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%。     

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％。     

猪舍有害气体NH3、H2S的电子鼻定量识别

为准确、快速地测定南方猪舍的主要有害气体NH3、H2S,建立了电子鼻系统。在实验室中采用静态配气法配制各种浓度的气体,将快速独立成分分析与径向基神经网络两种方法相结合,对6.95～69.53 mg/m3浓度范围内的H2S单一气体以及H2S与NH3组成的混合气体进行定量识别,平均识别精度分别达到99.1%和90.97%。结果表明在基于电子鼻的猪舍NH3、H2S气体定量识别中,采用该种方法具有良好的效果。     

常规稻与杂交稻谷的仿生电子鼻分类识别

气味是进行稻谷品种及其品质识别的重要方法之一,作为一种基于仿生嗅觉的机器检测方法,仿生电子鼻在水稻品种的分类识别中具有较好的应用前景。常规稻与杂交稻在食味品质等方面存在一定的差异,为了解应用电子鼻进行常规稻谷与杂交稻谷识别的可行性,采用PEN3电子鼻对同季同地域收获的3种常规稻(中香1号、湘晚13、瑶平香)和3种杂交稻(伍丰优T025、品36、优优122)稻谷样品的气味信息进行了采集和分析。首先通过过载分析(Loadings)法分析了电子鼻检测稻谷气体挥发物时的各传感器贡献率,分别针对基于特征值的提取和稻谷气味检测对电子鼻传感器阵列中的传感器进行了优选,阐明了稻谷气体挥发物检测中应以对硫化物、氮氧化合物、芳香成分和有机硫化物敏感的传感器为主。随后,分别采用主成分分析法(principal component analysis,PCA)、线性判别法(linear discriminant analysis,LDA)和BP神经网络对6种不同稻谷之间、常规稻与杂交稻之间的分类识别进行了研究。结果表明,PCA分析法与LDA分析法在对6种不同稻谷之间的分类以及常规稻与杂交稻之间的分类中均未取得理想的效果,存在部分样本数据点重叠或样本数据点较近的情况,在实际应用中易发生混淆;而BP神经网络在对6种不同稻谷之间的分类中对测试集的识别正确率分别达到了90%,在常规稻与杂交稻之间的分类识别中对测试集的识别正确率达到了96.7%。上述试验验证了电子鼻用于常规稻与杂交稻稻谷分类识别的有效性,为常规稻与杂交稻的快速、无损分类识别提供了一种新的方法。     

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。     

电子鼻技术在棉花早期棉铃虫虫害检测中的应用

为了更好地获取棉花虫害信息,该文使用电子鼻和气质联用技术对受到不同数量棉铃虫早期危害的棉花进行检测。基于气质联用技术获得了棉花挥发物的成分和含量,基于电子鼻响应曲线提取了稳定值、面积值、平均微分值、小波能量值和多项式拟合曲线参数值5种特征值,筛选出3种较优单特征:稳定值、平均微分值和面积值,之后基于多特征分别使用多层感知神经网络、径向基函数神经网络和极限学习机3种神经网络方法进行分类分析。最后采用支持向量机回归分别基于3种较优单特征及多特征对危害棉花的棉铃虫数量进行回归预测。结果表明:多特征的分类效果优于单特征,基于多特征“稳定值和平均微分值”和极限学习机分类效果最好,训练集和测试集的分类正确率均达到100%。多特征的预测能力优于单特征,基于多特征“面积值和平均微分值”的回归模型预测效果最佳,训练集回归模型的决定系数(R^2)和均方根误差(RMSE)分别为0.9940和0.0860,测试集回归模型的R^2和RMSE分别为0.9230和0.3709,电子鼻对棉花早期棉铃虫虫害具有较好的区分和预测能力,电子鼻在棉花早期棉铃虫虫害中的检测具有一定的应用潜力。     

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。     

电子鼻传感器阵列优化及其在小麦储藏年限检测中的应用

采用德国Airsense公司的PEN2电子鼻系统对5个陈化年限的小麦进行了检测。对传感器信号进行方差分析和Loading分析去掉差异不显著的传感器。最后选择传感器1、2、8、9、10的响应信号进行模式识别。对优化后的传感器阵列进行主成分分析得到结果显示5个年份的小麦被很好地区分，各个类的集中性也比较强。从BP网络分析结果可以看出network1(优化后传感器阵列数据的BP网络)的预测准确率高于network2(优化前传感器阵列数据的BP网络)，可以更好地区分5个年份的小麦。说明对传感器进行优化去掉一些响应不显著的传感器信号并不影响模式识别结果，反而提高了电子鼻的识别性能。     

