电子鼻和电子舌单独与联合检测掺大豆蛋白或淀粉的鸡肉糜

为实现掺杂掺假鸡肉的快速、客观评价,该研究利用电子鼻和电子舌联合检测技术对掺杂鸡肉糜进行快速检测,通过对采集的数据进行主成分分析和偏最小二乘法分析,所得结果表明,采用主成分分析,电子鼻和电子舌联合检测掺大豆蛋白鸡肉糜和掺淀粉鸡肉糜的主成分总贡献率分别为99.8%和99.1%;采用偏最小二乘法分析,电子鼻和电子舌联合检测鸡肉糜中掺杂大豆蛋白含量的预测值与真实值之间的决定系数为0.992,均方根误差为2.8%;联合检测鸡肉糜中掺杂淀粉含量的预测值与真实值之间的决定系数为0.996,均方根误差为2.4%。表明电子鼻和电子舌联合检测对鸡肉糜的掺杂情况具有良好的区分和预测能力,并且是一种有效、高精度的肉类掺假检测方法。     

电子舌检测奶粉中抗生素残留

为了找到能快速检测乳制品中抗生素残留的方法,该文利用电子舌对奶粉中相同质量浓度的6种抗生素进行了辨识,并对新霉素检测质量浓度进行了初步研究。采用铂、金、钯、钨、钛和银6个电极组成的传感器阵列和1、10和100 Hz 3个脉冲频率进行检测,并通过主成分分析、线性判别分析和偏最小二乘法进行数据分析。结果显示：电子舌对不同种抗生素和不同质量浓度的新霉素具有较好的辨识能力,定性分析能够达到国家最高残留限量标准;利用偏最小二乘法（PLS）建立模型定量分析,新霉素最适检测质量浓度范围在300～1 100 μg/L附近。电子舌依据其独特的优点,为食品掺杂掺假的检测提供了新的思路和方法。     

无损检测技术在水果品质安全和真实性的应用研究进展

在水果产量攀升和品质要求不断提高的背景下,对水果的品质、安全和真实性开展快速无损检测的需求日益迫切。本研究概述了光谱学、力学、声学、计算机视觉、电子鼻和电子舌等无损检测技术结合多种化学计量学方法在水果营养功效成分和感官属性品质特征挖掘、农药残留和病害霉变安全性检测以及原产地、品种分类、贮藏时间真实性鉴别研究中的应用。同时,本研究还从生产实际和科学研究两个方面进行了展望,可为水果的质量安全监管和消费者权益保障提供科学依据。     

电子舌在红茶饮料区分辨识中的应用

为检验电子舌在茶饮料方面的辨识能力,该文应用法国Alpha M.O.S公司生产的传感器型电子舌对中国市场上已有的7种红茶饮料进行检测,所得数据用主成分分析法（PCA）和聚类分析法（CA）进行分析。结果表明,该电子舌可以很好的区分这7种红茶饮料。且在PCA第1主成分和第2主成分得分图上,区别指数达95.38。由此可见,电子舌在茶饮料的品牌区分、质检以及真伪辨识中有巨大的应用潜力。同时,该研究也初步探讨了聚类分析法在电子舌数据处理方面的应用。     

电子鼻快速检测谷物霉变的研究

针对目前我国在谷物的霉变与否的检测上还有一定的滞后性，研制出一套能快速检测谷物是否霉变的电子鼻装置，该装置能快速、准确地分析所测谷物散发的气味，从而判定所测谷物是否霉变。该电子鼻主要由一组厚膜金属氧化锡气体传感器阵列和RBF神经网络组成。用所研制的电子鼻对小麦、水稻、玉米3种谷物进行检测。整个实验过程如下：首先从每个传感器的反应曲线中提取4个特征值，并对所有特征值进行归一化处理，然后用常规的主成分分析和径向基函数(RBF)神经网络对它们进行分析。实验过程中发现，从主成分分析的结果发现很难将霉变谷物与正常谷     

电子鼻、电子舌鉴别不同蒸煮条件的毛霉型豆豉品质的研究

为提高毛霉型豆豉品质评审的客观性、可靠性、重复性,减少人为评定差异,利用电子鼻和电子舌对不同蒸煮条件的毛霉型豆豉进行分析检测,采用主成分分析法评价其差异性,并利用感官评价进行验证。结果表明:电子鼻对湿蒸条件的样品的区分效果不佳,对干蒸条件的样品区分效果较好;电子舌对湿蒸和干蒸条件的样品都能很好的区分。121℃/35min湿蒸处理和135℃/25min湿蒸处理的样品相距较近,其风味具有一定的相似性;105℃/25min干蒸的豆豉样品与其他样品相比差异较大,说明豆豉风味与蒸煮条件有较大关联。感官评价结果表明,电子鼻和电子舌较感官评价辨识度高,结果区分更精确客观。本研究可为毛霉型豆豉标准化生产、生产条件的优化提供理论依据。     

