羊肉纯度电子舌快速检测方法

为实现掺假羊肉的快速、客观评价,利用电子舌对混入不同比例鸡肉的掺假羊肉糜进行检测及定性和定量分析。3种浸提溶液分别浸提,样品量均对电子舌传感器的响应影响极显著;以数据点重复性和聚类效果为依据,采用主成分分析方法确定了电子舌检测羊肉糜样品的较佳条件为0.1 mol/L KCl溶液浸提15 g肉糜样品。在此较佳条件下,对混入不同比例鸡肉的掺假羊肉进行检测,结果表明：采用主成分分析和典则判别分析,前2个主成分累积贡献率均超过80%,电子舌均能很好地区分混入不同比例鸡肉的羊肉糜样品;采用多元线性回归分析和偏最小二乘回归分析建立的定量预测模型能有效预测混入的鸡肉比例（R2>0.99,RMSE<3%）。试验表明：电子舌在羊肉掺入鸡肉的鉴别中具有可行性,研究结果可为羊肉掺假鉴别提供参考。     

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。     

电子舌信号与理化指标的信息融合区分不同养殖水的研究

为优化金鱼的养殖环境,应用电子舌结合理化指标对不同的金鱼养殖水进行了跟踪分析和研究。采用离子选择型电子舌对金鱼养殖水进行了检测,同时采用化学方法检测了养殖水的常用理化指标;通过主成份分析、聚类分析和典型判别分析3种模式识别方法,对不同养殖密度和不同养殖天数的金鱼养殖水进行了分析和区分,并探讨了电子舌信号与理化指标进行融合区分不同金鱼养殖水的能力。结果表明:将电子舌信号与理化指标的融合可有效区分不同的金鱼养殖水。在选取适当的模式识别方法的前提下,单独使用电子舌信号即可有效区分不同养殖密度和不同养殖天数的金鱼养殖水:采用典型判别分析方法,电子舌具有极强的区分不同养殖密度和不同养殖天数的养殖水的能力;而采用主成份分析方法,电子舌基本具有区分不同养殖密度和不同养殖天数养殖水的能力,若将电子舌信号与理化指标进行融合,则其区分能力将大大增强;采用聚类分析方法,电子舌信号、电子舌信号与理化指标融合的区分能力均最差。该文研究结果可为金鱼的养殖环境的检测分析提供参考。     

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。     

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。     

电子舌预测不同体积分数牛奶的表观黏度

该文为建立牛奶的电子舌响应信号与其表观黏度的关系,在单因素方差分析和主成分分析的基础上,提出了比较多元线性回归、逐步多元线性回归和偏最小二乘回归3种模型对牛奶表观黏度的预测效果的方法。结果显示,单因素方差分析表明体积分数对牛奶的表观黏度和各个传感器响应信号都具有极显著性的影响;主成分分析（PCA）可以用来区分牛奶的5种不同体积分数;偏最小二乘回归模型预测效果最好,模型预测值与实际值的相关系数R达到0.9659,平均相对误差（MRE）和预测均方根误差（RMSEP）分别为4.5499%和8.4645×10-5,建模最佳主成分数为3。研究结果表明,偏最小二乘回归模型是电子舌预测牛奶表观黏度的有效方法,该方法为牛奶表观黏度的科学研究提供参考。     

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。     

基于主成分分析和判别分析的白酒品牌鉴别方法

白酒的香气物质决定了白酒产品的差异。为了实现不同白酒产品的区分鉴别,提出了基于气相色谱分析技术结合模式识别实现白酒区分的方法。采集了7种产品共70个白酒样本的气相色谱数据,定性定量分析了己酸乙酯、乳酸乙酯等10种基本香气物质的含量,并对测定的物质进行主成分分析,验证区分效果,最后利用线性判别法建立判别函数,对不同白酒进行区分。结果表明,2种分析方法均可用于区分不同白酒,主成分分析结果显示,前3个主成分累计贡献率为86.527%,能有效描述香气物质和产品之间的复杂关系;线性判别分析对所有样本均得到准确的判别,正确率为100%,对预测样本的正确判别率达93.9%,建立的判别函数能准确区分不同白酒。研究表明,利用气相色谱技术结合模式识别的方法可用于不同白酒的区分鉴别。     

基于稳定同位素和矿质元素的决明子产地特征与溯源判别研究

为了更加精确高效地对中药决明子产区进行判别,本研究采用稳定同位素比质谱(IR-MS)和电感耦合等离子体质谱(ICP-MS)技术分别检测不同产地决明子稳定同位素比值和多种矿质元素含量特征,并结合化学计量学模型主成分分析(PCA)和人工神经网络(ANN)对决明子产地进行判别。方差统计结果表明,在优质产区(浙江新昌)决明子区别于普通产区决明子方面,19种矿质元素含量存在显著差异(P<0.05);PCA分析(同位素+矿物元素)显示,前2个主成分累计方差贡献率为45.23%,且该模型可显著区分道地产区决明子;ANN模型分析对浙江新昌产区的决明子判别正确率高达100%,且产地判别总体正确率高于90%。以上结果表明,稳定同位素比值和矿质元素含量结合化学计量学模型分析可有效判别决明子不同产区。本研究结果为决明子产地溯源提供了一种新的方法。     

