基于电子鼻检测鸭梨新鲜度及损伤程度

目的 探究鸭梨果实流通过程中新鲜度变化及损伤程度。方法 以不同跌落角度处理（0°、20°、40°、60°）的鸭梨为试材,测定鸭梨果实呼吸速率、乙烯释放速率的变化,同时利用电子鼻结合主成分分析（principal components analysis,PCA）、线性判别分析（linear discriminant analysis,LDA）和载荷分析（loading analysis,LA）研究不同贮藏时间和不同损伤程度下果实的挥发性气体变化。结果 完好果实在贮藏4 d时出现呼吸高峰和乙烯释放高峰;与完好果实相比,机械伤处理提高了呼吸速率和乙烯释放速率,并且损伤越严重,变化趋势越明显。电子鼻的10个传感器对不同贮藏期和损伤程度的响应值有显著性差异(P<0.05)。LDA可明显区分不同贮藏点和不同损伤程度鸭梨挥发性气体。LA表明果实成熟和受损时,传感器W1S、W5S、W1W、W2W、W2S的响应值变化较为明显,意味着刺激了甲烷、氮氧化合物、硫化物和萜烯类、有机硫化物和芳香族化合物、醇类和部分芳香族化合物类物质的生成。结论 传感器W1S、W5S、W1W、W2W、W2S可反映鸭梨的挥发性气体变化情况,其中W2S传感器响应值可区分果实损伤程度,这对于实时监测果实品质具有重要意义。     

基于电子鼻分析1-MCP对‘香红’梨后熟进程的影响

香红’梨经1-甲基环丙烯（1-Methylcyclopropene,1-MCP）（1.0 μL·L^-1）处理后,测定贮藏期（10 d）内果实的呼吸强度、乙烯释放速率变化,同时利用电子鼻对贮藏期内的果实挥发性气体变化进行分析。结果表明：与对照组相比,1-MCP处理抑制果实的呼吸强度和乙烯释放速率。电子鼻能区分对照组不同贮藏时期的果实挥发性气体,其中6、10 d的果实挥发性气体分别有明显变化。1-MCP处理组0、2、6、8 d的果实挥发性气体的响应值分布存在部分交叉,而4、10 d的挥发性气体分布区域相对独立。线性判别分析（linear discriminant analysis,LDA）结果中果实挥发性气体的分布区域更加集中,更能说明不同贮藏时期果实挥发性气体的分布情况。载荷（Loading）分析表明W5S、W2W和W2S三个传感器对区别不同处理的果实挥发性气体发挥了关键作用,1-MCP处理明显减少氮氧化合物（W5S）、有机硫化物和芳香族化合物（W2W）、醇类和部分芳香族化合物（W2S）三类物质的生成。总之,结合电子鼻分析,证明1-MCP明显抑制香红梨果实乙烯和部分挥发性气体的生成,因而延缓果实后熟进程。     

基于电子鼻技术的马铃薯真菌性腐烂病早期检测

确定马铃薯致腐菌种,并建立快速检测方法对腐烂样本进行识别。本研究通过微生物及分子生物学方法对马铃薯致腐菌进行鉴定,采用电子鼻方法对样本进行检测,建立模型对不同感染阶段样本进行识别。结果显示:马铃薯主要致腐烂菌为出芽短梗霉,建立的K最近邻判别模型中,训练集与预测集识别率分别为90%和85%;建立的BP网络判别模型中,训练集与预测集判别率分别达到93.75%和90%,各腐烂阶段能够较好地被识别。研究结果为后期电子鼻技术应用至马铃薯腐烂病检测提供理论基础。     

基于zNose~(TM)电子鼻的芒果腐烂及成熟度检测

本文利用一种快速气相色谱仪(zNose~(TM)电子鼻)对芒果在采后熟化过程中释放的挥发性物质进行了定量的检测及分析,通过提取不同的挥发性物质峰值来对芒果挥发物成分进行标定,并建立数学模型对芒果表皮黑斑率和成熟度进行了检测。文中通过对比分析气味、表皮黑斑率、成熟度、可溶性固形物含量以及呼吸速率等实验数据,发现利用电子鼻检测数据中的峰4和峰5值能有效地对腐烂程度做出判定,峰7值跟成熟度具有很高的相关性,而可溶性固形物指标在芒果成熟度判定中贡献度很小。通过在峰4峰5值与腐烂度之间建立高斯模型,并利用联合阈值对腐烂进行检测判定,其检测准确率超过90%;在峰7值与成熟度之间建立分段指数模型,可有效地对成熟度做出估计,其估计均方根误差可控制在7%以内。     

