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。     

电子鼻定量检测淡水鱼新鲜度的方法研究

挥发性盐基氮(total volatile basic nitrogen,TVB-N)值是定量评价淡水鱼新鲜度的重要指标之一,为了寻求更加准确检测TVB-N值的有效方法,自行设计了电子鼻系统。该系统由金属氧化物感器阵列、数据采集卡、信号调理电路以及数据采集与处理程序构成。以鲢鱼为研究对象,利用电子鼻系统对其新鲜度进行检测。以传感器阵列响应值作为自变量,以鱼肉TVB-N值作为因变量,分别采用多元线性回归(multiple linear regression,MLR)、主成分回归(principal component regression,PCR)和反向传播神经网络(back propagation neural network,BPNN)建立了TVB-N值的预测模型。通过测试样本对3种模型进行验证,MLR预测模型对TVB-N的预测值与测量值之间的相关系数R、预测标准误差SEP、最大误差百分比RE-max及平均误差百分比RE-mean分别为0.65、5.11、7.45%和5.04%;PCR预测模型分别为0.80、2.77、5.64%和3.15%;BPNN预测模型分别为0.97、1.56、3.51%和2.18%。结果表明:BPNN预测模型性能最优,PCR预测模型性能次之,MLR预测模型性能最差。该研究为定量化检测淡水鱼新鲜度的检测提供了一种有效的方法。     

电子鼻快速检测煎炸油品质

利用PEN3型电子鼻系统分析了高温煎炸过程中大豆色拉油挥发性成分的动态变化规律。大豆色拉油于180℃油浴锅控温无料煎炸,每隔6h取样电子鼻检测分析。结果发现,随着煎炸时间的延长,油中芳香苯类、氨氧化物、氨类、烷烃、硫化氢、乙醇等挥发性成分均有一定升高,尤其是氨氧化物、氨类、烷烃、硫化氢、醇类是煎炸油气味变化及品质恶化的主要来源。利用主成分分析方法(PCA)及线性判别分析方法(LDA)对不同煎炸时间的大豆色拉油进行归类区分,发现LDA分析效果优于PCA。采用负荷加载(Loadings)分析可判别不同传感器对于第一、第二主成分的贡献率及相关性,S1、S2、S3、S5、S6、S7、S8、S9等可作为优选传感器应用于分析煎炸油品质变化。因此利用电子鼻系统快速分析辨别煎炸油新鲜程度及品质是可行的。     

基于电子鼻的猪肉新鲜度的检测

为了探索电子鼻对猪肉新鲜度检测的可能性,以STM32和CC2430为核心设计了新型无线电子鼻,并对5种不同新鲜度的猪肉样品进行了分析。对数据进行平滑处理后提取稳态响应值,并分别利用主成分分析和概率神经网络建立新鲜度识别模型。结果表明,主成分分析的前2个主元累计贡献率达92.79%,分类效果明显;概率神经网络模型识别率达到100%。     

基于电子鼻的鸡蛋新鲜度检测

鸡蛋新鲜度检测十分重要,为实现无损检测鸡蛋新鲜度,该文利用电子鼻技术,通过挥发物的检测来尝试对20℃、70%RH贮藏条件下的鸡蛋新鲜度进行预测。并测量鸡蛋的理化指标(哈夫单位和蛋黄指数)作为新鲜度的衡量标准。通过线性判别分析对储藏不同天数的鸡蛋进行分类分析,发现线性判别分析能较好地区分不同储藏天数的鸡蛋,判别函数的总贡献率为75.70%;利用多元线性回归和BP神经网络分析法建立电子鼻响应信号和鸡蛋理化指标之间的关系模型,所建多元线性回归模型的相关系数达0.84以上,相对误差在8.00%左右;所建BP神经网络模型的相关系数达0.84以上,相对误差在9.00%左右。说明电子鼻技术对鸡蛋新鲜度具有一定的预测能力,该研究可为鸡蛋新鲜度的无损检测提供参考。     