用电子鼻区分霉变燕麦及其传感器阵列优化

应用电子鼻对燕麦（Avena sativa L）霉变程度进行区分,为了提高区分准确度,对电子鼻传感器阵列进行了优化的研究。每天随机选择10个燕麦样品进行电子鼻检测,试验连续进行5 d,将检测数据耦合入非线性双稳态随机共振系统,以外部Gaussian白噪声激励系统产生共振,选择输出信噪比特征值进行主成分分析,初期试验主成分1和主成分2贡献率之和为96.43%,且相同霉变程度样品离散度较大,不同霉变程度样品之间距离较近。为了提高电子鼻对霉变燕麦样品区分效果,进行了电子鼻传感器负荷加载分析,优化选择了传感器阵列,优化后主成分1和主成分2贡献率之和为99.31%,相同霉变程度燕麦样品的聚合度更高,使不同霉变程度燕麦样品之间的区分更加明显,为进一步的定量化检测奠定了基础。     

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。     

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。     

Detection of changes in taste of japonica and indica brown and milled rice (Oryza sativa L.) during storage using physicochemical analyses and a taste sensing system

Changes in the taste of japonica, hybrid, and indica brown and milled rice, stored for 10 months at low (5 degrees C, 65-70% relative humidity) and room temperatures were observed by physicochemical analyses and a novel method using a taste sensing system. During storage, some properties increased or decreased while others were fairly constant. The main taste components of cooked rice such as sweetness (sucrose) and umami tastes (glutamic acid and aspartic acid) were reduced during storage, whereas glucose and fructose increased. The increase of fat acidity and consequent decrease of the pH value of the cooking solution may contribute to the off-taste of cooked stored rice. A taste sensing system with 10 lipid membrane sensors was also used to classify new and old rice samples using principal component analysis. Fresh and room temperature stored japonica and indica rice could be clearly distinguished; however, it was not possible to differentiate the samples stored at low temperature.     

基于味觉传感器阵列的玉米汁饮料分类辨识

为了快速辨识不同口味的玉米汁饮料,确保同一种饮料质量的均一性,构建了包含12个传感器的味觉传感器阵列。使用代表酸、甜、苦、咸、鲜的呈味物质检测味觉传感器阵列对5种基本味觉辨识的能力。使用主成分分析和概率神经网络考察了该阵列对基本味觉的辨识效果,该阵列对基本味觉表现出良好的辨识能力。将该阵列应用于玉米汁饮料的分类辨识中,区分来自不同品牌的9种玉米汁。系统聚类分析表明了同一种玉米汁样本的味觉特征非常接近,可聚合为一类。通过主成分分析法实现数据降维,提取前3个主成分作为概率神经网络的输入神经元。试验结果表明:该味觉传感器阵列对不同种玉米汁饮料具有较好的辨识能力,辨识的正确率为95.06%。     

基于气敏传感器阵列特征优化的储粮害虫赤拟谷盗检测

为实现储粮中害虫赤拟谷盗（Tribolium castaneum（Herbst））的检测，该研究使用自主开发的储粮害虫电子鼻检测装置，采集了小麦中不同虫口密度梯度的赤拟谷盗挥发性气味信息，根据10个气敏传感器采集到的响应曲线，提取了各个传感器的相对变化值（Relative Change，RC）、相对积分值（Relative Integral，RI）、平均微分值（Mean Difference，MD）作为原始特征矩阵（10×3），使用遗传算法（Genetic Algorithm，GA）作为特征选择方法，获得样本的特征信息，通过建立预测回归模型，实现了对小麦中赤拟谷盗虫口密度的预测。以识别准确率作为评价指标，对原始的特征矩阵进行了多特征优化，优化后的特征矩阵的识别准确率由原始的82.85% 提升至97.14%，优化后的特征数量由原始的30个减少为12个，特征数量减少60%，传感器数量减少至8个。最后通过采用偏最小二乘回归（Partial Least Squares Regression，PLSR）、主成分回归（Principal Components Regression，PCR）和支持向量机回归（Support Vector Machine Regression，SVR）3种回归方法进行回归预测，研究结果表明：基于偏最小二乘回归（PLSR）的预测模型达到了较好的预测效果，预测集回归模型的相关系数r和均方根误差RMSE分别为0.828和11.293。研究证明了气敏传感器阵列多特征优化方法的可行性和有效性，同时为实现粮食虫害快检测提供一种方法和参考。     

Protection of originality of Tokaji Aszú: amines and organic acids in botrytized wines by high-performance liquid chromatography

Amine and organic acid composition of Aszú wines from the Tokaj region of Hungary, nonbotrytized Hungarian wines from different regions, and foreign botrytized wines were analyzed by high-performance liquid chromatography. Hungarian and foreign wines (36 Hungarian and seven foreign botrytized wines) were compared in different ways by calculation of ratios of given amine compounds, analyses of variance, principal component, and discriminant analysis. In wines, putrescine and in some samples 3-methyl-butylamine and/or phenyl ethylamine were found in remarkable concentrations, while in botrytized wines four other amines were verified in high concentration. Good separation between Aszú and foreign botrytized wines was found by calculation of the amine component's ratio. The first two principal components of the principal component analysis accounted for 77 and 84% of the total variance in the data of amines and acids, respectively. The component scores of samples grouped according to Aszú, foreign botrytized, and nonbotrytized wines. Linear discriminant analysis was used for differentiation of Aszú, foreign botrytized, and normal wines. Using nine amines and two acids as variables, the correct classification was 97.6%. On the basis of results, an objective evaluation method can be elaborated for quality control in order to protect the authenticity and origin of wine specialties made from botrytized grapes.