基于电子鼻技术的皇冠梨腐败等级分类研究

提出一种基于电子鼻技术与模式识别方法相结合对石家庄皇冠梨品质检测的无损检测方法。采用PEN3电子鼻设备对无黑核梨与按腐败程度划分三个等级黑核梨样本进行采样,并使用图像采集系统对梨样本进行拍照留样记录。采用主成分分析(Principal Component Analysis,PCA)、线性判别分析(Linear Discriminant Analysis,LDA)降维方法与逻辑回归(Logistic Regression,LR)、支持向量机(Support Vector Machine,SVM)、梯度提升树(Gradient Boosting Decison Tree,GBDT)、XGBoost分类方法相结合对数据进行分析。其中PCA-LR、PCA-SVM、PCA-GBDT、PCA-XGBoost、LDA-LR、LDA-SVM、LDA-GBDT、LDA-XGBoost的模型在验证集上准确率分别达到了75.0%、79.4%、84.4%、91.9%、73.1%、82.5%、87.5%、95.6%,其中LDA-XGBoost的方法可以达到最佳的分类效果,准确率达到95.6%,实验表明该方法是一种快速、准确、非破坏性的无损检测方法,为皇冠梨品质检测提供新思路新方法。     

基于电子鼻的稻谷霉菌在线检测系统的研制

针对传统稻谷霉检测方法操作繁琐,针对这一问题,本文设计了一种基于无线电子鼻的稻谷霉菌在线检测系统。该系统由气体检测装置、下位机系统以及上位机远程监控系统构成,具有数据采集、处理、显示、传输及存储等功能。下位机采用STM32单片机,与上位机通信的传输速率大于2KB/s,丢包率为0,上位机远程监控系统最大可实现轮询接收128路下位机数据。通过稻谷霉菌检测试验,建立了霉菌浓度预测模型,并运用粒子群优化算法对参数进行优化,模型的R2为0.9837,均方根误差为0.2049lg(cfu/g),灵敏度为0.070,霉菌浓度最低检出限为1.5&#215;101cfu/g,分辨率为1.5&#215;101cfu/g。表明此系统用于稻谷霉菌检测具有一定的可行性,可为快速评价稻谷质量安全提供参考。     

电子鼻鉴定米曲霉生长繁殖可行性研究

目的研究PEN3电子鼻检测郫县豆瓣制曲过程中米曲霉的生长繁殖程度的可行性。方法分别利用PEN3电子鼻检测郫县豆瓣制曲过程中挥发性气体的特征数值及荧光定量PCR(quantitative real-time PCR,QPCR)检测豆瓣制曲过程中米曲霉的生长繁殖程度,通过雷达图分析、主成分分析(principal component analysis,PCA)、线性判别分析(linear discriminant analysis,LDA)、支持向量机(support vector machine,SVM)等数据分析方法,结合2种方法的测定结果,判断电子鼻鉴定米曲霉生长繁殖程度的可行性。结果电子鼻侦测数值结合LDA与SVM模式识别均能实现对接种发酵过程米曲霉的增长程度判别,SVM模式识别出不同生长繁殖程度的米曲霉的正确率超过90%。结论电子鼻检测郫县豆瓣米曲霉的生长繁殖是可行的,为郫县豆瓣行业提供了新的快速无损检测方法。     

电子鼻及其在肉品检测中的应用

本文介绍了电子鼻的基本原理和组成。探讨了电子鼻在肉品质量评价、等级判定、成熟期判断、类别识别、生产过程检测与控制方面的应用。     

基于电子鼻技术快速检测带鱼新鲜度的研究

气味是判断水产品品质的重要指标之一。利用电子鼻技术检测不同贮藏条件下的带鱼气味成分,并与pH和挥发性盐基氮(TVBN)等指标进行对比分析,建立了一种基于电子鼻技术的带鱼新鲜度快速检测方法。结果表明,4℃和0℃两个温度下,随着贮藏时间的延长,带鱼气味成分发生显著变化,氮氧化合物、硫化物、有机硫化物及芳香成分等是带鱼品质恶化的主要来源;采用主成分分析(PCA)、线性判别分析(LDA)均可以区分不同新鲜度的带鱼;利用电子鼻技术得到带鱼的贮藏品质区分结果与TVBN分析结果基本一致,电子鼻技术可用于带鱼新鲜度的快速有效判定。     

