电子鼻检测鸡蛋货架期新鲜度变化

该文旨在通过气味检测鸡蛋的新鲜度。利用德国AIRSENSE公司PEN3型电子鼻对鸡蛋在20℃,70%相对湿度条件下罗曼鸡蛋货架期的气味进行了无损检测。通过测定哈夫单位,建立了不同货架期气味与鸡蛋哈夫单位等级的对应关系。首先,分析并对比了第0天与第36天的完整鸡蛋与蛋液所产生气体的变化情况,确定氨氧化物、烷烃和醇类等是鸡蛋贮藏中产生的恶化气体。其次,结合电子鼻,利用主成分分析、线性判别等多元统计方法进行数据分析,对不同货架期、不同等级的鸡蛋进行归类区分,发现线性判别（LDA）效果优于主成分分析法（PCA）。结合载荷分析,确认了检测鸡蛋新鲜度的主要传感器S1、S2、S3、S5、S6、S8。初步证明了气体传感器和模式识别方法在电子鼻区分鸡蛋货架期新鲜度的可行性,为建立利用气体传感器监控鸡蛋新鲜度的方法提供实验基础和理论依据。     

基于虚拟仪器的淡水鱼鲜度电子鼻测量系统

新鲜度是鱼类或鱼类制品质量的一个重要指标,可以通过测量鱼体气味来评价其新鲜度。该文分析了鱼体死亡后产生的特征挥发性气体,确定了TGS822乙醇类及有机溶剂型传感器、TGS825硫化氢型传感器、TGS826氨气及胺类型传感器以及TGS832 卤烃型气体传感器等4类传感器作为淡水鱼电子鼻的传感器阵列,并采用虚拟仪器平台开发了电子鼻测量系统,用该测量系统对不同新鲜度的鲢鱼鱼肉进行了气味检测。试验结果表明,电子鼻传感器阵列的响应随样品新鲜度的变化而变化,采用PCA（主成分分析）对试验数据进行聚类分析,可以将鱼体新鲜、次新鲜和腐败（包括半腐败）的样本正确区分,证实了自行研制电子鼻测量系统的可行性和适用性。     

基于电子鼻信号判别番茄苗机械损伤程度

番茄苗产生的挥发物易受到病害、虫害、损伤等多种因素影响。该文利用电子鼻系统测试机械损伤番茄苗挥发性物质的变化,通过主成分分析、线性判别分析对4种不同处理机械损伤的番茄苗进行分析,结果表明主成分分析各处理样本间均有重叠,区分效果不理想,线性判别分析各处理样本基本可以分开;用逐步判别分析和BP神经网络对各处理样本进行判别,测试集的准确率分别达到84.4%和93.8%以上,神经网络模型的预测结果更好。该研究可为番茄苗机械损伤快速在线监测提供参考。     

核桃不饱和脂肪酸总量预测线性与非线性模型

为研究核桃的外观形状变化与内部营养成分累积的规律,以35个核桃品种的果实为试验材料,分析测定其脂肪、蛋白质、糖分、粗纤维、水分含量及外观指标,采用多元线性回归分析、主成分分析、BP神经网络等数学方法,建立核桃不饱和脂肪酸的预测模型。结果表明,基于16项常规理化及外观测定数据建立的线性模型(LM)和非线性模型(NLM)对核桃不饱和脂肪酸(UFA)总量、多不饱和脂肪酸(PUFA)和单不饱和脂肪酸(MUFA)预测的可靠性存在差异;NLM的可靠性优于LM,即RNLMRLM;全因素的BP神经网络模型可用于MUFA的预测,预测的平均相对误差为0.59%,基于主成分的BP神经网络模型可用于UFA总量的预测,预测的平均相对误差为4.58%。本研究结果为核桃加工利用过程中原料选择、品质评价、质量控制等环节提供了相关的理论依据。     

电子鼻在饮料识别中的应用研究

为解决传统的饮料检测所采用的理化分析方法烦琐而实时性差的问题，研制了一套能够实时、准确地检测饮料散发气味的电子鼻系统。该系统主要由气敏传感器阵列和数据处理软件组成，并采用氮气作为载气以减少测试环境因素的影响。为了提高信噪比，从每个传感器与气体反应曲线中提取了4个特征值，然后用主成分分析法和BP神经网络对样本特征值进行处理。识别结果表明，这种检测方法快速、准确，识别正确率高达95.2%。     

