一種快速評定人參品質的方法技術

本發明專利技術公開了一種快速無損鑒別人參品質的方法，該方法采用智能香氣敏感系統對不同等級人參香氣檢測，得到傳感器響應信號，根據逐步判別法對傳感器優化初步后，對比3種不同特征值提取方法，得到優化傳感器有效特征值作為建模數據。利用GC-MS分析香氣化合物的變化規律，測定半倍萜類化合物和芳香族化合物含量，建立它們與優化后傳感器間的偏最小二乘（PLS）回歸模型，進而實現對未知人參品質的評定。本發明專利技術利用氣敏傳感器陣列和氣相質譜聯用技術，實現了氣敏傳感器陣列的合理優化，建立了一種預測芳香族化合物含量和半倍萜類化合物含量的預測模型，進而實現人參品質的預測，為藥材市場人參品質鑒別提供了一種新方法。

【技術實現步驟摘要】

【技術保護點】
一種快速無損鑒別人參品質的方法，其特征在于，包括如下步驟：（1）根據國標GB/T?22536?2008，將采集來的人參分成不同等級，將其表面去雜，洗凈，在陰涼處揮干水分，均勻切片后，對不同等級人參進行標注，標記為一等品，二等品，三等品；按質量與體積配比1:10（g/ml）的規格將不同等級待測樣品放入相同大小的密閉頂空進樣瓶內，室溫下靜置90min?120min，使待測樣香氣濃度達到飽和；（2）抽取待測樣品的飽和頂空氣體，注入到智能香氣敏感系統中,?設置檢測時間為120s?160s,?清洗時間為180s?240s,?氣體流速為200ml/min?400ml/min，得到傳感器陣列響應值；（3）智能香氣敏感系統檢測人參樣品的傳感器響應值是一個數據矩陣，由多根傳感器的響應值組成，選用各氣敏傳感器響應穩定后的最大值作為原始數據，采用Wilks?統計變量最小的原則對18跟傳感器進行逐步篩選優化，得到優化后的傳感器組合；分別采用小波分析特征值提取法、微分特征值提取法和方差特征值提取法提取高維數據矩陣的特征值；選取優化傳感器組合對應的3種特征值最為原始數據，運用主成分分析法和判別函數分析2種模式識別方法對不同特征值提取方法結果進行驗證，計算貢獻率，篩選出最有效特征值作為后續建模數據集；小波分析特征提取方法的表達式為：其中，W為基于小波分析法提取的特征值；i=1,2,3…n,?n為低頻近似系數的個數，a3i為第3層分解結構的低頻近似系數；微分特征提取方法的表達式為：其中，n表示系統對一個樣品采樣點數，本例中為120；xi?一個測試樣本響應值中的第i個測試值；表示采樣點時間，本例為1秒；K為平均微分值，即特征值；方差特征值提取方法的表達式為其中，xi為傳感器信號在第i時刻的響應值，為信號響應值的平均值，n為傳感器檢測時間（s），在本專利技術專利中，n=120；（4）用進樣針抽取步驟1）中同批次密閉容器內各飽和氣體，注入到GC?MS中，香氣分子經色譜柱分離，高能離子源碰撞，高壓電場作用后，進入質譜檢測器中，分子特定質荷比信息被記錄下來，經NIST和Wiley譜庫檢索鑒定香氣各成分，并按照積分面積法統計半倍萜類化合物和芳香族化合物的含量；GC?MS檢測條件分別如下，GC條件：HP?1?Methyl?Siloxane色譜柱(250μm×30m，0．25μm)；進樣口溫度250℃；升溫程序:40℃保持3min，以5℃/min上升至150℃，保存5min,?再以5℃/min上升到250℃，保持10?min；?載氣為He；?柱內載氣流量1．00?ml/min；不分流，MS條件：EI離子源，電子能量70?eV；離子源溫度230℃；接口溫度150℃；溶劑延時2?min；倍增器電壓1964.7?V；全范圍掃描；分別建立這兩種化合物含量隨品質變化的曲線，根據步驟2所得結果，選取優化后傳感器組合對應的3種特征值提取方法中貢獻率最高的一組特征值為原數據，分別建立半倍萜類化合物和芳香族化合物含量與優化后傳感器陣列的含量PLS預測模型；化合物含量預測模型的表達式為：Y1（芳香族化合含量）=a1*X1+……+ai*Xi+……?an*Xn+?b1；Y2（倍萜類化合物含量）=a1*X1+……+ai*Xi+……+an*Xn+b2；其中n表示優化后傳感器的個數，Xi為優化的傳感器的響應值（i=1?n）；Y1，Y2分別表示芳香族化合物含量和倍半萜類化合物的預測含量；系數a1,?ai,?an,?b1,b2?均為常數；（5）按照步驟1和2，測得未知待測人參樣品香氣傳感器響應值，參照步驟3選取優化后的傳感器組合，以小波提取法計算優化的傳感器特征值，以此為原始數據，帶入步驟4中預測模型內，得預測值，從而實現快速無損評定人參品質。861782dest_path_image001.jpg,654289dest_path_image002.jpg,434026dest_path_image003.jpg,704602dest_path_image004.jpg,518974dest_path_image005.jpg,341436dest_path_image006.jpg...

【技術特征摘要】

【專利技術屬性】
技術研發人員：王俊，崔紹慶，
申請(專利權)人：浙江大學，
類型：發明
國別省市：