基于电子鼻快速检测罗非鱼新鲜度研究

气味是判断水产品质量的重要指标,利用电子鼻检测4℃下不同贮藏时间的罗非鱼的气味,并对实验数据进行主成分分析(PCA)和判别因子分析(DFA),再结合挥发性盐基氮,用最小二乘法将罗非鱼新鲜度与电子鼻数据建立对应关系。结果表明:主成分分析与判别因子分析均能在二维平面内将不同新鲜度的罗非鱼区分开,贡献率分别达到99.787%和95.745%。TVB-N与电子鼻检测罗非鱼气味的数据经最小二乘回归分析(PLS)有着高度的相关性,决定系数(R2)为0.9907。     

鸭梨、雪梨果醋香气成分的电子鼻分析

利用PEN3电子鼻对雪梨醋和鸭梨醋的香气成分进行了分析。结果表明,二者的特征性香气成分类似,但雪梨醋的芳香味比鸭梨醋略浓。确定了传感器W1W(硫化物)、W2W(有机芳香硫化物)、W5S(氮氧化合物)、W1S(甲烷类)、W2S(醇类)、W1C(芳香成分苯类)和W3S(烷烃类芳香成分)在雪梨醋和鸭梨醋香气评价起主要作用。采用主成分分析法及线性判别法对数据进行分析,发现这两种分析方法均能准确区分出雪梨醋和鸭梨醋。研究结果表明电子鼻香气分析技术可用于梨醋酿造工艺的优化和风味品质监控。      

基于电子鼻技术的烟丝霉变检测

霉变是影响烟丝质量的重要因素之一,研究探索建立基于电子鼻技术的烟丝霉变检测方法。构建的电子鼻系统主要由5只SnO2半导体气敏传感器形成反应阵列,采用BP神经网络(back propagation neural network,BPNN)为主的模式识别方法。从每个传感器响应曲线中提取2个特征值,使用主成分分析和BP神经网络对传感器阵列的所有特征值进行处理。主成分分析结果显示:非霉变烟丝和霉变烟丝存在可区分趋势,但不同霉变程度的烟丝间存在部分重叠。进一步利用BP神经网络对霉变烟丝判别,识别正确率达到90.00%。试验表明,使用电子鼻技术可以客观、有效地区分霉变和非霉变烟丝,为有效控制烟丝质量提供了可靠途径。     

基于电子鼻和GC-MS分析黑果腺肋花楸酒香气特征与差异性

为深入了解黑果腺肋花楸酒的香气特征,对市售5种黑果腺肋花楸干酒（编号为D1～D5）、1种甜酒（编号为S6）、4种白酒（编号为L7～L10）和2种啤酒（编号为B11～B12）进行气相色谱-质谱联用（GC-MS）技术及电子鼻检测,并对结果进行线性判别分析（LDA）及聚类分析（CA）。结果表明,黑果腺肋花楸酒样品共检测出103种挥发性化合物,其中酯类42种,醇类21种,醛类7种,酮类6种,酸类10种,烯烃类4种。干酒、甜酒、白酒、啤酒分别检出挥发性物质64种、47种、31种、46种,干酒、白酒、啤酒共有成分占比分别为39.06%、22.58%、63.04%。电子鼻检测LDA结果与GC-MS检测CA结果显示,黑果腺肋花楸酒样品之间香气特征存在差异和共性,利用其挥发性香气成分的GC-MS及电子鼻检测结果进行区分和鉴别。     

电子鼻结合顶空固相微萃取-气质联用法分析微生物脂肪酶对猪肉风味的影响

用镰刀菌产脂肪酶处理猪肉样品,采用顶空固相微萃取技术对脂肪酶处理前后猪肉样品中的挥发性成分进行萃取,并结合电子鼻和气质联用技术分析鉴定。结果表明:电子鼻能够较好区分脂肪酶处理前后挥发性风味物质成分的变化,主成分分析法（PCA）进一步说明添加微生物脂肪酶能有效地改善猪肉的风味;GC-MS检测出47种挥发性成分,主要为醛类、醇类、酮类、芳香烃类等,这些风味物质的协同作用构成了微生物脂肪酶对猪肉风味特有的贡献,与电子鼻检测结果一致。      