基于电子鼻的三疣梭子蟹鲜度评价方法研究

为建立三疣梭子蟹鲜度的快速评价方法,采用电子鼻获取不同贮藏时间三疣梭子蟹肌肉的气味信息,通过主成分分析(PCA)、线性判别分析(LDA),并结合p H值、TVB-N含量和菌落总数分析三疣梭子蟹蟹肉贮藏不同时间的鲜度变化情况。结果表明,随着贮藏时间的延长,电子鼻传感器的响应强度逐渐增大,PCA和LDA均能有效区分不同贮藏时间的蟹肉,且LDA在以均值体现分类信息方面区分效果更好。基于电子鼻传感器响应值与p H、TVB-N含量和细菌菌落总数的偏最小二乘回归模型(PLSR)的相对分析误差(RPD)分别为2.73、2.50、3.06,说明PLSR分析方法适于对p H值、TVB-N含量和细菌菌落总数进行定量预测;该方法的校正决定系数、预测决定系数均大于0.85,表明电子鼻传感器响应值与p H值、TVB-N含量、细菌菌落总数的相关性较好。本研究为利用电子鼻评价水产品鲜度及保鲜技术效果提供了技术手段及科学依据。     

玉米种子活力近红外光谱智能检测方法研究

为了实现玉米种子活力的快速无损检测,提出利用近红外光谱和BP神经网络来建立玉米种子活力智能检测模型。首先通过人工老化将样本按老化程度分为3种级别,采集样本的近红外光谱。分别通过卷积平滑(S-G)和多元散射校正(MSC)及二者组合的方法消除光谱噪声和去除奇异光谱。然后分别用主成分分析(PCA)和离散多带小波变换(DWT)提取光谱特征,作为BP神经网络的输入。依据预处理及特征提取的不同构建出6种BP神经网络种子活力检测模型。试验结果表明,组合预处理方法与主成分分析特征提取结合构建的模型最优,其识别的准确率为95.0%,平均识别时间为26.25ms。研究结果为玉米种子活力的快速无损检测提供了理论依据和实用方法。     

电子舌预测不同体积分数牛奶的表观黏度

该文为建立牛奶的电子舌响应信号与其表观黏度的关系,在单因素方差分析和主成分分析的基础上,提出了比较多元线性回归、逐步多元线性回归和偏最小二乘回归3种模型对牛奶表观黏度的预测效果的方法。结果显示,单因素方差分析表明体积分数对牛奶的表观黏度和各个传感器响应信号都具有极显著性的影响;主成分分析（PCA）可以用来区分牛奶的5种不同体积分数;偏最小二乘回归模型预测效果最好,模型预测值与实际值的相关系数R达到0.9659,平均相对误差（MRE）和预测均方根误差（RMSEP）分别为4.5499%和8.4645×10-5,建模最佳主成分数为3。研究结果表明,偏最小二乘回归模型是电子舌预测牛奶表观黏度的有效方法,该方法为牛奶表观黏度的科学研究提供参考。     

柿子可溶性固形物含量的可见-近红外光谱检测

为了实现柿子（Diospyros kaki thunb）可溶性固形物含量的快速无损检测,提出了一种采用可见-近红外光谱分析技术无损检测柿子可溶性固形物含量的方法。采用Field Spec 3光谱仪对3种不同品种的柿子进行光谱分析,共获取66个样本数据。利用平均平滑法对样本数据进行预处理,再采用主成分分析法,依据可信度获取光谱的6个主成分数据。将样本随机分成51个建模样本（每种各17个）和15个验证样本（每种各5个）,把6个主成分数据作为BP神经网络的输入变量,柿子的可溶性固形物含量作为输出变量,隐含层的节点数为11,建立3层BP神经网络检测模型,并用该模型对15个验证样本进行预测。结果表明,所建校正模型的校正标准差（SEC）为0.232,对预测集样本可溶性固形物含量的预测相对误差在3%以下,预测值和实测值的决定系数（R2）为0.99,预测标准差（SEP）为0.257。结果表明应用近红外光谱技术结合主成分分析和神经网络算法检测柿子的可溶性固形物含量是可行的。     