基于电子鼻的鲐鱼新鲜度研究

利用电子鼻对鲐鱼在不同贮藏温度和不同贮藏时间下的挥发性成分变化进行了分析,并利用自带Winmuster软件对测得的数据进行了主成分分析(PCA)和线性判别分析(LDA);同时采用平板计数法对鲐鱼中菌落总数进行测定。结果表明:PCA和LDA分析都能很好的区分贮藏在18℃、12℃、6℃下不同贮藏时间的鲐鱼,但是LDA分析能更好地反映在不同贮藏温度和时间下鲐鱼挥发性物质的变化情况;鲐鱼在不同贮藏温度下挥发性成分分布变化趋势都存在拐点,拐点出现的时间分别是18℃的第2 d,12℃的第4 d以及6℃时的第6d,说明温度越高,到达拐点的时间也就越短;菌落总数测定试验显示菌落总数在拐点附近急剧增加,表明菌落总数的变化与挥发性成分的变化密切相关。研究表明利用电子鼻评价鲐鱼新鲜度的变化是可行的,拐点可以作为切分点。     

电子鼻快速检测区分羊肉中的掺杂鸡肉

为实现掺假羊肉的快速、客观检测,利用电子鼻定性和定量分析混入鸡肉的掺假羊肉糜。单因素试验表明顶空体积、载气流速、样品量和顶空生成时间对电子鼻传感器的响应影响极显著;主成分分析确定了电子鼻检测的较佳条件：样品量10 g、载气流速200 mL/min、顶空容积250 mL及顶空生成时间30 min。在此条件下检测混入鸡肉的掺假羊肉,结果发现采用主成分分析时,掺入鸡肉的比例随主成分一降低而增大,但相邻比例彼此重叠,难以有效区分;采用典则判别分析时,混入不同比例鸡肉的羊肉糜样品能较好地区分;采用主成分回归分析和偏最小二乘回归分析建立的定量预测模型（R2>0.95）能有效预测混入的鸡肉比例。电子鼻在混入鸡肉的掺假羊肉鉴别中具有可行性,论文可为羊肉掺假鉴别提供理论依据。     

电子鼻在小麦品质控制中的应用研究

采用PEN3型电子鼻系统对我国10个省份47个小麦样品的挥发性物质进行检测。通过Loadings分析不同传感器在模式识别中的贡献率,对传感器阵列进行优化,并对传感器的响应值进行了主成分分析(PCA)和线性判别分析(LDA)。结果表明W5S、W1S、W2S3根传感器在小麦样品的用途、产地、品种区分识别时作用都较大,W1C、W3C2根传感器贡献率较小。PCA分析可以区分面包用小麦和馒头面条用小麦,总贡献率达85.5%;也可以区分不同产地的小麦样品和同一产地不同品种的小麦样品。线性判别分析(LDA)仅可以对不同产地、不同品种的小麦样品实现部分区分,无法将不同用途的小麦区分开来。主成分分析效果优于线性判别分析。     

自制电子鼻检测霉变大米

为对不同霉变程度的大米实现快速鉴别,研制了一套以LabVIEW为平台用于检测大米霉变的电子鼻系统。通过霉菌孢子液侵染正常大米,使用该电子鼻系统对不同天数掺入不同比例霉米的大米样品挥发物进行检测,对采集数据进行主成分分析（PCA）、线性判别分析（LDA）,最后使用反向传播（back propagation,BP）神经网络建立预测模型。结果表明,得分图显示正常大米和霉变大米挥发物差异性显著,LDA分类效果优于PCA;所建立的模型预测值和实际值相关性达0.953以上,训练集和测试集平均相对误差分别为3.56%、4.18%,训练集和测试集对于正常大米样本识别率为100%。综上,电子鼻系统可以作为霉变大米无损检测的有效手段,在大米品质鉴别方面具有实际应用意义。     

采用电子鼻检测羊奶中的牛奶掺入

通过电子鼻系统检测在羊奶中掺入不同比例的牛奶的混合物中挥发性物质的响应值,利用主成分分析法(PCA)及线性判别分析法(LDA)对羊奶牛奶混合物的挥发性成分进行分析。结果表明:电子鼻各感应器对于原料羊乳和牛乳及杀菌羊乳和牛乳的反应值均不同。对于生奶和杀菌奶,PCA和LDA分析均能够区分羊奶中混入不同比例的牛奶,具有较好的区分性。     