基于GC-MS和电子鼻技术的大米挥发性风味成分分析

以8种市售大米为研究对象,利用顶空固相微萃取气相色谱质谱联用技术(solid-phase microextraction,SPME/gas chromatography-mass spectrometer,GC-MS)和电子鼻分析了大米中的挥发性物质,旨在鉴定粳米和籼米的特有香气,并比较两者差异。实验结果表明:运用电子鼻技术和主成分分析(principal component analysis,PCA)能有效区分不同品种大米,粳稻和籼稻在挥发性成分上差异明显。在此基础上,通过GC-MS定性定量检测大米中的挥发性成分,籼米的挥发性成分(149种)多于粳米(94种),籼稻中挥发性物质最多的是茉莉香米,粳稻中挥发性物质最多的是稻花香米。壬醇、癸醇和2-乙基-1-己醇等醇类物质只存在于籼米中,而2-环己酮和2-癸酮等酮类物质只在粳米中检测到,可能是这些物质导致了两个大米种类香气的差异。粳米和籼米中的重要风味物质主要是醛类、酮类和醇类,如己醛、辛醛、壬醛、苯甲醛、2-戊基呋喃等物质在粳米和籼米中都存在,这些挥发性成分阈值小,对大米特征香气的形成起重要作用。研究结果可为大米的产地及品种鉴别提供一定的参考价值。     

Application of an electronic nose for determination of pre-pressing treatment of rapeseed based on the analysis of volatile compounds contained in pressed oil

The article presents an attempt to use an electronic nose together with a new three-parameter method for generation of a digital smellprint in order to specify the mode of processing of rapeseed based on the analysis of volatile compounds contained in cold-pressed rapeseed oil. Prior to the pressing process, the seeds were roasted or improperly stored to obtain oil samples with varied technological quality. The quality of pressed oils was evaluated by determination of the acid value. Furthermore, changes in oil colour were assessed with the use of an imaging colorimeter. Volatile compounds were determined with the use of gas chromatography and an electronic nose with a metal oxide semiconductor (MOS) sensor matrix. It was found that the mode of seed pre-treatment before pressing did not change the colour of the oil significantly. However, it influenced the profile of volatile organic compounds and changed their proportions. Ketones represented the largest proportion of volatile compounds determined for roasted samples and those pressed from seeds moistened up to 25% (w.b.). Alcohols dominated in samples moistened up to 10 and 12%, terpenes were the dominant volatile compounds in samples roasted at 140 °C, and other volatile compounds dominated in samples moistened up to 10 and 20% (w.b.). In turn, esters and aromatic compounds accounted for the lowest proportion in the analysed samples. The results shown by the electronic nose were correlated with the presence of particular groups of volatile compounds in rapeseed oil.     

基于气相离子迁移谱和电子鼻技术分析 核桃挥发性风味物质

为研究不同品种核桃挥发性风味物质的差异和核桃品种的区分方法,以5种核桃为研究对象,采用气相离子迁移谱（GC-IMS）和电子鼻（E-nose）技术结合主成分分析(PCA）、线性判别分析（LDA）和聚类分析,对核桃挥发性风味物质的组成及品种差异进行了研究。结果表明：GC-IMS技术结合聚类分析和E-nose技术结合LDA分析均能有效区分核桃品种;采用GC-IMS技术从5种核桃中分离出73种挥发性成分,鉴定出其中19种物质,主要有醇类、酮类、醛类和酯类,其中乙醇、2-甲基丙醇、1-戊醇、3-甲基-3-丁烯-1-醇、正己醇、2-庚酮、戊醛、己醛、庚醛、壬醛、苯甲醛和乙酸乙酯是区分核桃品种的关键物质; E-nose分析结果表明,W3C、W5C、W1C和W6S传感器在区分核桃品种上有较大贡献,LDA由于考虑了组间差距,对于核桃品种的区分相较PCA更为明显;两种风味分析技术相比较,GC-IMS可对挥发性物质进行定性和定量检测,E-nose虽不能鉴定挥发性物质的具体种类,但样品处理简单,可实现品种的快速区分。