一种酱卤鸭翅、鸭脖中辣味物质的同步检测方法与流程

本技术涉及成分检测领域，尤其是涉及一种酱卤鸭翅、鸭脖中辣味物质的同步检测方法。

背景技术：

1、在对鸭翅、鸭脖等食品进行卤制的过程中，对其卤汤中的辣味物质的含量进行检测，有利于对卤制过程进行调控，以提升产品质量，而辣味物质主要包括辣椒素和二氢辣椒素，其分析方法主要包括物理性质法和传统电化学法，以及一些其他的方法。

2、目前，电导率和可见光吸收被广泛使用，这些方法在定性和定量分析简单样品成分方面可能表现出色，但可见光吸收在处理复杂样品时分离能力和检测水平存在一定局限。高效液相色谱和超高效液相色谱在分析复杂样品方面的准确性和灵敏度具有显著优势，然而它需要耗时的样品制备和预处理步骤，分析周期较长，成本较高，且属于破坏性方法。气相色谱法的程序复杂，虽然在某些情况下具有较高的分辨率和检测能力，但其操作相对繁琐，分析时间较长。

3、为了对卤汤中的辣味物质的含量进行非破坏性且快速的分析，常使用传统电化学法中的循环伏安法，通过得到的伏安图，分析峰值电流与辣味物质的浓度在一定范围内的线性关系进行检测分析得到辣味物质的含量。但是，由于卤汤成分复杂，多种来源物质在伏安图中的吸收峰容易发生重叠，人工难以对伏安图的电流和电压信号的差异性进行深度分析，导致得到的辣味物质含量的准确性差。

技术实现思路

1、为了改善卤汤成分复杂导致循环伏安法检测辣味物质的含量的准确性差的问题，本技术提供一种酱卤鸭翅、鸭脖中辣味物质的同步检测方法。

2、本技术提供的一种酱卤鸭翅、鸭脖中辣味物质的同步检测方法采用如下的技术方案：一种酱卤鸭翅、鸭脖中辣味物质的同步检测方法，包括以下步骤：获取卤汤样品，采用基于循环伏安法的检测平台提取卤汤样品的响应参数输入卷积神经网络模型，对卤汤样品进行超高效液相色谱检测辣味物质浓度参数并输入卷积神经网络模型，使用多个卤汤样品测得的多组参数对卷积神经网络模型进行训练，得到卷积神经网络预测模型；

3、获取待测卤汤样本，采用检测平台提取待测卤汤样本的响应参数输入卷积神经网络预测模型，输出辣味物质的浓度。

4、通过采用上述技术方案，使用基于循环伏安法的检测平台采集卤汤样品中的响应参数，并且通过超高效液相色谱检测对应的辣味物质浓度，将响应参数和对应的辣味物质浓度输入卷积神经网络模型中，训练卷积神经网络模型使用实验数据，得到训练好的卷积神经网络预测模型，最后将采用检测平台采集的响应参数输入训练好的卷积神经网络预测模型，得到的预测值与真实值，并且根均方误差(rmse)为5.407，根均方误差(rmse)小于10，预测效果良好，可将预测值作为检测值，即可完成对辣味物质含量的检测；并且由于循环伏安法为非破坏性检测方法，通过基于循环伏安法的检测平台对卤汤的电压参数和电流参数进行采集，响应快，无破坏，再输入卷积神经网络预测模型，可在卤汤熬煮的过程中同步进行检测，从而便于对卤汤中辣味物质的含量进行实时检测；尤其重要的是，卷积神经网络模型可对检测平台采集电化学数据进行深度学习，相较于直接从伏安图的曲线峰处读取信息，采集的信息和特征更为全面，也提高了循环伏安法检测成分复杂的卤汤中辣味物质含量的准确度。

5、可选的，所述检测平台包括多金属电极阵列和微控制器单元，所述多金属电极阵列用于对卤汤样品放电进行循环伏安法实验，所述微控制器单元用于采集所述多金属电极阵列的响应参数并进行输出。

6、可选的，所述多金属电极阵列包括钛电极、铜电极、锗电极、钨电极和银电极中的至少两种。

7、优选地，所述多金属电极阵列包括钛电极、铜电极、锗电极、钨电极和银电极。

8、通过采用上述技术方案，通过设置检测平台有利于采用循环伏安法对卤汤的响应参数进行实时采集，并且通过使用多金属电极阵列，提高了采集的电化学信息维度的多样性，丰富了卷积神经网络模型分析的特征类型，进一步提高了对成分复杂的卤汤样品中辣味物质含量检测的准确性。

