生活垃圾堆肥过程中恶臭物质分析

恶臭污染已成为生活垃圾堆肥过程中的主要环境问题.以15~80 mm粒径段的生活垃圾作为研究对象,利用嗅觉测定法和GC-MS分析了不同阶段堆肥尾气的臭气浓度和恶臭化合物的种类及其排放浓度,并对不同堆肥阶段臭气浓度和恶臭物质排放浓度的相关性进行分析.结果表明,垃圾堆肥过程中共检测到50种挥发性有机物,其中含硫恶臭物质5种,烃类化合物25种,芳香烃类化合物14种,其他物质6种.通过相关性分析,发现硫化氢、甲硫醚、二硫化碳、二甲二硫、1,3二甲基苯和邻二甲苯均与臭气浓度呈极显著相关(p<0.01),结合各恶臭物质的嗅阈值,15~80 mm粒径段垃圾堆肥过程中恶臭物质优先控制的顺序为硫化氢>甲硫醚>二甲二硫>二硫化碳>1,3二甲基苯>邻二甲苯.甲硫醇的嗅阈值非常低,即使其排放浓度很低,也会带来严重的臭气污染;NH3虽然对臭气浓度的贡献相对较小,但是其排放量很大,因此也应该对这2种恶臭物质进行重点监测和控制.该研究结果为生活垃圾堆肥过程中恶臭物质的监测、制定控制策略提供参考.     

农村恶臭污染源分析及环境影响探讨

由于人口分散、经济以粗放型为主、环境缺乏管理,近年来农村环境问题日益凸显,农村恶臭污染尤为严重。农村恶臭污染源具有分散性、区域性、隐蔽性的特点,且污染物排放量小、排污随机、扩散性强、不易监测,这给研究农村恶臭污染源问题带来了一定的困难。目前,对农村恶臭污染源分析研究还处于探索阶段,没有形成完整的体系。针对农村恶臭污染的特点,本文对农村恶臭污染源进行了初步的分析和探讨,以期对治理农村恶臭污染及改善农村环境有所帮助。     

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.     

城市生活垃圾堆肥对春小麦生长和土壤的影响

利用垃圾堆肥作为肥料,采用大田试验对春小麦生长和土壤的影响进行了试验研究。结果表明,堆肥用量的春小麦试验中,每公顷施150t最好,产量增幅达25％。施堆肥提高土壤有机质和养分供应力,土壤容重下降,偏碱性土壤pH向中性点靠拢。土壤重金属Cu、Zn全量,随堆肥用量而递增。作物体内Cu、Zn浓度有增加的趋势,表现为根系＞籽粒＞茎叶。     

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。     

生活垃圾微生物强化堆肥对放线菌群落的影响

为了探讨微生物强化堆肥对生活垃圾好氧堆肥过程及堆肥过程中放线菌群落的影响,在堆肥过程中接种高效细菌复合菌剂和真菌复合菌剂,并以不接种的堆体为对照,对堆肥过程的温度变化和木质纤维素的降解效率进行了测定,并借助于PCR-DGGE方法对堆肥过程中放线菌群落的动态变化和种群多样性进行研究。结果表明：微生物强化堆肥能缩短堆体起爆时间,并能有效提高堆体降温期和二次发酵期的温度;和自然堆肥相比微生物强化堆肥使半纤维素、纤维素和木质素的降解率分别提高8.95%、12.72%和10.13%。DGGE图谱显示：2种堆肥方式的放线菌多样性指数表现出极显著差异,微生物强化堆肥能增加堆体中优势菌群的种类和数量,能有效提高腐熟期的放线菌群落多样性,有利于堆肥腐熟。优势条带测序结果表明：在接种堆肥过程中检测到了放线菌门的棒杆菌属、分支杆菌属、链霉菌属、热孢菌属、迪茨菌属、糖丝菌属和放线菌属。     

生活垃圾堆肥过程中有机态氮形态的动态变化

利用接种不同外源微生物进行城市生活垃圾的堆肥试验,研究在堆肥过程中不同形态有机态氮组分的变化规律。结果表明,随着堆肥的进行,全氮与酸水解性氮含量均呈下降的趋势,其中外源微生物处理能加速全氮与酸水解性氮含量的降低,但至堆肥结束时,与不加外源微生物处理相比,并没有引起氮素的损失。氨基酸态氮含量则呈现先降低后增加的趋势,堆肥结束时,外源微生物处理氨基酸态氮含量明显高于不加微生物处理,表明外源微生物处理可促进氨基酸态的形成;酰胺态氮与氨基糖态氮含量有相同的变化趋势,各处理都是在堆肥的升温期、高温期增加,随着堆肥温度的下降而降低,在堆肥的腐熟阶段,则呈现较为平稳的走势。但相对于堆肥的不同时期,由于处理不同,酰胺态氮与氨基糖态氮含量有明显的差异,其中外源微生物处理酰胺态氮含量明显低于不加微生物处理,而氨基糖态氮则相反。     

堆高对生活垃圾中15 mm筛下物堆肥腐熟的影响

为了解小粒径生活垃圾的独立堆肥适宜性,并筛选最佳堆高,本文以北京市马家楼垃圾转运站筛分后的0～15 mm生活垃圾为研究对象,在南宫堆肥厂隧道发酵仓分别以2.5、2.0、1.5和1.0 m 4个堆高进行强制通风条件下密闭静态高温发酵对比试验。通过高温发酵（8 d）前后采样测定堆肥水浸提液的电导率（EC）、腐殖酸光学特性（E4/E6）、水溶性碳（WSC）质量分数、水溶性铵态氮（NH4+-N）质量分数和发芽率指数（GI）,堆肥固相碳氮比（C/N）和粪大肠菌值等腐熟度指标,并应用模糊评价法进行腐熟度评价。结果表明：0～15 mm粒径的生活垃圾可单独堆肥,且1.5和1.0 m 的2个堆体的腐熟程度最好,综合考虑后推荐在隧道发酵仓中采用1.5 m为最适宜堆高。     

厨余垃圾堆肥对烤烟土壤酶活性和细菌群落结构的影响

以滇中植烟土壤为研究对象，设置不同厨余垃圾堆肥(基肥)施用量：不施肥对照(CK)、低施肥量8 t/hm² (FWL)、中施肥量16t/hm² (FWM)、高施肥量24t/hm² (FWH)，研究厨余垃圾堆肥施用后土壤酶活性和细菌群落结构的变化特征，为厨余垃圾堆肥农田推广使用提供依据。结果表明：与CK相比，FWH处理可显著提高土壤的p H、有机碳、全氮、全磷、碱解氮、有效磷、脲酶活性、酸性磷酸酶活性、荧光素二乙酸水解酶活性(↑0.39%～89.42%)、土壤细菌OUT数目(↑12.91%)、Chao指数(↑11.20%)、Ace指数(↑11.37%)。变形菌门(Proteobacteria)的相对丰度随施肥量的增加而增加，而酸杆菌门(Acidobacteria)则相反；细菌群落的膜运输和碳水化合物代谢功能均在施肥后显著增强。脲酶活性、酸性磷酸酶活性、p H、全氮、全磷、碱解氮、有效磷指标对土壤细菌的群落组成和多样性均有影响，其中碱解氮和脲酶活性是调控菌群最主要的因子。     

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。     

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。     

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。     

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。     

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。     

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。