文献

J-GLOBAL ID：201702264194302070   整理番号：17A0353793

電子鼻による淡水魚の新鮮度検出法の検討【JST・京大機械翻訳】

Research on quantification detection method for freshness of freshwater fish by electronic nose

著者 (2件)： Yang Chunlan (Department of Electronic and Electrical Engineering,Bengbu University) ,  Xue Dawei (Department of Electronic and Electrical Engineering,Bengbu University)
資料名： Shipin yu Fajiao Gongye  (Shipin yu Fajiao Gongye)
巻： 42  号： 12  ページ： 211-216  発行年： 2016年 
JST資料番号： C2153A  ISSN： 0253-990X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 揮発性塩基態窒素(TOTAL VOLATILE BASIC NITROGEN,TVB-N)値は淡水魚の鮮度を定量的に評価する重要な指標の一つであり、より正確にTVB-N値を測定する有効な方法を求めるために、電子鼻システムを自ら設計した。このシステムは,金属酸化物センサアレイ,データ収集カード,信号処理回路,およびデータ収集と処理プログラムから構成される。ハクレンを対象とし,電子鼻システムを用いてその鮮度を測定した。センサの応答値を独立変数として,魚のTVB-N値を従属変数として用いた。多変量線形回帰(MLR LINEAR REGRESSION,MLR),主成分回帰(PRINCIPAL COMPONENT REGRESSION,PCR)と逆伝播ニューラルネットワーク(BACK PROPAGATION NEURAL NETWORK,BPNN)を用いて,TVB-N値の予測モデルを確立した。3つのモデルを試験サンプルによって検証し,予測モデルの予測値と測定値の間の相関係数R,予測標準誤差SEP,最大誤差率RE-MAX,および平均誤差比率RE-MEANはそれぞれ0であった。65,5。11,7。45%と5であった。%;PCR予測モデルはそれぞれ0であった。80,2。77,5。64%と3であった。15%;BPNN予測モデルは,それぞれ0であった。97,1。56、3。51%と2であった。18%。結果は以下を示す。BPNN予測モデルの性能が最も良く、PCR予測モデルの性能が次で、MLR予測モデルの性能が最も悪い。本研究は,淡水魚の新鮮度の定量的検出のための効果的方法を提供した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *新鮮度 ,  予測モデル ,  センサアレイ ,  BASIC ,  データ収集 ,  *淡水魚 ,  相関係数
準シソーラス用語： 標準誤差 ,  逆伝播ニューラルネットワーク ,  主成分回帰 ,  多変量線形回帰 ,  目的変数 ,  Hypophthalmichthys molitrix ,  揮発性塩基窒素 ,  *電子鼻 , 【Automatic Indexing@JST】

著者キーワード (7件)： electronic nose ,  freshwater fish ,  freshness ,  total volatile basic nitrogen( TVB-N) ,  multiple linear regression ( MLR) ,  principal component regression ( PCR) ,  back propagation neural network ( BPNN)

分類 (4件)： 魚類  (FH02020K) ,  自然保護  (SB06000L) ,  農業土木  (FB02000W) ,  食品製造・加工・保蔵法一般  (FJ03010M)

タイトルに関連する用語 (4件)： 電子鼻 ,  淡水魚 ,  新鮮度 ,  検出法