基于电子鼻技术检测不同焙烤程度咖啡的特征性香气

为研究咖啡香气与焙烤条件的联系,进一步提供合理的加工条件生产特定香气的咖啡,减少咖啡多样化的生产成本。以海南阿拉比卡咖啡豆为试材,利用固相微萃取的气质联用(solid phase microextraction-gas chromatographic-mass spectrometric,SPME-GC-MS)结合电子鼻对不同焙烤温度处理6 min的咖啡挥发性化合物和特征性香气进行检测。结果表明:咖啡中总共检测出43种化合物,咖啡在30(室温)、80、100℃时挥发性组分主要为醇类、醚类与胺类以致香气不足,随着温度继续升高,逐渐热解生成芳香化合物,咖啡在120℃时开始出现糠醛、吡嗪与吡咯等,呋喃、醛类、吡嗪和吡咯的含量均在140℃时达到峰值,吡唑和咪唑只在160℃时产生且质量分数为2%~3%;电子鼻传感器T30/1、70/2、PA/2、P30/2与LY2/AA能有效地分析咖啡香气变化,主成分分析(principal component analysis,PCA)与判别因子分析(discriminant factorial analysis,DFA)有效地区分了不同焙烤程度的咖啡香气,层序聚类分析(hierarchical cluster analysis,HCA)成功将咖啡分为未焙烤、浅度焙烤、中度焙烤和深度焙烤四类。结果表明,随着焙烤温度的上升,咖啡中芳香醛、酚类、呋喃、吡嗪、吡咯和咪唑等挥发性化合物不断增加,进而改变咖啡的特征性香气,SPME-GC-MS结合电子鼻技术能实现咖啡挥发性组分、香气表型和焙烤程度三者之间有机地结合,以用于对咖啡焙烤程度的区别,该研究结果为生产某些特定香气咖啡的工艺提供科学依据和技术支持。     

采用电子鼻评价肉制品中的香精质量（简报）

利用电子鼻对用于肉制品中的四个不同厂家生产的玉米香精样品进行评价.通过对所获得的数据进行主成分分析(Principal ComponentAnalysis,PCA)及判别因子分析(Discriminant Factor Analysis,DFA).结果表明:即使感官评价差别不大的不同厂家生产的同一香精之间,也存在着明显的差异:其中4号香精样品的耐高温性及留香性都较好,适合应用于高温火腿肠中.     

冷却牦牛分割肉酶嫩化技术研究

牦牛肉色泽鲜红,风味纯正,营养丰富,但肌纤维较粗,易出现“冷收缩”现象,使质地坚硬,嫩度下降。为提高冷却牦牛肉的嫩度,改善肉质,该研究将木瓜蛋白酶用于冷却牦牛分割肉嫩化,通过L₉(3⁴)正交试验选择出最佳嫩化工艺参数,即酶浓度9 mg/kg,处理温度15℃,处理时间3 h。采用注射嫩化法,真空包装、急速冷却后在0～4℃条件下贮藏。结果表明,木瓜蛋白酶可明显提高肉的嫩度,使剪切力值(48.44 N/cm²、肌纤维直径(8.03 μm)、失水率(5.91%)下降,口感改善,对冷却肉的贮藏性无影响(0～4℃,9 d),操作方法简单,成本低,适合工厂化生产,实用性强。     

食醋电子鼻检测中一种特征参量评价方法

电子鼻检测中常用的特征鉴别能力评价方法有2种,一是对判别结果的直观分析,二是对判别正确率的统计计算。但是,当判别正确率相同时,对于不同特征间鉴别能力的差异,2种方法都不能进行准确的定量评价。为实现特征鉴别能力的准确度量,以不同种类食醋为检测对象,对检测信号提取面积斜率比、方差、积分、平均微分值、相对稳态平均值、小波能量等6种特征参量,并将特征参量与类别间的相关系数作为特征鉴别能力的度量指标。计算结果可知:面积斜率比特征参量的相关系数绝对值最小,为0.1027,积分特征参量的相关系数绝对值最大,为0.6455。表明面积斜率比特征参量的鉴别能力最低,积分特征参量的鉴别能力最高。Fisher判别结果也证明了特征参量的鉴别能力越高,其分类效果越好。因此,用特征参量与类别间的相关系数作为特征鉴别能力的度量是合适的、也是有效的。     

