使用基于VMD-SSA-LSTM算法的金属氧化物半导体电子鼻子预测鱼粉中的总挥发性基本 (TVB-N)

科学领域:

• 食品科学 食品科学 食品科学
• 分析化学 分析化学
• 传感器技术 传感器技术

背景情况:

• 总挥发性基本 (TVB-N) 是鱼粉新鲜度的关键指标,对动物和人类健康至关重要.
• 对TVB-N进行准确和快速的监测对于鱼粉行业的质量控制至关重要.

研究的目的:

• 开发一种快速而准确的方法,使用自主开发的电子鼻子 (e-nose) 来识别鱼粉中的TVB-N.
• 建立e-nose传感器响应和TVB-N值之间的映射关系,以可靠地检测新鲜度.

主要方法:

• 变化模式分解 (VMD) 用于将TVB-N变化曲线分解为多个频率次序.
• 长短期记忆 (LSTM) 模型被应用来预测每个后续序列的TVB-N值.
• 搜索算法 (SSA) 优化了LSTM参数 (隐藏单位,学习率,正规化系数) 以提高预测准确度.

主要成果:

• 由SSA优化的VMD-LSTM模型在预测TVB-N方面表现出高准确度.
• 该模型实现了0.91.9的确定系数 (R2).
• 根平均平方误差 (RMSE) 和相对标准偏差 (RSD) 分别为0.115%和6.39%.

结论:

• 开发的方法显著提高了e-nose用于鱼粉新鲜度检测的性能.
• 这种方法为应用e-nose技术用于其他材料质量检测提供了有价值的参考.