基于神经网络及电子鼻的虾夷扇贝鲜活品质评价及传感器的筛选

追踪检测虾夷扇贝品质变化过程中的存活指标,生理指标以及电子鼻气味图谱的变化,建立保活流通过程中不同等级的活品虾夷扇贝电子鼻气味指纹图谱,购买市场上不同状态的活品虾夷扇贝,分别通过学习向量量化(learning vector quantization,LVQ)、概率(probabilistic neural networks,PNN)、支持向量机(support vector machine,SVM)神经网络对测试样品快速模式分类,最后通过对电子鼻传感器的筛选探索便携式快速品质鉴别设备的可能性。研究结果表明,24 h的极端胁迫环境放置较为完整的模拟了虾夷扇贝在保活流通过程中状态变差的过程;将电子鼻数据主成分分析、聚类分析结果与存活指标(开口率、缩边率以及死亡率)和生理指标(超氧化物歧化酶活性、耗氧率以及海水浊度)相结合可以把品质变化过程中的虾夷扇贝分成5个等级,并分别得到每个等级的扇贝气味指纹图谱;3种神经网络均可以对测试样品等级进行快速测定,其中支持向量机(SVM)神经网络兼具精确和快速的特点,测试样本T全部预测为等级4,测试样本N全部预测为等级3,从交叉验证到仿真预测所用时间仅为7.652 s;筛选得到的8个电子鼻传感器也可以对不同等级鲜活虾夷扇贝气味特征进行有效区分。     

不同灭酶处理对燕麦气味和品质的影响

为选择合适的灭酶处理方法,通过电子鼻、感官评价和快速黏度分析等方法,对5种灭酶处理（焙炒、常压蒸煮、高压蒸煮、远红外处理和微波加热）对燕麦粉的气味、色泽和糊化特性的影响进行了研究。研究表明：燕麦粉的电子鼻主成分分析（PCA）二维和三维指纹图谱均可将不同灭酶处理的样品明显区分开来;样品的感官评价气味值由高到低依次为：焙炒组,红外组,高压蒸煮组,常压蒸煮组,微波组;样品白度检测结果由高到低依次为：红外组,微波组,焙炒组,蒸煮组,与色泽的感官评价结果基本一致,微波组和红外组的色泽明显优于其他3组的色泽。样品的糊化特性指标中,除糊化温度外,其他6项快速黏度分析（RVA）特征值均差异显著。由此说明,不同灭酶处理对燕麦粉的气味、色泽和糊化特性均有不同影响,应结合燕麦粉的不同用途选用不同的灭酶处理。     

基于电子鼻的带鱼货架期预测模型

为探索通过气味分析判断海产品贮藏品质的方法,利用电子鼻对带鱼在不同贮藏温度与贮藏时间下的挥发性气味变化进行了分析,对所获数据进行了主成分分析与货架期分析,并与理化品质指标值挥发性盐基氮（total volatile basic nitrogen,TVBN）相联系,建立了带鱼在273～283 K下的货架期预测模型。结果表明：电子鼻18个金属传感器能很好地将贮藏于273与283 K下的带鱼随着贮藏时间变化的气味进行区分。贮藏于不同温度条件下的带鱼的TVBN值与菌落总数值均随着贮藏时间的增加而增长,且均符合一级化学动力学模型（R2＞0.9）。基于电子鼻货架期分析获得的273～283 K下的气味变化结果与该温度下理化品质指标变化具有较好的对应关系,采用Arrhenius动力学模型推导公式求得带鱼在（273～283 K）温度段内TVBN的Q10（温差为10 K的货架寿命之比）值,对照该温度段下电子鼻货架期分析获得的气味变化货架期分析值,得到带鱼在该温度段内的Q10货架期预测模型,经验证,其预测误差小于20%。可根据获得的货架期预测模型对带鱼在273～283 K条件下的货架期进行预测。     

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。     

基于电子鼻的花生有害霉菌种类识别及侵染程度定量检测

针对花生霉变传统分析方法操作繁琐、时效性差等不足,该研究拟利用电子鼻气体传感技术建立起花生有害霉菌污染的快速检测方法。辐射灭菌花生籽粒分别接种5种谷物中常见有害霉菌(黄曲霉3.17、黄曲霉3.395 0、寄生曲霉3.395、寄生曲霉3.012 4和赭曲霉3.648 6),并于26℃、80%相对湿度条件下储藏9 d至严重霉变。利用电子鼻气体传感器获取不同储藏时期(0、3、6、9 d)花生样品的整体挥发性气味信息。最后,结合多元统计分析方法对电子鼻传感器响应信号进行特征提取,建立了花生中有害霉菌污染程度的定性定量分析模型。结果显示,主成分分析法(principal component analysis,PCA)可成功区分不同霉菌侵染程度的花生样品,线性判别分析(linear discriminant analysis,LDA)模型对样品不同储藏天数判别的准确率均达到或接近100%。花生中菌落总数的偏最小二乘回归分析(partial least squares regression,PLSR)模型的预测决定系数和预测相对均方根误差分别达到0.814 5和0.244 0 lg(CFU/g)。结果表明,应用电子鼻技术快速检测储藏期间花生霉变状况具有一定可行性,可为利用气味信息实现粮食霉菌污染的在线监测提供理论参考。     