基于多光谱影像反演土壤盐分的建模方法研究

土壤盐分的定量遥感反演,为快速、准确、全面地监测盐渍化状况提供了可能。本文以黄河三角洲地区垦利县为例,实地调查采集土壤样本,并获取同时相Landsat 8影像,建立土壤盐分遥感反演的BP神经网络、偏最小二乘回归、主成分分析、多元线性回归多种模型,进而进行精度对比分析,评价、优选最佳建模方法,最后,基于最佳模型进行研究区土壤盐分的空间分布反演分析。结果显示:遥感影像的反射率与土壤盐分含量并不是单纯的线性关系,构建的盐分估测模型BP神经网络预测决定系数为0.8467,均方根误差为0.071,明显高于传统线性统计模型,能较好地模拟土壤盐分与光谱数据的关系。该研究既能为盐渍土的治理、利用提供数据支持,又能推动盐渍化区域遥感研究的定量发展。     

电子鼻与电子舌在食品检测中的应用研究进展

随着嗅觉与味觉传感器技术的发展，电子鼻与电子舌技术在食品检测中得到了不断研究与应用。电子鼻由气敏传感器、信号处理和模式识别系统等功能器件组成。电子舌是用类脂膜作为味觉传感器，以类似人的味觉感受方式检测味觉物质。着重阐述了电子鼻与电子舌技术的结构组成，重点介绍了其在食品新鲜度检测、果蔬成熟度评价及饮料、酒类识别等轻工业中的应用现状与发展趋势，并指出了这些信息新技术实现过程中所需要解决的问题。     

基于高光谱成像技术的猪肉新鲜度评价

该文研究利用高光谱成像技术预测猪肉新鲜度参数,挥发性盐基氮(TVB-N)和pH值。在470～1000nm波长范围内,从高光谱图像中提取的反射光谱,分别经过2次Savitzky-Golay(S-G)平滑、多元散射校正(MSC)处理后,建立PLSR(偏最小二乘法)的预测模型。对TVB-N的预测,使用2次S-G平滑处理、MSC光谱建立的PLSR预测模型相关系数分别为0.90和0.89,预测模型标准差分别为7.80和8.05。对pH值的预测,经过MSC处理比2次S-G平滑处理的结果好,相关系数为0.79,预测模型标准差为0.37。同时综合2个参数利用MSC处理后的预测模型对猪肉新鲜度进行评定,准确率达91%。研究结果表明,高光谱成像技术可以用于猪肉新鲜度快速无损检测。     

掌上式生鲜猪肉新鲜度无损智能检测分级装置

为实现储运过程中生鲜猪肉新鲜度实时检测，该研究基于可见/近红外光谱技术开发了掌上式生鲜猪肉新鲜度无损智能检测装置。检测装置以可见\近红外光谱采集单元为核心，搭建了硬件系统，开发了生鲜猪肉新鲜度多指标同时检测和新鲜度分级软件系统。通过研发的检测装置采集了不同部位猪肉的650～1 100 nm波长范围的漫反射光谱，经过标准正态变量变换（standard normal variable transformation，SNV）预处理后，对比连续投影算法（successive projections algorithm, SPA）和竞争性自适应加权抽样算法（competitive adaptive reweighted sampling, CARS）算法优选了猪肉新鲜度特征光谱，分别建立了不同部位猪肉新鲜度指标通用预测模型，并根据挥发性盐基氮（total volatile basic nitrogen，TVB-N）含量和pH值预测值，将猪肉分为新鲜、次新鲜和变质3个等级。试验结果表明，通过 SNV预处理和CARS算法筛选特征波长后建立的PLS预测模型（下文简称“SNV-CARS-PLS”）具有更好的性能， TVB-N含量、pH值、亮度L*、红度a*和黄度b*通用预测模型的预测集相关系数分别为0.942、0.945、0.940、0.933和0.833，预测均方根误差分别为1.131 mg/100 g、0.136、1.706、1.217和0.717。将通用检测模型导入检测装置进行了试验验证，对不同部位猪肉样本试验结果表明，TVB-N含量、pH值、亮度L*、红度a*和黄度b*的预测结果与理化值的均方根误差分别为1.109 mg/100 g、0.134、1.140、1.094和0.636；新鲜度的分级正确率为92.86%；单个样品检测时间约为1 s。该检测装置可满足不同部位猪肉新鲜度多指标现场快速检测和分级的需求，为及时掌握储运过程中生鲜猪肉新鲜度情况、辅助决策储运和销售方案、保障生鲜猪肉品质安全具有重要作用。     

