电子鼻在气体检测中的应用研究

优选对甲烷、丙烷及氢气交叉敏感的5只半导体传感器组成气体传感器阵列,建立实时数据采集系统,结合特征提取和模式识别算法,研制出了一种对3种可燃性气体进行实时检测的电子鼻系统。提出了双重神经网络定量分析多种未知气体的方法,即先利用第一重网络对气体进行定性识别,再应用第二重网络对识别出的气体进行定量分析。通过BP神经网络分析表明:该系统对3种气体的识别率达到了100%,定量分析的最大相对误差不超过9.4%。     

电子鼻技术在茶叶品质检测中的应用研究

以电子鼻作为检测手段,对同类不同等级的茶叶、茶水和茶底挥发性成分进行检测,并对采集到的数据进行分析。首先通过主成分分析进行特征提取来压缩数据维数,减少数据计算量,进而优化特征向量。然后采用线性判别和BP神经网络的方法对茶叶的不同等级进行分类判别。结果显示,误判样本都发生在T60和T100之间,两种判别方法结果比较一致。相对于茶叶和茶底,以各等级茶水为研究对象时,两种方法对茶叶品质等级的判别及测试结果相对都比较好。     

电子鼻在危险爆炸物检测中的应用研究

利用由18个纳米氧化锌厚膜气敏传感器组成的阵列对硝铵、矿山炸药、苦味酸、2,4二硝基甲苯(DNT)这4种典型爆炸物样品进行了测量.采用动、静态相结合的采样方法考察了传感器阵列的检测能力,在动态实验中通过提取不同的特征值并利用主元分析(PCA)和聚类分析(CA)方法对数据进行了分析和识别.静态实验结果表明传感器阵列在不同浓度上对4种典型爆炸物均有不同程度的响应,该方法能检测到硝铵、矿山炸药、苦味酸的浓度低至3.34 μg/L,DNT为83.3 μg/L;动态实验结果表明提取极值为特征值对阵列进行PCA、CA分析,可使4种典型爆炸物在毫克级上能完全区分.以上结果说明电子鼻技术在危险爆炸物检测中是一种很有发展前途的实用技术.     

检测掺假牛奶的电子鼻传感器阵列的优化

目前电子鼻在食品领域已有广泛的应用,由于气味组成成分复杂,仅用单个气体传感器是无法评定气体质量的,因此气体传感器阵列应运而生.在对不同的食品进行检测时,电子鼻的传感器阵列的构成是不同的.运用PEN2便携式电子鼻对掺假牛奶进行检测,用方差分析、主成分分析和聚类分析对信号进行分析,得到由8个传感器组成的用于检测掺假牛奶的最佳传感器阵列.用这8个传感器组成的传感器阵列对掺假牛奶进行检测区分,结果用LDA方法(线性判别式分析)进行分析,在LDA分析图上,不同比例掺假的牛奶能被明显地区分.新的传感器阵列具有较少的传感器和与原传感器阵列相同的检测区分能力.     

电子鼻用于检测掺假牛奶时其传感器阵列的优化

目前电子鼻在食品领域已有广泛的应用，由于气味组成成分复杂，仅用单个气体传感器是无法评定气体质量，因此气体传感器阵列应运而生。在对不同的食品进行检测时，电子鼻的传感器阵列的构成是不同的。本文运用PEN2便携式电子鼻对掺假牛奶进行检测，用方差分析、主成分分析和聚类分析对信号进行分析，得到由8个传感器组成的用于检测掺假牛奶的最佳传感器阵列。用这8个传感器组成的传感器阵列对掺假牛奶进行检测区分，结果用LDA方法 (线性判别式分析) 进行分析，在LDA分析图上，不同比例掺假的牛奶能被明显地区分。新的传感器阵列具有较少的传感器和与原传感器阵列相同的检测区分能力。     

电子鼻牛奶质量检测的研究

利用自主研制的CN e-Nose I型电子鼻气体分析仪对多种品牌、不同新鲜程度的牛奶进行检测,并通过模式识别方法分析和识别数据.牛奶各组分经由金属氧化传感器阵列采集信号,其数据及响应曲线记录在PC端.运用主元分析和人工神经网络方法识别曲线特征,通过与新鲜高质量样本的标准数据进行比较,判断出牛奶变质程度.实验结果表明,电子鼻技术对牛奶品质的识别率较高,且具有便捷、安全等特点,是一种发展前景良好的实用技术.     

