[发明专利]基于SIMCA模型的香芋风味南瓜资源的识别方法

权利要求书

1.一种基于SIMCA模型的香芋风味南瓜资源的识别方法，其特征在于，该方法包括如下步骤：

S1.制备香芋风味的南瓜样品及非香芋风味的南瓜样品；

S2.通过电子鼻系统分别采集香芋风味的南瓜样品及非香芋风味的南瓜样品的初始电子鼻响应数据；所述初始电子鼻响应数据用于对南瓜样品的整体香味特征进行比较；

S3.对样品的初始电子鼻响应数据进行数据预处理，包括：传感器筛选，去除噪声大，响应不稳定的传感器数据；

对数据进行基线校正和去噪声；

每个样品数据经上述处理后，取其各传感器对应的最大值，作为样品集数据；

S4.根据香芋风味南瓜样品的训练数据构建识别模型，包括：从经数据预处理后的数据中选取部分香芋风味的南瓜样品的数据作为建模的训练集；

设置不同的组分数用所述训练集数据构建SIMCA模型，根据模型的残差选取最优组分数；

在最优组分数设置下用训练集数据建立SIMCA模型，作为香芋风味南瓜资源的识别模型；

S5.用香芋风味南瓜样品和非香芋风味的南瓜样品数据验证识别模型，包括：从经数据预处理后的数据中选取部分香芋风味的南瓜和非香芋风味的南瓜样品的数据作为验证集；

用S4建立的香芋风味南瓜资源的识别模型将识别验证集数据，根据识别的结果判断模型的有效性；

当验证集数据识别正确率大于阈值时，认为模型有效，否则重新构建样品集数据，重复步骤S4和S5直至得到有效的香芋风味南瓜资源的识别模型；

S6.通过电子鼻系统分别获取待测样品的初始电子鼻响应数据，并进行数据预处理，处理后的数据输入识别模型进行识别；S6.步骤中，待测样品的预处理后的电子鼻数据输入识别模型时，根据模型计算得到的待测样品数据残差，和待测样品数据点与建模数据点重心之间的距离判别该待测样品是否属于香芋风味的南瓜样品，并将该识别结果输出。

2.如权利要求1所述基于SIMCA模型的香芋风味南瓜资源的识别方法，其特征在于，

制备香芋风味的南瓜样品及非香芋风味的南瓜样品，包括：收集南瓜成熟果实，果实切块后液氮冷冻干燥，研磨成粉，分别制备成所述香芋风味的南瓜样品及非香芋风味的南瓜样品。

3.如权利要求1所述基于SIMCA模型的香芋风味南瓜资源的识别方法，其特征在于，通过电子鼻系统获取初始气味数据时，顶空温度为30℃至40℃、顶空时间为1.1小时至1.8小时，样本重量为8克至12克，载气流速为170毫升/分至220毫升/分，数据采集时间80秒至120秒，采样时间间隔0.8秒至1.3秒，传感器归零时间为2.8秒至3.2秒，进样准备时间为2.8至3.2秒。

4.如权利要求3所述基于SIMCA模型的香芋风味南瓜资源的识别方法，其特征在于，

通过电子鼻系统获取初始气味数据时，顶空温度为35℃、顶空时间为1.5小时，样本重量为10克，载气流速为190毫升/分，数据采集时间100秒，采样时间间隔1秒，传感器归零时间为3秒，进样准备时间为3秒。

5.如权利要求1所述基于SIMCA模型的香芋风味南瓜资源的识别方法，其特征在于，只使用香芋风味的南瓜样品的数据作为训练集，验证集数据包括香芋风味的南瓜样品的数据、非香芋风味的南瓜样品的数据；在前述步骤中，构建识别模型后，将香芋风味的验证数据、非香芋风味的验证数据，作为验证集，分别输入识别模型进行验证，并输出验证结果。

6.如权利要求1所述基于SIMCA模型的香芋风味南瓜资源的识别方法，其特征在于，S3步骤中，对数据进行基线校正和去噪声，所用方法包括但不局限于差分法、相对法、差商法、归一化。

7.如权利要求1至6中任一项所述基于SIMCA模型的香芋风味南瓜资源的识别方法，其特征在于，

S4.步骤中，使用SIMCA方法对香芋风味南瓜样品的训练集构建识别模型；

S4.步骤中，构建SIMCA模型时根据模型的残差优化组分数设置；

S4.步骤中，在最优组分数设置下用训练集数据建立SIMCA模型，作为香芋风味南瓜资源的识别模型。

8.如权利要求1至6中任一项所述基于SIMCA模型的香芋风味南瓜资源的识别方法，其特征在于，

所述电子鼻系统为含10个MOS传感器阵列的电子鼻系统。