电子鼻技术在朗姆酒分类及原酒识别中的应用研究

采用PEN3电子鼻嗅觉指纹分析系统对不同产地（中国、牙买加、古巴、危地马拉、菲律宾）的朗姆酒以及4种不同工艺原酒的香气进行了检测,分析电子鼻指纹图谱各特征峰,分别利用主成分分析方法（PCA）和线性判别因子分析法（LDA）建立了识别模型,采用传感器区分贡献率（Loadings）对传感器进行研究,确认各传感器对样品区分的贡献率大小和特征香气成分。结果表明,PEN3电子鼻不仅可以很好地区分不同产地的朗姆酒,而且对4种不同工艺的原酒也做出了较好地分类判别。     

电子鼻技术对猪肉挥发性盐基氮的预测研究

为预测不同肥瘦配比猪肉的新鲜度,对4℃恒温贮藏条件下的新鲜猪肉进行挥发性盐基总氮(Total Volatile Basic Nitrogen,TVB-N)检测和营养成分检测,同时利用电子鼻技术检测挥发性气味的信息。以传感器阵列特征值为自变量建立蛋白质、脂肪的回归预测模型,分别对不同肥瘦配比的猪肉样本建立不分类和分类2种TVB-N神经网络预测模型。结果表明:先分类再建立神经网络模型预测的效果更优,将样本进行二分类建立2个模型后,模型训练组的相关系数达0.994、0.985(p<0.01),预测组的相关系数达到0.984、0.979(p<0.01);模型的绝对误差小而且分布区间集中,训练组和预测组各有86%、62.6%的样本的绝对误差在0~1之间;训练组中没有绝对误差大于2.5的样本,预测组中仅有8.5%的样本绝对误差大于2.5。电子鼻传感器特征信号与TVB-N数据具有很强的相关性,电子鼻可以快速预测出不同肥瘦配比猪肉在贮藏期间TVB-N含量的变化,进而无损的评价猪肉的新鲜度。     

基于电子鼻对不同发酵阶段蟹酱加热前后特征风味的分析

利用PEN3电子鼻对煮制前后各发酵阶段(0、4、8、12、16、20、24、28 d)蟹酱的特征风味进行快速分析。结果表明:电子鼻的R7(无机硫化物、萜类)、R9(有机硫化物)、R6(甲基类)传感器对蟹酱样品的响应值较大,煮制前后蟹酱的特征风味均可能来自于无机硫化物、有机硫化物及甲基类物质或其相关成分。R7、R9和R6传感器响应值总体随发酵过程而发生了波动式的减小,而煮制后表现为逐渐增大。传感器载荷分析、主成分分析及线性判别式分析表明,不同发酵时间对蟹酱的风味有较大影响,电子鼻系统能够很好地区分发酵各阶段蟹酱样品,且煮制前的各阶段蟹酱呈现明显变化趋势。因此电子鼻系统可用作蟹酱发酵程度的无损检测分析,对于实际生产中的品质监控有重要意义。     

基于电子鼻和电子舌的白酒检测

研究利用电子鼻和电子舌技术快速检测白酒品质。以不同品牌、不同香型和不同比例掺假白酒为检测对象,采用主成分分析、线性判别分析和偏最小二乘法对电子鼻整体气味响应图谱和电子舌在1、10、100和1000Hz四个不同频段脉冲激发下的金、银、钨、钛四个工作电极组成的传感电极阵列响应信号进行分析。结果显示:电子舌对不同品牌和不同香型白酒的区分能力要优于电子鼻,且LDA的识别效果较PCA更好;利用偏最小二乘法建立的定量预测模型,在主成分数取5时,电子舌所建模型最优。用独立样品检验模型精度,模型预测值和参考值的相关系数为0.881。研究结果可为白酒生产和销售过程中的质量监控提供支持。     

电子鼻在不同市售醉鱼干挥发性物质识别中的应用

目的研究电子鼻在不同市售醉鱼干挥发性物质识别中的应用。方法以5种不同的市售醉鱼干为研究对象,利用电子鼻对其挥发性物质进行识别,并对采集数据进行主成分分析和判别因子分析。结果采用主成分分析可区分不同生产厂家的醉鱼干,区分指数为94;采用判别因子分析样品分散度较好,且产地对醉鱼干挥发性物质的形成仍具有一定影响。结论电子鼻能较好地识别不同市售醉鱼干的挥发性物质,具有较好的应用前景。     