基于电子鼻区分三种致病菌的研究

旨在探讨一种快速检测致病菌的电子鼻方法。本研究利用基于金属氧化物传感器的电子鼻技术检测蜡样芽孢杆菌、单增李斯特菌和缓慢葡萄球菌三种致病菌培养液的挥发性代谢产物,结合化学计量学方法主成分分析(PCA)和聚类分析(CA)对电子鼻原始数据进行统计学分析。PCA模式识别结果显示该技术能够很好的将三种细菌在培养液中的挥发性代谢产物图谱进行区分,CA分析进一步显示单增李斯特菌与缓慢葡萄球菌的气味指纹图谱比较接近,而蜡样芽孢杆菌的图谱与它们的差异较大。研究表明该电子鼻技术有望在致病菌快速检测上得到更广泛的应用。     

仿生电子鼻在危险品检测中的应用研究进展

随着电子计算机及传感技术的发展,仿生电子鼻逐渐进入人们的视野.仿生电子鼻是模仿动物嗅觉系统,通过被探测物与传感器发生氧化还原等化学反应,并造成电子器件的响应从而检测出特定物质.近年来,经济的快速发展,带动了人员、物资的大量流动,随之带来的还有复杂的安保环境,因此也提高了对危险品检测技术的要求.仿生电子鼻因其灵敏度高、体积小、质量轻、成本低等优势,正逐渐代替大型安保检测仪器,同时也在各种传感技术领域被广泛关注,具有广阔的应用前景.本文对仿生电子鼻在爆炸物检测,易挥发、有毒、有害化合物检测,毒品检测等方面的研究进展进行综述,并展望了仿生电子鼻的未来发展趋势.     

电子鼻技术在食醋识别中的应用

利用由10个掺杂纳米氧化锌厚膜气敏传感器组成的阵列对9种食醋和乙酸溶液进行了测量.并通过主元分析、聚类分析和概率神经网络对数据进行了分析和识别.主元分析表明不同的食醋在品牌、种类、酸度等方面具有一定的相似性.聚类分析进一步研究了食醋种类之间的相似程度.利用概率神经网络对所测试的食醋进行了识别,有较高的识别率.分析表明电子鼻技术是食醋分析和识别的一种具有发展前途的实用技术.     

电子鼻判别小麦陈化年限的检测方法研究

采用电子鼻对五个储藏年限的陈化小麦进行年限分析,确定了采用电子鼻判别小麦储藏年限的最佳参数及方法.对传感器信号进行多因素方差分析可知:对于固定容器的陈化小麦样品,不同的小麦密封时间对电子鼻的响应信号的影响极为显著;其次是小麦在烧杯内的密封质量.通过静置密封时间和密封质量的方差分析,得出小麦在500 mL烧杯内的最佳静置时间为1.5 h,密封在烧杯内的小麦最恰当质量为50 g.采用以上参数,对五个储藏年限的小麦进行辨别,PCA分析可以将不同储藏年限的小麦较好的区分开来,并且五个年份的小麦自右上角至左下角依次排列;而LDA分析能够将差别年限较大的陈化小麦进行区分,差距较小的,不能够很好的区分,其区分效果不如PCA分析;进而采用BP神经网络的方法进行判别分析,训练样本正确率为100%,测试样本正确率也达到了85%以上.     