Evaluation method of feature vector in vinegar identification by electronic nose

电子鼻检测中常用的特征鉴别能力评价方法有2种,一是对判别结果的直观分析,二是对判别正确率的统计计算。但是,当判别正确率相同时,对于不同特征间鉴别能力的差异,2种方法都不能进行准确的定量评价。为实现特征鉴别能力的准确度量,以不同种类食醋为检测对象,对检测信号提取面积斜率比、方差、积分、平均微分值、相对稳态平均值、小波能量等6种特征参量,并将特征参量与类别间的相关系数作为特征鉴别能力的度量指标。计算结果可知：面积斜率比特征参量的相关系数绝对值最小,为0.1027,积分特征参量的相关系数绝对值最大,为0.6455。表明面积斜率比特征参量的鉴别能力最低,积分特征参量的鉴别能力最高。Fisher判别结果也证明了特征参量的鉴别能力越高,其分类效果越好。因此,用特征参量与类别间的相关系数作为特征鉴别能力的度量是合适的、也是有效的。     

山核桃氧化过程中品质指标变化的电子鼻快速检测

为了研究山核桃氧化过程中的品质变化规律,试验采用电子鼻获取不同氧化阶段的山核桃的挥发性氧化产物信息,运用主成分分析(principal component analysis,PCA)、线性判别分析(linear discriminant analysis,LDA)、聚类分析(cluster analysis,CA)及理化指标分析区分不同氧化阶段的山核桃样品品质变化,并通过主成分回归法(principle component regression,PCR)建立过氧化值、酸价、茴香胺值、总过氧化值的预测模型。结果表明:随着氧化时间的延长,过氧化值、酸价、茴香胺值、总过氧化值等指标显著(P0.05)增加,电子鼻传感器的响应强度逐渐增大。通过PCA、CA、LDA及理化指标分析均能较好地区分不同氧化阶段的山核桃的氧化程度。采用主成分回归法(PCR)建立过氧化值、酸价、茴香胺值、总过氧化值等理化指标的预测模型,决定系数(R2)分别为0.968、0.975、0.985、0.980。结果证明不同氧化阶段的山核桃的过氧化值,酸价,茴香胺值和总过氧化值的PCR模型验证的相对误差小于16%,预测效果较好。研究结果为山核桃氧化过程中的快速检测提供技术参考。     

基于多特征融合的电子鼻鉴别玉米霉变程度

为了提高电子鼻检测玉米霉变程度的正确率,该文探究了电子鼻信号不同特征组合的表征对霉变玉米鉴别结果的影响。首先,运用电子鼻对霉变玉米的5组样本训练集与测试集进行测试,获得测试信号。其次,分别提取测试信号的积分值(integral value,INV)、平均微分值(average differential value,ADV)、相对稳态平均值(relative steady-state average value,RSAV)作为特征值,5组训练集与测试集均分别采用3种单一的特征值或其组合特征值来表征。然后,运用Fisher判别分析(fisher discriminant analysis,FDA)分别对5组训练集进行判别分析,并用对应的测试集进行检验。FDA分析结果指出,电子鼻测试信息分别在单一特征和2个特征组合表征下,不同霉变程度玉米是不能有效分开的,但在2个特征组合表征下的鉴别正确率比单一特征有所提高;当用3个特征组合来表征测试信息时,FDA鉴别能力得到提高,鉴别正确率在96%以上。另外,借助于WilksΛ统计量考察了电子鼻中每个传感器测试信号表征的差异性,对3个特征组合的表征情况进行了表征变量筛选。FDA分析结果显示,筛选前后的鉴别结果非常相近,最低鉴别正确率均在96%以上,这说明不同传感器需要不同的特征表征,以体现其差异性,由此也减少了计算的复杂性。研究结果表明,用多特征融合模式可更有效地表征电子鼻对霉变玉米的响应信息,有利于提高霉变玉米的鉴别正确率。同时,该研究成果也不失一般性,为电子鼻信号表征提供了一种新思路。     

典型掺假蜂蜜的电子鼻信息变化特征及判别能力

为建立蜂蜜掺假快速检测方法,该文利用电子鼻并结合主成分分析（principal component analysis,PCA）数据处理方法研究了掺入10%、20%、30%、40%、50%、60%、70%油菜蜜和大米糖浆的掺假蜂蜜的电子鼻信息变化特征,并以掺假蜂蜜的电子鼻信息变化特征为指导,结合判别因子分析（linear discriminant analysis,LDA）模式识别算法研究了电子鼻对掺假蜂蜜的定性识别分析能力。结果表明,掺假蜂蜜的电子鼻信息呈现线性变化,并且电子鼻对掺假蜂蜜有较强的敏感力。LDA模式识别算法可以将纯蜂蜜样品与掺假蜂蜜样品很好的区分开,LDA掺假判别模型正确识别率为94.7%,该技术可以为蜂蜜掺假鉴别提供技术支撑。