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。     

基于氨基酸组成的黄酒酒龄电子舌鉴别

该研究采用电子舌结合化学计量学方法用于黄酒酒龄的快速鉴别。为确证黄酒样品酒龄,采用氨基酸分析仪分析了1年陈、3年陈和5年陈黄酒中20种氨基酸,并利用主成分分析（principal component analysis,PCA）对氨基酸数据进行了分析。采用电位型电子舌采集了不同酒龄黄酒样品的味觉指纹信息,并采用判别分析（discriminant analysis,DA）方法结合味觉指纹信息建立黄酒酒龄快速鉴别模型。采用偏最小二乘法（partial least squares regression,PLSR）建立电子舌响应信号与氨基酸含量之间的相关关系。氨基酸数据结合PCA分析表明所有样品均标注正确;电子舌结合DA所建黄酒酒龄鉴别模型可将3个年份预测集样品正确区分;异亮氨酸（Ile）、天门冬氨酸（Asp）、酪氨酸（Tyr）和缬氨酸（Val）与电子舌相关性高,模型的相对分析误差（Residual predictive deviation, RPD）高于2。研究表明电位型电子舌结合判别分析是黄酒龄鉴别的稳健方法。     

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%。     

基于氨基酸组成的黄酒酒龄电子舌鉴别（英文）

该研究采用电子舌结合化学计量学方法用于黄酒酒龄的快速鉴别。为确证黄酒样品酒龄,采用氨基酸分析仪分析了1年陈、3年陈和5年陈黄酒中20种氨基酸,并利用主成分分析(principal component analysis,PCA)对氨基酸数据进行了分析。采用电位型电子舌采集了不同酒龄黄酒样品的味觉指纹信息,并采用判别分析(discriminant analysis,DA)方法结合味觉指纹信息建立黄酒酒龄快速鉴别模型。采用偏最小二乘法(partial least squares regression,PLSR)建立电子舌响应信号与氨基酸含量之间的相关关系。氨基酸数据结合PCA分析表明所有样品均标注正确;电子舌结合DA所建黄酒酒龄鉴别模型可将3个年份预测集样品正确区分;异亮氨酸(Ile)、天门冬氨酸(Asp)、酪氨酸(Tyr)和缬氨酸(Val)与电子舌相关性高,模型的相对分析误差(Residual predictive deviation,RPD)高于2。研究表明电位型电子舌结合判别分析是黄酒龄鉴别的稳健方法。     

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。     

HS-SPME/GC-MS和电子感官技术分析毛霉型豆豉发酵过程中风味品质

为了对毛霉型豆豉发酵过程中风味进行综合评价,本试验采用顶空固相微萃取/气相色谱-质谱法(HS-SPME/GC-MS)结合电子鼻、电子舌对其发酵过程进行研究。结果表明,毛霉型豆豉不同发酵时期的11个样品共鉴定出68种挥发性风味成分,其中包括酯类18种、醛类7种、酸类3种、醇类26种、酮类4种、其他类10种。挥发性风味成分的种类由前发酵的15种上升至豆豉发酵成熟时(35~42 d)的31种,含量由前发酵1.69 μg·g^-1上升至发酵终点44.20 μg·g^-1,呈递增趋势,至发酵成熟期稳定,与电子鼻测定结果一致。电子舌测定结果显示,后发酵35 d时,成品的涩味、苦味及苦味回味降到适宜程度,鲜味和丰富性较高,而此时的挥发性风味成分种类丰富、含量高、香味浓郁、丰富性好,滋味和气味俱佳。因此,HS-SPME/GC-MS结合电子感官技术对毛霉型豆豉产品品质的判别具有可行性,可为生产条件的优化提供理论依据。     

