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.     

鲜带鱼不同贮藏温度的货架期预测模型（简报）

为了研究鲜带鱼在冷链流通中的品质变化与货架期,通过不同温度下的贮藏试验研究了鲜带鱼的货架期预测模型。将鲜带鱼贮藏在268、273、278、283和293 K条件下,测定了鲜带鱼的总菌落数、总挥发性盐基氮（T-VBN）、鲜度指标（K值）与感官品质指标的变化。在Arrhenius动力学方程基础之上,建立了菌落总数、总挥发性盐基氮和鲜度指标（K值）与贮藏时间及贮藏温度之间的动力学模型。试验表明一级化学反应动力学模型和Arrhenius方程对总菌落数、总挥发性盐基氮（T-VBN）及鲜度指标（K值）的变化具有较高的拟合精度。菌落总数变化预测模型中的活化能（EA）及速率常数（k0）分别为：71.26 kJ/mol和3.987×1013,挥发性盐基氮变化的活化能（EA）及速率常数（k0）分别为：68.86 kJ/mol和2.159×1012,鲜度指标（K值）变化的活化能（EA）及速率常数（k0）分别为：41.26 kJ/mol和2.539×107。结果表明,鲜带鱼的总菌落数、总挥发性盐基氮（T-VBN）、鲜度指标（K值）随着贮藏时间的延长而增加,且随着贮藏温度的升高而增加迅速,其感官品质指标随着贮藏时间的延长而下降,且随着贮藏温度的升高而下降迅速。该试验建立的带鱼货架期预测模型所获得货架期预测值准确率达到±10%以内,可根据菌落总数、T-VBN值及K值在268～293 K范围内,对带鱼的剩余货架期进行预测。     

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。     

红烧卤牛肉货架期预测模型的建立

为了探究红烧卤牛肉在不同温度下的货架期,本试验将加工好的红烧卤牛肉真空包装,进行二次沸水煮制杀菌(中间相隔48 h)。以菌落总数为指标建立货架期预测模型,将二次杀菌后的红烧卤牛肉产品分别贮藏在4、10、15、20、25℃的恒温培养箱中,测定贮藏期间菌落总数的变化。结果表明,随着贮藏温度的升高,微生物的最大生长比率增大,迟滞期和货架期缩短;建立一级模型(修正Gompertz模型)与二级模型(Belehradek模型),修正Gompertz模型除4℃下微生物生长曲线无法拟合之外,其余4个温度拟合效果良好(相关系数R²>0.9),并通过了模型验证(准确因子Af与偏差因子Bf的范围分别在1.1～1.9与0.75～1.25之间);结合一、二级模型建立红烧卤牛肉货架期预测模型,模型通过了验证(预测值与实测值相对误差在10%以内),预测得到的10、15、20、25℃贮藏的红烧卤牛肉货架期分别为185.76、64.05、31.00、15.08 d。本研究获得了红烧卤牛肉在10～25℃的货架期预测模型,为红烧卤牛肉在不同温度下的贮藏时间选择提供了理论依据。     

基于电子鼻的番茄种子发芽率检测

防止种子掺假、以次充好,为快速无损检测高发芽率的种子,该文将不发芽的浙杂809番茄种子以不同比例掺入到发芽率为92.6％的番茄种子中,得到种子的发芽率分别为90％,80％,70％,60％,50％和0等6种比例,并利用电子鼻对其进行分析.结果表明:利用电子鼻可以很好的区分出番茄种子发芽率为90％、80％、50％～70％、和不发芽的4种情况;当种子发芽率为70％、60％、50％时,其图形信息部分重叠,利用电子鼻较难区分开.在主成分分析和线性判别分析的基础上,利用BP神经网络和支持向量机对上述情况进行分类识别,结果表明:两种识别模式的训练集的正确率分别为93.6％和97.4％,预测集的正确率分别为65.2％和72.7％,相对于BP神经网络模式识别,支持向量机预测系统的误差较小,具有很好的预测性能.     

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。     

电子鼻检测辐照肉鸭产品的挥发性风味物质

为了研究辐照肉鸭产品的“辐照味”问题,通过挥发性风味物质区分辐照肉鸭产品,对烤鸭、盐水鸭2种肉鸭产品进行不同剂量的辐照处理后,采用电子鼻检测产品中挥发性风味物质的变化,并对产品中挥发性风味物质的主要类别进行分析。结果表明,辐照处理后2种肉鸭产品中的挥发性风味物质的响应值都发生了变化,但辐照前后主要的挥发性风味物质的类别都是氨类和芳香型化合物、硫化氢、芳香化合物和有机硫化物。Loading、LDA、PCA分析结果表明,LDA分析能够有效区分经不同剂量辐照处理的烤鸭和盐水鸭。本研究结果为促进辐照技术在鸭肉产品中的应用提供了理论依据。     

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。     

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。     

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.     

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。     

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。     

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。