基于DFI-RSE电子鼻传感器阵列优化的葡萄酒SO2检测

酿造过程中SO2的监控是葡萄酒产业信息化和葡萄酒品质保障的关键。针对传统SO2测定方法操作复杂、耗费时间长等问题,该研究提出基于电子鼻技术建立葡萄酒中SO2检测方法。为提高电子鼻检测性能,提出一种基于动态特征重要度-递归传感器消除（Dynamic Feature Importance-Recursive Sensor Elimination,DFI-RSE）的气体传感器阵列优化算法。将最大信息系数（Maximum Information Coefficient,MIC）作为度量变量间关系的标准,定义DFI选择兼顾高有效性与低冗余性的特征构成特征子集。进一步计算特征子集中的传感器重要度,结合RSE移除重要度较低的传感器,获得最优阵列组合。采用偏最小二乘回归（Partial Least Squares Regression,PLSR）、多层感知器（Multi-Layer Perceptron,MLP）、支持向量回归（Support Vector Regression,SVR）和贝叶斯岭回归（Bayesian Ridge Regression,BRR）对DFI-RSE优化前后阵列的检测能力进行比较。结果表明,针对间隔40 mg/L、0～200 mg/L范围内不同SO2添加量的葡萄酒样品,优化后阵列的传感器数量由原来的16个降低为8个,特征数量减少了59%,4种回归模型的决定系数均高于0.98,其中MLP模型检测效果最佳,均方根误差为7.73 mg/L,优于原始阵列且节省了运行时间。所建立的基于电子鼻的葡萄酒SO2添加量检测和相应的阵列构建与优化方法为葡萄酒酿造过程中SO2的有效监控技术研究提供参考。     

基于电子鼻和分光测色仪技术的茶树叶片氮营养诊断

【目的】利用电子鼻和分光测色仪建立一套快速检测茶树叶片氮含量的无损伤检测方法。【方法】供试样品为茶树顶芽向下第3~4片无损伤叶片。在预实验中优化了气体收集瓶体积、顶空预热温度和顶空时间等参数。采用电子鼻自带Winmuster软件将经过优化后的传感器响应特征值进行主成分分析(principal component analysis,PCA)、线性判别法分析(linear discriminant analysis,LDA)和负荷加载分析(loadings analysis,LA),筛选出灵敏性最好的传感器。同时用分光色差仪对茶树叶片色度值进行测定。样品的测量部位是叶肉区,每组20次重复。色度值主要包括L (表示黑白或者亮暗)、a (表示红绿)、b (表示黄蓝)值。采用Origin 8.0软件对测色仪L、a、b值分别进行一元线性回归分析。利用SPSS 16.0软件采用LSD法进行单因素方差分析(one-way Anova),并进行t检验。对分光测色仪中色差指标进行筛选,以获得相关系数最高的参数。采用凯氏定氮法测定茶叶总氮含量。正式试验第二步是以不同氮含量下的电子鼻和分光测色检测数据为基础,分别建立气味、颜色、气味结合颜色的3种氮含量预测模型,并进行比较分析。【结果】通过预备试验,建立了气体收集器体积为50 mL、顶空预热温度为30℃、顶空时间为30 min的电子鼻检测体系。正式试验第一步确定了以对氮氧化合物灵敏(S2),对甲烷灵敏(S6),对无机硫化物灵敏(S7),对醇类、醛类、酮类物质灵敏(S8),对有机硫化物灵敏(S9)的传感器为主要传感器。根据L、a、b表色系统,b值与叶片缺氮程度呈线性相关。正式试验第二步利用气味、颜色、气味结合颜色建立的3个氮含量预测模型都具有可行性,其中气味结合颜色建立的预测模型准确率最高,达到90%。【结论】用气味结合颜色的预测模型预测茶树叶片氮含量准确度较高,可在实际工作中进行运用。     

用电子鼻区分霉变燕麦及其传感器阵列优化

应用电子鼻对燕麦（Avena sativa L）霉变程度进行区分,为了提高区分准确度,对电子鼻传感器阵列进行了优化的研究。每天随机选择10个燕麦样品进行电子鼻检测,试验连续进行5 d,将检测数据耦合入非线性双稳态随机共振系统,以外部Gaussian白噪声激励系统产生共振,选择输出信噪比特征值进行主成分分析,初期试验主成分1和主成分2贡献率之和为96.43%,且相同霉变程度样品离散度较大,不同霉变程度样品之间距离较近。为了提高电子鼻对霉变燕麦样品区分效果,进行了电子鼻传感器负荷加载分析,优化选择了传感器阵列,优化后主成分1和主成分2贡献率之和为99.31%,相同霉变程度燕麦样品的聚合度更高,使不同霉变程度燕麦样品之间的区分更加明显,为进一步的定量化检测奠定了基础。     