基于电子鼻技术的烤烟过程气味变化研究

为了掌握烟叶烘烤过程中气味变化的规律,用金属氧化物半导体传感器阵列组成的电子鼻对烤烟烟气进行实时监测。详细阐述了自制的电子鼻系统和实验过程,在对样本数据进行预处理后,采用主成分分析法对样本进行分析。分析结果表明:利用电子鼻技术得出的气味综合曲线能够真实有效地反映烟叶烘烤过程中的气味整体变化趋势,并且分析得出的烤烟过程中气味变化规律与现有烟叶烘烤理论较好地吻合。     

蒸发温度对电子鼻白酒评价的影响研究

采用气体传感器阵列对7种市售白酒进行了动态测量,并研究蒸发温度对白酒识别分类的影响.白酒样本分别在20,40,60,80℃蒸发后进行测量,在每个蒸发温度下结合主元分析(PCA)法,分析了传感器阵列信号与白酒的香型和酒精度特征之间的关系,以及所有白酒样本按蒸发温度划分的结果.结果表明:按香型和酒精度划分,60℃的分类结果...     

基于中红外光谱技术的非接触式气体识别电子鼻系统

为了对混合气体进行非接触式识别,基于可调谐二极管激光吸收光谱与波长调制光谱(TDLAS—WMS)技术,采用激射波长为中红外的可调谐分布反馈式量子级联激光器(DFB—QCL),设计并研制了可对被测混合气体进行实时、非接触识别的电子鼻系统。该系统采用主成分分析(PCA)和反向传播(BP)混合神经网络模式,通过LabVIEW对气体"指纹信息"数据库进行分析。实验结果表明:该系统可以区分成分为一氧化碳(CO)、甲烷(CH4)、二氧化氮(NO2)和乙烯(C2H4)的混合气体,为混合气体非接触式识别提供了一种便利方法。     

基于金属氧化物传感器阵列的小麦霉变程度检测

研制了一套由8个金属氧化物传感器组成、用于检测小麦霉变的电子鼻系统.使用该电子鼻对不同霉变程度和掺入不同百分比含量霉麦的小麦样品进行检测.通过方差分析和主成分分析优化传感器阵列并去掉冗余传感器,对优化后的数据进行主成分分析(PCA)和线性判别分析(LDA),其中PCA的前两个主成分对两类实验结果分析的总贡献率为98.30％和99.27％,LDA前两个判别因子对两类实验结果分析的总贡献率为99.68％和93.30％,且由得分图可知两种方法均能很好地区分不同的小麦样品.利用BP神经网络建立预测模型,对样品菌落总数和掺入样品中霉麦的百分比进行预测.两种预测模型的预测值和测量值之间的相关系数分别为0.91和0.94,表明预测模型具有较好预测性能.     

电子鼻检测爆炸物的研究进展

电子鼻的类型繁多,主要介绍了离子迁移检测器、分子链荧光检测器、光纤传感器、MIME型化学传感器、聚合物薄膜传感器、声表面波传感器、微机电系统.对于不同原理的检测器达到的不同的检测爆炸物效果做了简单介绍.     

电子鼻技术应用研究进展

综述了电子鼻技术在烟草行业、食品工业、精细化工、医疗诊断、环境监测等领域中的应用研究进展.表明,电子鼻技术具有广阔的应用前景,体积小、价格低的便携式电子鼻系统的研究开发应该受到重视.     

电子鼻信号特征提取与传感器优化的研究

采用PEN2型电子鼻系统对芝麻油的玉米油掺假进行定性鉴别和定量预测,运用主成分分析,逐步判别分析和Fisher线性判别函数变换对原始数据进行预处理,从而降低原始数据空间的维数,并用判别分析与人工神经网络对数据进行进一步分析,考察了不同的数据预处理方法的效果.判别分析结果表明,采用Fisher线性判别函数变换所得到的十个变量判别能力最强,误判率为0.61%,仅有1个样品出现误判.在BP神经网络的定量预测中,采用逐步判别分析所筛选出的十个变量作为网络输入,所得的预测结果最为理想,绝对误差个体值的95%置信区间最小,为(-4.71%,3.38%),均方误差为4.75,预测值与实际值之间有极显著的相关性,相关系数R=0.998 08.