基于电子鼻传感器阵列优化的甜玉米种子活力检测

针对甜玉米种子活力传统检测方法操作繁琐、重复性差等不足,该研究利用电子鼻技术建立甜玉米种子活力快速检测方法。利用电子鼻获取不同活力甜玉米种子的气味信息,再结合主成分分析(PCA,principal component analysis)、线性判别分析(LDA,linear discriminant analysis)、载荷分析(loadings)和支持向量机(SVM,support vector machine)对气味信息进行提取分析,建立甜玉米种子活力的定性定量分析模型。结果显示:PCA和LDA分析均无法区分不同活力的甜玉米种子,而SVM的鉴别效果较好。全传感器阵列数据集SVM分类判别模型训练集和预测集正确率分别为97.10%和96.67%,建模时间为30.75 s,回归预测模型训练集和预测集决定系数R~2分别为0.993和0.913,均方差误差分别为2.23%和8.50%。经Loadings分析将10个传感器阵列优化为6个。优化后传感器阵列数据集SVM分类判别模型训练集和预测集正确率分别为98.55%和96.67%,建模时间为21.81 s,回归预测模型训练集和预测集决定系数R~2分别为0.982和0.984,均方差误差分别为3.80%和3.01%。结果表明:基于SVM的电子鼻技术可以实现对不同活力甜玉米种子的高效判别和预测,将传感器阵列优化为6个,判别和预测效果均有所提升。该研究为电子鼻技术应用于甜玉米种子活力检测提供理论依据。     

基于气味与颜色的脊尾白虾新鲜度评价

该文旨在建立一种检测脊尾白虾新鲜度的无损检测方法,利用电子鼻与色差仪研究在4℃冷藏条件下不同新鲜度脊尾白虾的气味和颜色的变化规律,分别建立气味、颜色、气味结合颜色的3种新鲜度等级预测模型,并进行比较分析。结果表明,根据LAB表色系统,b*值随脊尾白虾鲜度的劣变呈正向线性相关;电子鼻可将不同新鲜度等级的脊尾白虾进行准确区分,并确定了反映其新鲜度变化的气敏传感器有5个（S6、S7、S8、S9、S10）;利用气味、颜色、气味结合颜色建立的3个新鲜度等级预测模型都具有可行性（平均准确率≥90.0%）,其中气味结合颜色建立的预测模型准确率最高,达到98.8%,依次为气味、颜色模型。因此,可根据气味结合颜色的预测模型对脊尾白虾新鲜度等级进行预测。     

中华绒螯蟹不同部位挥发性物质的研究

本文旨在探明收获季节的中华绒螯蟹雌蟹不同部位在不同温度下挥发性物质的变化,并为加工提供参考。运用电子鼻和顶空固相微萃取-气质联用仪(HS-SPME-GC-MS)对挥发性物质变化进行检测和分析。电子鼻能够灵敏的检测加热前后气味的变化,新鲜雌蟹在加热到100℃和150℃气味发生明显变化,最终利用GC-MS从新鲜、100℃和150℃雌蟹的不同部分中鉴定出101种、130种和113种挥发性物质,主要有醇类、酮类、醛类、酚类、酯类、碳氢类等化合物。新鲜雌蟹土腥气味较重,主要是三甲胺等物质引起;100℃雌蟹呈现出浓郁香气,主要是壬醛、6-甲基-5-庚烯-2-酮等化合物引起;150℃雌蟹会表现出烤香味,是由2,5-二甲基吡嗪、2-乙酰基吡咯等引起。雌蟹在加热前后挥发性物质变化较大,电子鼻与HS-SPME-GC-MS结合使用后可以分析不同加热温度下雌蟹不同部位挥发性物质的变化。     

气味与颜色结合对脊尾白虾新鲜度的评价

本文旨在建立一种检测脊尾白虾新鲜度的无损检测方法,利用电子鼻与色差仪研究在4℃冷藏条件下不同新鲜度脊尾白虾的气味和颜色的变化规律,分别建立气味、颜色、气味结合颜色的三种新鲜度等级预测模型,并进行比较分析。结果表明,根据LAB表色系统,b*值随脊尾白虾鲜度的劣变呈正向线性相关;电子鼻可将不同新鲜度等级的脊尾白虾进行准确区分,并确定了反映其新鲜度变化的气敏传感器有五个(S6、S7、S8、S9、S10);利用气味、颜色、气味结合颜色建立的三个新鲜度等级预测模型都具有可行性(平均准确率≥90.0%),其中气味结合颜色建立的预测模型准确率最高,达到98.8%,依次为气味、颜色模型。因此,可根据气味结合颜色的预测模型对脊尾白虾新鲜度等级进行预测。     