基于电子鼻的鱼粉中挥发性盐基氮检测模型比较

挥发性盐基氮（TVB-N）是表征鱼粉新鲜度的主要指标之一,为了探讨基于电子鼻系统检测鱼粉新鲜度的可行性,研制了检测鱼粉中TVB-N质量分数的电子鼻测量系统。该系统主要由氧化锡气敏传感器阵列、便携式数据采集设备和基于LabVIEW的采集程序组成。利用该系统对不同TVB-N质量分数的鱼粉样本进行气味信号采集,同时对鱼粉样本中的TVB-N的质量分数采用半微量凯式定氮法进行检测,利用2σ准则对传感器响应值进行数据剔除处理,建立了鱼粉中TVB-N质量分数的主成分分析（PCA）、多元线性回归（MLR）、BP神经网络模型,并用预测样本对模型进行验证。试验结果为：3种模型TVB-N质量分数预测值与实测值之间的决定系数R2、预测标准误差SEP、最大相对误差RE-max及平均相对误差RE-mean分别为0.48、10.25、13.62%、6.06%;0.59、9.14、13.91%、5.57%;0.94、3.64、6.30%、1.88%。BP神经网络效果最好,多元线性回归次之,主成分分析最差。研究结果表明,利用电子鼻技术可以有效对鱼粉中TVB-N质量分数进行检测。     

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.     

不同防冻措施茶园茶汤滋味差异的电子舌检测

为探讨轻度“倒春寒”对不同防护措施下3种茶园蒸青茶样的茶汤滋味影响,遂选品种和管理措施一致的安装防霜扇的茶园、松树林围绕的茶园以及未设防护措施的普通茶园,用电子舌综合评价3种茶园茶汤滋味、高效液相色谱检测茶汤游离氨基酸组分及含量。结果表明：基于电子舌检测数据的主成分分析、软独立建模分析和聚类分析结果揭示了普通茶园的茶汤滋味与防霜扇茶园和林间茶园的差异显著（P<0.05）;从9种茶样中皆检测出18种氨基酸,游离氨基酸质量分数介于19.691～30.947 mg/g 之间,茶氨酸含量占游离氨基酸含量的55.1%～70.5%;随着3种茶园气温的降低,游离氨基酸含量和茶氨酸含量呈升高趋势,3种鲜味氨基酸（天冬氨酸、谷氨酸、茶氨酸）、5种甜味氨基酸（脯氨酸、丙氨酸、甘氨酸、苏氨酸、丝氨酸）和5种苦味氨基酸（异亮氨酸、亮氨酸、苯丙氨酸、酪氨酸、缬氨酸）共占游离氨基酸含量在防霜扇茶园和林间茶园中分别出现升高、降低和降低趋势,而在普通茶园中变化与之不同。分析认为：轻度“倒春寒”可导致无防护措施的普通茶园茶叶滋味劣变,林间茶园能够减轻冻害,防霜扇作为防护手段不仅可以减免冻害,还可避免茶叶滋味品质下降。该研究结果为后续深入研究不同防护措施茶园茶叶品质提供参考。     

电子鼻在牦牛肉和牛肉猪肉识别中的应用

为了探索电子鼻对肉类掺假识别的可行性,利用电子鼻对牦牛肉、牛肉和猪肉样品进行了分析。通过对所获得的数据进行主成分分析（principal component analysis,PCA）、判别因子分析（discriminant factor analysis,DFA）和偏最小二乘回归分析（partial least-squares analysis,PLS）。结果表明：几种肉类在电子鼻传感器上有不同的特征性响应图谱,电子鼻能够有效识别猪、牛肉;同时电子鼻能够识别不同部位的牦牛肉和普通牛肉;但不能识别不同部位的猪肉。在牛肉馅中掺入不同比例的猪肉馅时,电子鼻也能进行识别。采用偏最小二乘回归分析对数据进行处理,电子鼻响应信号和猪肉馅掺入比例之间有很好的相关性（决定系数R2为0.9762）,PLS模型预测误差在1.27%～7.00%之间。试验证明电子鼻可用于肉类的识别。     

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。     

Nutrient solution monitoring in greenhouse cultivation employing a potentiometric electronic tongue

This work investigates the use of electronic tongues for monitoring nutrient solution compositions in closed soilless systems. This is a horticultural technique in which the nutrient solution is continuously recirculated and an automatic recomposition system maintains the concentration of the different ions in the optimum range for the plants. Electronic tongues used in this study comprised an array of potentiometric sensors and complex data processing by artificial neural networks. A first experiment was able to carry out the simultaneous inline monitoring of ammonium, potassium, sodium, chloride, and nitrate ions during the winter. In the second and third applications, done during summer, some changes were introduced in the sensor array to improve its response toward chloride ions and to incorporate phosphate in the model. This electronic tongue was validated with real greenhouse samples and was also able to detect the variations in the ion concentrations caused by an incorrect configuration of the recomposition system.