利用近红外光谱与PCA-SVM识别热损伤番茄种子

为了研究近红外光谱技术用于热损伤种子快速无损识别的可行性,该文以120粒番茄种子为研究对象,其中60粒番茄种子通过高温加热处理的方式成为热损伤种子组,其他60粒番茄种子为正常种子组,利用实验室自主搭建的近红外光谱检测系统获取单粒番茄种子在980~1 700 nm范围内的光谱,分别采用偏最小二乘判别法(partial least squares discriminant analysis,PLS-DA)和支持向量机(support vector machines,SVM)建立了番茄种子热损伤的定性分析模型。试验结果表明:2种判别模型的验证集总正确率均大于96%,均可用于热损伤种子的判别。其中,基于主成分分析(principal component analysis,PCA)预处理的光谱数据构建的支持向量机模型的判别效果最好,其校正集和验证集的判别正确率均为100%,更适用于种子热损伤识别。因此,应用近红外光谱技术可快速无损识别热损伤番茄种子,为种子检验提供了一种新的方法。     

基于独立成分分析结合遗传算法的电子鼻蜜源检测特征信号挖掘

针对交叉敏感性传感器阵列电子鼻图谱含样品信息全、噪声杂、信号冗余等特点,该文根据盲信号处理原理,利用独立成分分析提取油菜蜜、椴树蜜、洋槐蜜电子鼻交叉信号中不同性质分离的独立信号。将各蜜源样本电子鼻信号矩阵延响应时间轴方向展开,统一了各样品间独立成分分解顺序的一致性,并保持了混合信号矩阵中蜂蜜样本的排序。根据不同独立成分数分离信号所带来的蜜源分类效果,8个独立成分为最优成分数。结合遗传算法筛选出各独立成分中代表蜜源样本间差异而无重复信息的特征响应点20个,来富集蜂蜜样本间的整体电子鼻差异信息,并发现大部分集中于信号的吸附阶段,少量出现于解析附阶段。油菜蜜、椴树蜜、洋槐蜜蜜源判别模型采用支持向量机算法建立,通过比较原始信号、电导变化最大值、主成分分析（principal component analysis, PCA）、独立成分分析（independent component analysis, ICA）、独立成分分析结合遗传算法（genetic algorithm, GA）这5种信号处理方式,发现ICA结合GA的特征信号挖掘效果最优,预测集判别率（95.0%）最高,其中油菜蜜、椴树蜜、洋槐蜜的预测集判别力分别为24/25、16/17、36/38;且与训练集判别率（96.3%）最接近,说明模型稳定性高、泛化能力强。结果表明该方法可以准确提取电子鼻信号中能代表蜂蜜蜜源差异信息的特征信号,并在保证蜜源分类效果的前提下,大幅减小电子鼻信号的数据量。该研究为去除电子鼻交叉信号中的冗余成分,并挖掘掩藏其下的差异信息提供了很好的指导意义,同时也拓宽了ICA的应用范围。     

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。     

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。     

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。     

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。     

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。     

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。     

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.     

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。     

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。     

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。