加热温度对牡蛎挥发性风味成分的影响

为探讨牡蛎挥发性风味与加工温度的关系,运用电子鼻和顶空固相微萃取气质联用技术（HS-SPME-GC-MS）对不同温度加热牡蛎的挥发性成分进行分析。结果表明,电子鼻能够灵敏地检测到牡蛎在加热过程中气味的变化,新鲜牡蛎在加热到1000C和1500C时气味发生明显变化。通过GC-MS从新鲜牡蛎、100℃加热牡蛎和150℃加热牡蛎中分别检出47、59和56种挥发性物质,己醛、反-2-,顺-6-壬二烯醛、庚醛、辛醛等醛类物质对新鲜牡蛎的风味影响较大,使其具有腥味、蘑菇及黄瓜的风味;经过100℃加热后,牡蛎的腥味减弱,肉香浓郁,醛类和杂环化合物是其主要的挥发性风味物质;150℃加热牡蛎的主要挥发性物质是烃类,杂环化合物对其烘烤风味的形成具有重要作用。     

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。     

基于电子鼻的番茄成熟度及贮藏时间评价的研究

该文探讨了采用电子鼻系统对不同成熟度的番茄进行评价和对不同成熟度番茄在贮藏期间气味变化的电子鼻检测进行了研究。在按颜色进行成熟度区分时,从主成分分析(PCA)和线性判别式分析(LDA)中可以得到,电子鼻可以较好地区分半熟期和成熟期、完熟期的番茄,但成熟期、完熟期的番茄有部分区域发生重叠。按坚实度指标对番茄成熟度进行重新评价后,分析显示电子鼻可以区分坚实度的差异,当采用PCA方法分析时,电子鼻可以100%地区分不同成熟度的番茄。对不同成熟度番茄在贮藏期间电子鼻检测的研究表明:成熟期的番茄在贮藏1～6d、7～11d、14～17d之间可以较好地进行区分;完熟期的番茄采用LDA法在1～5d、6～11d、14～17d之间可以较好地进行区分。     

应用电子鼻判别西湖龙井茶香气品质

根据电子鼻工作原理与西湖龙井茶香气特征,探索利用电子鼻判别西湖龙井茶等级的方法。该研究提出顶空瓶内茶水直接混合的香气制备法,增强电子鼻响应信号、减少人为冲泡误差;合理选择电子鼻顶空进样及信号采集参数,提高香气指纹图谱信噪比;采用不同等级茶样循环交叉排列采集,增加传感器的适应性,剔除仪器系统误差;经校正集与预测集的样本划分,提高模型建立的可靠判别样本集。利用软独立建模分类法（SIMCA）建立不同等级西湖龙井茶判别模型,等级分类正确率高达95%以上,实现了西湖龙井茶的智能分等分级。     

电子鼻对草莓采后贮藏早期霉菌感染的检测

为了实现电子鼻对草莓贮藏期常见霉菌感染的早期检测,对草莓果实分别接种灰霉、扩展青霉和根霉3种主要病原菌,以无菌水处理为对照组,每2d采用PEN3电子鼻获取草莓的气味,并用气质联用技术分析草莓气味。结果表明,草莓接种病原菌2d后,主成分分析能够正确区分正常果实(对照组)与病害果实,且可以较好区分草莓感染病原菌种类,多元方差分析结果也显示接种不同病原菌对草莓果实挥发性物质的影响差异显著(P<0.05),通过Fisher判别建立的回归函数对3种病原菌灰霉、扩展青霉和根霉及对照组的判别正确率分别为100%、93.3%、86.7%和100%。载荷分析及气质联用技术结果表明病原菌对草莓果实挥发性物质的影响主要体现在烃类及酯类的变化。研究结果可为实现草莓采后贮藏和流通过程中质量变化和病原微生物的感染进行无损快速检测和监测提供参考。     

