[发明专利]一种基于成像化气体传感器阵列的发酵过程在线监测的方法在审
申请号: | 201510221299.8 | 申请日: | 2015-05-04 |
公开(公告)号: | CN104897660A | 公开(公告)日: | 2015-09-09 |
发明(设计)人: | 江辉;张航;梅从立;李康吉;刘国海 | 申请(专利权)人: | 江苏大学 |
主分类号: | G01N21/78 | 分类号: | G01N21/78 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 212013 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 成像 气体 传感器 阵列 发酵 过程 在线 监测 方法 | ||
技术领域
本发明涉及一种发酵过程监测的方法,更具体地说,是涉及一种基于成像化气体传感器阵列的发酵过程在线监测的方法和装置,属于固态发酵过程监测与控制领域。
背景技术
通过发酵过程监测能了解发酵过程是否正常,而且能对不可测变量进行间接估计,对发酵过程进行控制。目前,国内外对发酵过程监测的方法包括感官评价和理化检验。传统的感官判别方法从色泽、气味等去判别发酵的过程,感官检验的结果不易量化,存在主观片面性,受主观因素影响大;发酵的理化检验是以发酵生产过程产物的变化为基础,进行定性定量分析,成本高,费时费力,难以满足快速检测要求。因此,传统的发酵过程监测方法难以做到快速、准确这一要求。为快速、有效、方便和无损的监测发酵过程,近年来,电子鼻技术逐渐应用到发酵过程的快速检测上。电子鼻技术有快速、无损的优点,但研究多局限于利用金属氧化物传感器等传统传感器检测发酵,难以区分相似物质,且对环境中湿度的变化敏感,容易引起检测结果的偏差,对硫醇、胺等金属键气体灵敏度低,而这些气体往往是发酵腐败的特征气体,金属氧化物气体传感器与反应物之间主要是依靠范德华吸引力,这种分子作用力是分子间的极弱作用力,灵敏度较差,而且金属氧化物气体传感器在温度高,长时间工作后,响应基准值容易发生偏移。成像化气体传感阵列监测技术不但利用了分子间的范德华力等弱力,而且引入了金属键、极性键,具有较强的化学反应,而且受空气湿度的影响小。成像化气体传感阵列监测中使用的气敏材料具有分子识别性功能,这种方法灵敏度高,可以区分化学性质极其相似的物质,克服了常见传感器难区分相似物质的缺点,能检测出发酵过程中气体的微量变化,从而比较准确地监测发酵过程中状态和内部成分的变化。因此,本发明提出基于成像化气体传感阵列的发酵过程在线监测。
发明内容
本发明的一个目的是提供一种快捷、准确和非侵入的基于成像化气体传感阵列的发酵过程监测方法,以解决传统监测方法易受环境影响和灵敏性低等问题。
本发明的技术方案为:
一种基于成像化气体传感器阵列的发酵过程在线监测的方法,包括如下步骤:
步骤1,成像化气体传感器阵列的制备:通过微量取样装置取一定量的成像化气敏溶液固定到基底平板上,干燥后再进行下一个气敏材料的固定,制成一个成像化气体传感器阵列;
步骤2,成像化气体传感器阵列颜色的采集:用氮气作为载气将发酵产物挥发的气体带入到反应室,和成像化气体传感器阵列发生显色反应,用扫描仪得到成像化气体传感器阵列的图像;
步骤3,成像化气体传感器阵列颜色特征值的提取:在计算机内先采用中值滤波方法滤去图像中的白噪声,再用域值分割法把传感器图像从背景中分割出来,取传感器样点周围一定范围的R、G、B平均值,提取显色剂反应前后R、G、B颜色变化的绝对值;
步骤4,监测模型的建立与验证:建立基于提取的成像化气体传感器阵列颜色特征与发酵状态之间的回归模型以实现发酵过程的在线监测。
作为本发明的进一步改进,步骤1中所述的成像化气敏溶液主要有卟啉类化合物和酸碱指示剂,它们能与大多数气体化合物发生颜色反应。基底平板选用反相硅胶平板、聚四氟乙烯等疏水性材料,性能稳定,易固定成像化气敏溶液。
作为本发明的进一步改进,所述步骤2中的成像化气体传感器阵列反应和颜色采集都在恒温箱中进行,所述恒温箱中还包括气体收集室、反应室、扫描仪、电磁阀A、电磁阀B、电磁阀C,氮气瓶经过电磁阀A连接到集气室内,然后通过集气室中的另一管路分别和电磁阀B和电磁阀C相连,所述电磁阀C所在的管路连通到扫描仪上的反应室中,反应室内部放置有成像化气体传感器阵列。
作为本发明的进一步改进,步骤3中所述的R、G、B为红绿蓝三原色,R=|Ra-Rb|,G=|Ga-Gb|,B=|Ba-Bb|,式中下标b为成像化传感器阵列与气体反应前的图像,下标a为成像化传感器阵列与气体反应后的图像。
作为本发明的进一步改进,步骤4中所述的监测模型构建的具体步骤为:
第4.1步:通过独立分量分析对提取的颜色特征变量进行降维,进一步压缩变量;
第4.2步:针对理化分析获得的不同发酵状态下的生物量浓度、产物浓度等反映发酵进程状态的特征划分发酵过程状态;
第4.3步:建立压缩后的特征变量与发酵状态之间的回归模型;
第4.4步:收集外部独立样本,验证所建立的发酵过程状态回归模型。
所述步骤4.3中,利用BP-AdaBoost算法建立压缩后的特征变量与发酵状态之间的分类模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏大学,未经江苏大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510221299.8/2.html,转载请声明来源钻瓜专利网。