阀的出气口通过气管连接所述测试腔的进气口，所述测试腔的出气口通过气管排放尾气；所述测试腔内设有气体传感器阵列，所述气体传感器阵列与所述控制分析模块连接；所述控制分析模块用于对气体传感器阵列采集到的数据进行处理与分析。本专利技术基于上述测试装置，本专利技术的基于电子鼻的葡萄酒SO2浓度的快速测定方法，包括以下步骤：S1、取不同浓度SO2的葡萄酒样品；S2、通过电子鼻分别采集每种葡萄酒样本的信息；S3、对所有的样本信息进行预处理，提取每个气体传感器的多个特征参数；S4、通过主成分分析和神经网络构建训练数据的回归模型；S5、通过步骤S4中获得的回归模型，获得待测葡萄酒样本的浓度。与现有技术相比，本专利技术具有如下技术效果，可以简单、快速地实现葡萄酒SO2浓度的测定，提供了一种使用电子鼻处理复杂成分中低浓度关键成分问题的思路。在上述技术方案的基础上，本专利技术还可以做如下改进。优选地，所述葡萄酒样品的体积为顶空瓶容量的10％-40％，且所有样品保持相同的量。优选地，所述步骤S2的具体步骤如下：S21、通过清洁空气清洗测试腔，直至传感器响应平稳或恢复至基线；S22、将清洁空气按照设定流量泵入顶空瓶，利用电子鼻采集葡萄酒样品的信息；S23、使用设定流量的清洁空气清洗测试腔；S24、更换样品，重复步骤S21-S23，直到所有样品测试完成。优选地，所述步骤S3中对所有样本信息进行预处理，是指对所有样本的信息进行5点平均滤波处理，降低噪声干扰，具体方式为采用以下公式进行处理：式中s是滤波前的气体传感器信号，s是滤波后的气体传感器信息。优选地，所述步骤S3中提取多个特征参数，具体包括稳态最大值、稳态差分值、一阶微分最大值、一阶积分最大值、稳态响应时间、恢复时间，以便中选择最优或近似最优的组合。优选地，所述步骤S4的具体步骤如下：S41、对步骤S3中获取的所有特征参数进行标准化处理；S42、使用主成分分析方法对样本空间进行压缩，提取主成分；S43、使用神经网络作贡献率之和大于阈值γ的前n个主成分对SO2浓度的回归建模；S44、验证模型的效果，直至精确度达到指标要求；S45、输出模型参数。优选地，所述步骤S41中，若特征参数之间的单位不同、量级不同，采用z-score方法进行标准化，计算公式如下：x′＝(x-μ)/σ(2)上式中x和x分别是特征参数的原始数据和标准化后的数据，μ和σ分别是该特征参数原始数据的均值与标准差。标准化后的所有特征参数组成新的样本集X优选地，所述步骤S42中，所述主成分分析方法具体步骤如下：S42-1、计算标准化后的样本集X的协方差矩阵C，计算方式如下：式中，N为样本量，S42-2、求出协方差矩阵C的特征值和相应的特征向量，并按从大到小的顺序提取前k个特征值对应的特征向量排列成矩阵P，计算获得新的数据集Z，计算方式如下：Z＝PX(4)优选地，步骤S43中提到的神经网络是一种运算模型，一般由输入层、隐含层和输出层组成，层与层之间通过神经元相互连接，每一个神经元由一个线性组合和一个非线性激活函数组成，它们的表达式可表示为：c＝ωTa+b(5)d＝g(c)(6)具体的，上式中，a是输入，d是输出，也是传入下一层神经元的输入，ω是权重，b是截距。例如，步骤S42中提取出的主成分作为输入层的输入，通过隐含层的计算，最终输出层输出SO2的浓度。不同的激活函数具有不同的运算方式，本专利中使用的是ReLU函数，其计算方式如下：f(c)＝max(0，c)(7)优选地，步骤S44中，使用决定系数R2、均方误差MSE和平均绝对误差MAE作为回归效果的判断标准，它们的表达式分别为：上式中yi和分别是第i个样本的真实值和预本文档来自技高网...

【技术保护点】
1.一种基于电子鼻的葡萄酒SO

【技术特征摘要】
1.一种基于电子鼻的葡萄酒SO2浓度的快速测定方法，其特征在于，包括：
S1、取不同浓度SO2的葡萄酒样品；
S2、通过电子鼻分别采集每种葡萄酒样本的信息；
S3、对所有的样本信息进行预处理，提取每个气体传感器的多个特征参数；
S4、通过主成分分析和神经网络构建训练数据的回归模型；
S5、通过步骤S4中获得的回归模型，获得待测葡萄酒样本的浓度。


2.根据权利要求1所述的基于电子鼻的葡萄酒SO2浓度的快速测定方法，其特征在于，所述葡萄酒样品的体积为顶空瓶容量的10％-40％，且所有样品保持相同的量。


3.根据权利要求1或2所述的基于电子鼻的葡萄酒SO2浓度的快速测定方法，其特征在于，所述步骤S2的具体步骤如下：
S21、通过清洁空气清洗测试腔，直至传感器响应平稳或恢复至基线；
S22、将清洁空气按照设定流量泵入顶空瓶，利用电子鼻采集葡萄酒样品的信息；
S23、使用设定流量的清洁空气清洗测试腔；
S24、更换样品，重复步骤S21-S23，直到所有样品测试完成。


4.根据权利要求1或2所述的基于电子鼻的葡萄酒SO2浓度的快速测定方法，其特征在于，所述步骤S3中对所有样本信息进行预处理，是指对所有样本的信息进行5点平均滤波处理，降低噪声干扰，具体方式为采用以下公式进行处理：



式中s是滤波前的气体传感器信号，s′是滤波后的气体传感器信号。


5.根据权利要求1或2所述的基于电子鼻的葡萄酒SO2浓度的快速测定方法，其特征在于，所述步骤S3中提取多个特征参数，具体包括稳态最大值、稳态差分值、一阶微分最大值、一阶积分最大值、稳态响应时间、恢复时间。


6.根据权利要求1或2所述的基于电子鼻的葡萄...

【专利技术属性】
技术研发人员：魏广芬，赵捷，梁秀秀，张伟浩，孔维府，张小栓，
申请(专利权)人：山东工商学院，
类型：发明
国别省市：山东;37