电子鼻检测不同品种和加工类型的柑橘汁

为了探索一种通过气味快速区别橙汁和橘汁以及在线监测橙汁加工品质的方法,应用电子鼻对不同品种的橙汁和橘汁的香气进行区分,研究酸橙汁加工过程中各工艺操作对香气成分的影响,并对不同加工类型的酸橙汁进行区分。通过对所获得的数据进行主成分分析及偏最小二乘回归分析,结果显示,不同品种的橙汁和橘汁的香气品质存在差异, 橙汁经过一系列加工工艺后香气发生了明显变化,浓缩还原汁的香气品质要逊于非浓缩橙汁（NFC橙汁）,28%、38%、48%和63.5% 4种不同可溶性固形物质量分数的还原汁在电子鼻传感器上的信号经拟合后有良好的线性关系,以55%还原汁为盲样,判别结果为57.95%,误差为5%。使用电子鼻可以很好的区分不同品种、不同加工类型的柑橘汁,还可以应用于橙汁加工过程中的品质控制。     

支持向量机在电子鼻区分不同品种苹果中的应用

为了提高电子鼻检测苹果气味的精度和鲁棒性,利用6点平滑法对气体传感器的数据进行去噪处理,并用支持向量机建立识别模型。应用结果表明,经过去噪处理后,曲线变得光滑,但仍能保持原来的形状,这说明去噪处理既滤除了传感器数据中的噪声同时又保留了传感器的主要信息。提取每个传感器的最大值作为特征参数。分别运用主成分分析和两个支持向量机模型区分富士、花牛、姬娜3种不同品种苹果的气味,主成分分析结果表明3种苹果分布区域存在重叠;两个支持向量机模型可以很好的区分这3种苹果,其中对姬娜和富士的识别正确率达到90％以上,而对花牛苹果的识别正确率达到100％。     

基于DSP的苹果气味检测装置设计与实践

依据划分苹果等级的气味指标,由气味传感器阵列和DSP构成电子鼻系统采集苹果气味信号进行处理,建立苹果气味识别模型。研究气味传感器阵列的组成形式以及其采集到的数据,设计了传感器与DSP的接口数据采集电路以及视频显示接口电路。     

牡蛎体液风味物质的GC-MS分析

用电子鼻和顶空固相微萃取气质联用法(HS-SPME-GC-MS)对不同加热温度的牡蛎体液风味物质进行分析,以探讨牡蛎体液挥发性成分与加工温度的关系.结果显示,电子鼻能够灵敏地检测到牡蛎体液在加热过程中气味的变化,新鲜牡蛎体液在加热到100℃和150℃时气味发生明显变化,利用GC-MS鉴定出体液中挥发性化合物主要有醛类、烃类、醇类、酮类、酯类和呋喃类等,它们的协同作用构成了牡蛎体液的特征风味;新鲜牡蛎体液以清新的果香为主(丙酸戊酯、D-丁香醛),略带肉香(反-4-癸烯醛),主要挥发性成分是醛类和酯类;100℃处理的牡蛎体液产生浓郁的花香和果香味(1-苯基-1,2-丙二酮、2-甲基-1-丁醇),肉香和焦香味增强(2-乙基呋喃、反-2-(2-戊烯基)呋喃),主要挥发性成分是酮类和呋喃类;150℃处理的牡蛎体液以浓郁的焦香和甜香为主(环己基丙酸甲酯、1-(2-呋喃)-1-丙酮),主要挥发性成分是酯类和杂环化合物.经不同温度处理的牡蛎体液可以弥补焙烤牡蛎风味的不足,掩盖一些不愉快的气味.     

基于电子鼻气味检测的苹果微波干燥方案优选

微波干燥中,过程参数设置不当会引起物料结构破坏和表面焦糊,期间往往伴随着特征气味的散发。该文以苹果为对象,采用60、70、80℃恒温、模糊逻辑控制和线性温度控制5种干燥方案,通过电子鼻采集的气味图谱,研究特征气味的散发规律,及优化干燥方案。根据恒温方案气味图谱中苹果风味峰和焦糊峰的变化规律,确定的模糊逻辑控制方案,可实现在线调节磁控管功率,保留风味、减少焦糊。将模糊逻辑控制方案中实测物料温度曲线进行优化,确定的线性温度控制方案,省去电子鼻检测环节,更适合工业应用。通过比较不同微波干燥方案下的产品品质,线性温度控制方案下干燥产品的品质高、耗时合理、干燥能力强,为优先方案。该研究为气味检测技术应用于苹果干燥提供了技术依据。     

基于电子鼻的鱼露香气品质识别

为了识别鱼露的品质,并为缩短发酵周期的工艺优选提供理论依据.利用电子鼻对7种鱼露样品的挥发性气味进行了分析,并与项空-气质联用( GC-MS)和感官分析结果进行比较.结果表明:鱼露香气成分复杂,工艺改良对气味影响很大,电子鼻18个金属传感器能很好地将不同样品的气味进行识别.以传统发酵原汁鱼露为标样,电子鼻分析结果表明,加曲改良工艺的4号样品与标样香气最为接近,相似系数达87.8％,该结果与GC-MS数据和感官分析结果一致,可为鱼露速酿工艺的优选提供参考.