电子鼻技术在不同厂家特种茉莉花茶香气判别中的应用研究

目的探讨i Nose型电子鼻在区分和判别特种茉莉花茶香气的可行性和效果。方法以福州特种茉莉花茶为对象,以i Nose型电子鼻传感器的响应值为指标,对不同厂家、不同外形的特种茉莉花茶进行判别分析。结果主成分分析结果显示,两个厂家的成品茉莉花茶能够被有效区分;同一厂家不同外形成品茶间香气风格相近,故区分不明显;窨制过程样与成品茶的香气品质存在差异,故被有效地区分。电子鼻响应值能够实现对同一外形不同厂家间、不同窨次间的区分,但区分效果因外形而异。Fisher判别分析显示,本文建立的判别函数,其回代验证正判率达到100.0%,交叉验证正判率为86.1%。结论电子鼻技术可用于特种茉莉花茶香气品质的区分和识别,可为茉莉花茶窨制工艺、产品质量控制模型的建立提供理论依据。     

基于电子鼻的鲫鱼肉新鲜度研究

利用电子鼻对冷藏（4℃）和微冻（-3℃）贮藏下的鲫鱼肉挥发性气味变化进行了研究,对所获得的数据进行主成分分析（Principal Component Analysis,PCA）和判别因子分析（Discriminant Factor Analysis,DFA）,并将样品气味感官评分和电子鼻测得的数据结合,进行偏最小二乘回归分析（PLS）,建立一种基于电子鼻的判别鲫鱼新鲜度方法。结果表明:PCA和DFA分析均能将冷藏和微冻贮藏下的样品,随贮藏时间延长,挥发性气味的变化有效区分开,第一和第二主成分累计贡献率分别达到99.797%和99.425%。DF1和DF2累计贡献率达到99.263%和97.807%。气味感官评分和电子鼻数据经偏最小二乘回归分析（PLS）,相关系数（R2）达到0.9976和0.9887,存在高度的相关性。因此电子鼻可以将冷藏和微冻贮藏下,不同新鲜度的鲫鱼区分开。冷藏样品的区分效果优于微冻样品。      

电子鼻快速检测不同煮制时间的酱牛肉风味

利用电子鼻研究煮制过程中的酱牛肉挥发性风味变化,分析其动态变化规律。利用主成分分析法、传感器的载荷分析法和线性判别式分析法对不同煮制时间的酱牛肉进行归类分析。结果表明:不同煮制时间对酱牛肉的风味有较大影响,煮制4 h获得最具特色的酱牛肉风味。     

电子鼻检测植物乳杆菌发酵草鱼中的风味物质

利用电子鼻系统对添加植物乳杆菌发酵的草鱼进行分析检测。通过电子鼻系统动态采集草鱼发酵过程中的挥发性成分,利用主成份分析和线性判断分析进行数据分析。结果表明:草鱼发酵前12h风味变化不大,发酵16h后草鱼风味变化明显,发酵结束时风味改变较小,这与感官鉴定相关性较高;线性判断分析方法呈现出良好的单向趋势,能更好地识别发酵不同阶段的风味。同时采用Loadings分析方法可以得知,传感器W1S、W1C、W3C、W 2S作用相近。     

电子鼻判别不同储藏条件下糙米品质的研究

采用德国Airsense 公司生产的PEN3 型电子鼻系统对不同储藏条件下的糙米进行分析检测。通过对传感器响应值进行PCA、LDA 方法的分析,发现PCA 和LDA 均能准确判别出不同水分含量的糙米;PCA、LDA 方法均可判别不同温度储藏的糙米样品,LDA 方法呈现出良好的集中性和单向趋势;LDA 可以很好的区分不同氧气体积分数储藏的糙米样品,并根据氧气体积分数的不同呈现出明显的规律,但总贡献率要低于PCA 方法。另外,通过方差分析发现不同储藏条件对电子鼻响应值的影响大小有所差异,顺序为水分条件＞温度＞氧气体积分数,水分和温度存在交互作用。另外,采用Loadings 分析方法可以得知传感器W5C、W1S 在检测中起到的作用最大,可以对电子鼻的传感器进行优化与选择,根据不同的具体条件选择适当的传感器阵列组合。