牛肉低温储藏期间质构参数分析及新鲜度指标的确定

为了寻求低温储藏期间牛肉新鲜度的快速检测指标,将牛肉置于5℃冷鲜密封储藏和-5℃冷冻密封储藏2种条件下,用挥发性盐基氮检测(total volatile basic nitrogen,TVB-N)、恒温干燥法与质构多面分析方法(texture profile analysis,TPA)对牛肉样品(储藏时间0、3、6、9、12、15 d)进行检测。发现-5℃冷冻条件下储藏的牛肉比5℃冷藏条件下储藏的牛肉保鲜时间更长,且随着储藏时间的增加2种储藏条件下牛肉的含水率都降低。得到0~15 d内5℃冷鲜密封储藏和-5℃冷冻密封储藏牛肉质地参数(硬度1、硬度2、回复性)的变化规律。用二因素方差分析得知储藏时间、储藏温度对回复性均有显著影响(P0.05),用相关性分析得知硬度1、硬度2、回复性与新鲜度指标显著相关(P0.05)。选取2℃条件下冷鲜密封储藏牛肉进行试验验证,测定挥发性盐基氮与回复性,对试验数据进行统计分析并线性拟合,挥发性盐基氮与回复性两者的线性函数关系具有较好拟合优度(R2=0.85311),挥发性盐基氮值与回复性呈显著相关(P0.05)。因此回复性可作为牛肉低温储藏期间新鲜度的检测指标。研究结果可为生产储运过程与日常生活中牛肉保鲜和保持质地口感提供依据。     

Comparison of mass spectrometry-based electronic nose and solid phase microextraction gas chromatography-mass spectrometry technique to assess infant formula oxidation

Two headspace techniques based on mass spectrometry detection (MS), electronic nose, and solid phase microextraction coupled to gas chromatography-mass spectrometry (SPME-GC/MS) were evaluated for their ability to differentiate various infant formula powders based on changes of their volatiles upon storage. The electronic nose gave unresolved MS fingerprints of the samples gas phases that were further submitted to principal component analysis (PCA). Such direct MS recording combined to multivariate treatment enabled a rapid differentiation of the infant formulas over a 4 week storage test. Although MS-based electronic nose advantages are its easy-to-use aspect and its meaningful data interpretation obtained with a high throughput (100 samples per 24 h), its greatest disadvantage is that the present compounds could not be identified and quantified. For these reasons, a SPME-GC/MS measurement was also investigated. This technique allowed the identification of saturated aldehydes as the main volatiles present in the headspace of infant milk powders. An isotope dilution assay was further developed to quantitate hexanal as a potential indicator of infant milk powder oxidation. Thus, hexanal content was found to vary from roughly 500 and 3500 microg/kg for relatively non-oxidized and oxidized infant formulas, respectively.     

低场NMR对羊肉贮藏过程中pH值和TVB-N的预测及验证

为探讨不同贮藏条件下羊肉新鲜度检测的方法,采用低场核磁共振(LF-NMR)技术通过分析冷冻(-18℃)与冷藏(4℃)条件下羊肉的LF-NMR弛豫特性变化,及测定羊肉的pH值和挥发性盐基氮(TVB-N)含量的变化对其新鲜度进行分析检测。在此基础上,利用多元回归分析建立羊肉pH值、TVBN含量与其LF-NMR弛豫特性的相关性模型,并对其进行验证。结果表明,不同贮藏条件下,随着贮藏时间的增加,羊肉中pH值、TVB-N含量均逐渐增大并符合二项式关系,且相关系数分别为R~20.99和R~20.97。横向弛豫时间T_(22)、T_(23)随贮藏时间的延长显著缩短,T_(22)与贮藏时间呈线性关系(R~20.98),T_(23)与贮藏时间呈良好二项式关系(R~20.97),T_(2b)、T_(21)变化无规律且不显著。随贮藏时间的延长,峰面积比例S_(22)逐渐下降、S_(23)呈上升趋势(R~20.97),S_(2b)、S_(21)无明显变化规律。由多元线性回归分析可知,TVB-N含量与T_(23)、T_2,pH值与T_(22)、T_2可建立良好的相关性模型(R~20.96)。模型验证合理,表明利用LF-NMR弛豫特性对不同贮藏条件下羊肉pH和TVB-N含量预测是可行的,这为通过LF-NMR弛豫特性对羊肉的新鲜度的检测提供了一定的理论依据。