9、可选的，所述循环伏安法的实验参数如下：扫描电位为-1.5v-1.5v，扫描速率为1-5mv/ms，扫描圈数为1-10圈。

10、可选的，所述响应参数包括电流参数和电压参数。

11、可选的，所述响应参数经过python库进行统计分析处理成伏安图后再输入卷积神经网络模型或卷积神经网络预测模型。

12、通过采用上述技术方案，通过控制循环伏安法的实验参数，对电流参数和电压参数进行采集，并且转化为伏安图建立电流参数和电压参数的联系，将二维数据输入卷积神经网络模型进行训练有利于提高卷积神经网络模型对数据分析的全面性，并且同样在检测时将二维数据输入卷积神经网络预测模型，进一步提高了对成分复杂的卤汤样品中辣味物质含量检测的准确性。

13、可选的，所述卤汤样品的获取方法如下：取鸭翅、鸭脖卤制，收集卤制过程中不同时间点的卤汤作为卤汤样品。

14、可选的，所述卤制使用的材料包括油、辣椒、八角、丁香、肉桂、陈皮和糖。

15、可选的，获取所述卤汤样品时，以卤制过程中开始加热为初始时间点，采样时间范围为加热0-90min，采样时间间隔3-5min。

16、优选地，获取所述卤汤样品时，以卤制过程中开始加热为初始时间点，采样时间范围为加热4-80min，采样时间间隔4min。

17、可选的，所述辣味物质包括辣椒素和/或二氢辣椒素。

18、通过采用上述技术方案，通过采用实际生产过程中的方式和原料对鸭翅、鸭脖进行卤制，然后再对其过程中的卤汤进行采样，有利于还原卤汤样品的复杂性，提高检测方法在实际卤汤检测时的普适性和准确性，并且在采样过程中，在卤汤加热全时间段内采集样品，进一步提高了检测方法对卤汤卤制鸭翅、鸭脖过程中各个时间点的辣味物质的含量检测的准确性，便于提高对卤汤进行同步检测时数据的可靠度，由于辣椒素和二氢辣椒素的氧化还原的电势不同，辣椒素和二氢辣椒素的含量均能通过检测方法检测得到。

19、综上所述，本技术包括以下至少一种有益技术效果：

20、1.用基于循环伏安法的检测平台采集卤汤样品中的响应参数，并且通过超高效液相色谱检测对应的辣味物质浓度，训练卷积神经网络模型使用实验数据，得到训练好的卷积神经网络预测模型，最后将采用检测平台采集的响应参数输入训练好的卷积神经网络预测模型，得到的预测值与真实值，并且根均方误差(rmse)为5.407，根均方误差(rmse)小于10，预测效果良好，可将预测值作为检测值，即可完成对辣味物质含量的检测；并且由于循环伏安法为非破坏性检测方法，通过基于循环伏安法的检测平台对卤汤的电压参数和电流参数进行采集，响应快，无破坏，从而便于对卤汤中辣味物质的含量进行实时检测；卷积神经网络模型可对检测平台采集电化学数据进行深度学习，相较于直接从伏安图的曲线峰处读取信息，采集的信息和特征更为全面，也提高了循环伏安法检测成分复杂的卤汤中辣味物质含量的准确度；

21、2.通过使用多金属电极阵列，提高了采集的电化学信息维度的多样性，丰富了卷积神经网络模型分析的特征类型，进一步提高了对成分复杂的卤汤样品中辣味物质含量检测的准确性；3.二维数据输入卷积神经网络模型进行训练有利于提高卷积神经网络模型对数据分析的全面性，进一步提高了对成分复杂的卤汤样品中辣味物质含量检测的准确性；

22、4.通过采用实际生产过程中的方式和原料对鸭翅、鸭脖进行卤制，有利于还原卤汤样品的复杂性，提高检测方法在实际卤汤检测时的普适性和准确性，并且在采样过程中，在卤汤加热全时间段内采集样品，进一步提高了检测方法对卤汤卤制鸭翅、鸭脖过程中各个时间点的辣味物质的含量检测的准确性。