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。     

基于顶空气相色谱-离子迁移谱与电子鼻技术快速检测宁夏滩羊肉中掺假鸭肉

为实现掺假宁夏滩羊肉的准确快速检测,按照不同比例将鸭肉混入滩羊肉中制备掺假肉。基于顶空气相色谱-离子迁移谱（gas chromatography-ion mobility spectrometry,GC-IMS）及电子鼻结合统计学方法对掺假肉样进行快速检测。通过GC-IMS采集掺假肉气味图谱,利用主成分分析和相似度差异分析对掺假肉进行分析;采用线性判别法分析电子鼻传感器响应值,后采用多元线性回归建立电子鼻响应值与鸭肉掺假比例的定量模型。结果表明：通过GC-IMS气味图谱可直观看出掺假不同比例鸭肉的滩羊肉中挥发性有机物差异,但对于掺假比例相近的样品区分度不明显;采用线性判别分析可很好区分掺假不同比例鸭肉的滩羊肉;采用多元线性回归分析,以鸭肉掺假比例及电子鼻传感器响应值进行拟合,得到回归方程决定系数为R2=0.967 1,拟合度高,实际测定值与预测值具有较好的相关性。GC-IMS技术、电子鼻结合统计学方法可以对掺入不同比例鸭肉的滩羊肉进行鉴别。     

基于电子鼻的对掺假的"伊利"牛奶的检测

将电子鼻应用于对掺假牛奶的检测,旨在寻求一种快速有效的方法以实现对牛奶的质量监控.实验过程是纯牛奶中掺入不同比例的奶粉奶,并用电子鼻检测1～7 d的气味;纯牛奶中掺入不同体积的蒸馏水并用电子鼻检测.将检测结果用LDA和PCA方法分析.在LDA和PCA分析图中可以得出如下结论电子鼻可以准确地区分纯牛奶与奶粉奶.当纯牛奶与奶粉奶以不同的比例混合后,电子鼻根据气味的浓度区分它们.在第1～3天,LDA分析图中各组样品根据纯牛奶和奶粉奶的混合比例有规律地分布;当纯牛奶中掺入不同体积水时,电子鼻能准确地区分它们.在PCA分析图中,高浓度奶与低浓度奶被明显地区分,可以籍此来判别牛奶的浓度.电子鼻能区分存放1～4 d的牛奶,不能区分存放5～7 d的牛奶.随着存放时间的延长,电子鼻可以根据牛奶气味的变化,在LDA和PCA分析图中反映牛奶的新鲜度.     

电子鼻技术在区分酸羊奶发酵菌种中的应用

利用电子鼻技术快速区分酸羊奶的发酵菌种。通过电子鼻采集不同酸羊奶挥发成分的响应值,然后利用主成分分析（principal component analysis,PCA）、Fisher线性判别分析（fisher linear discriminant analysis,FLDA）以及BP神经网络（back propagation neural network,BP-NN）分析进行判别,建立基于电子鼻技术区分酸羊奶发酵菌种的方法。结果表明,FLDA及PCA都能够区分出不同菌种发酵的酸羊奶,FLDA区分效果优于PCA。利用FLDA和BP-NN分析预测酸羊奶发酵菌种类别的正确率分别为100.0%和98.4%。因此,利用电子鼻快速区分酸羊奶的发酵菌种是可行的。     

电子鼻结合气相色谱-质谱法对宁夏小尾寒羊肉中鸭肉掺假的快速检测

以宁夏小尾寒羊为研究对象,将熟化的鸭肉按照不同比例掺入到羊肉中制作成掺假肉样,利用电子鼻和气相色谱-质谱法对肉样进行快速检测。通过电子鼻对肉样挥发性成分的响应,利用Fisher线性判别分析,线性回归拟合分析等进行定性定量判别和模型的建立。同时利用固相微萃取结合气相色谱-质谱联用仪对样品进行检测。结果表明,Fisher线性判别分析能区分不同样品,线性回归拟合分析相关系数高达0.965,利用Fisher线性判别分析预测掺假正确率为98.2%。气相色谱-质谱法共检测到26种挥发性化合物,3-环庚烯-1-酮、3-甲基丁醛等被认为在区分不同样品中起重要作用。利用电子鼻和气相色谱-质谱法数据建立偏最小二乘模型回归方程的决定系数均高于0.950。得到传感器S1、S3、S5、S6、S8和S9的响应值与气相色谱-质谱结果具有较高的相关性。     

低场核磁技术结合化学计量学法快速检测掺假牛奶

应用低场核磁共振技术结合主成分分析法(PCA)、偏最小二乘判别法(PLS-DA)、线性判别法(LDA)对掺水、食盐、尿素和蔗糖的牛奶及纯牛奶进行测定。结果表明:在主成分得分图中,不同掺假牛奶随掺假物质的掺假比例呈一定规律性分布,并得到了很好的区分。利用PLS-DA和LDA方法建立不同掺假牛奶的判别模型,对掺水、掺尿素牛奶的判别准确率均为100%,掺食盐牛奶的判别准确率分别为83.33%和100%,掺蔗糖牛奶的判别准确率分别为73.33%和76.67%。可见PCA法、PLS-DA法、LDA法可用于快速处理分析低场核磁共振数据,并且LDA法鉴别准确率最高。     

电子鼻结合化学计量法对羊奶中蛋白质掺假的识别

利用电子鼻结合化学计量法对羊奶中的蛋白质掺假进行定性和定量的研究。用电子鼻检测掺入了不同蛋白质物质的羊奶,采用主成分分析、线性判别分析对电子鼻响应值进行定性分析,采用线性回归分析、Fisher判别分析以及K-最邻近值分析对电子鼻响应值进行定量分析。结果表明:主成分分析和线性判别分析都能够区分不同类别的掺假样品。线性回归分析的决定系数为84.5%,表明回归方程估测可靠程度较高。Fisher判别分析的原始分类的正确率达到100.0%,交叉验证的正确率为98.2%,说明其预测结果较好。K-最邻近值分析对训练集的分类正确率达到95.1%,对验证集的分类正确率为97.1%,说明模型的预测结果良好。说明应用电子鼻技术检测羊奶中的蛋白质掺假具有一定的可行性。     

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-主成分分析-线性回归拟合法检测江平虾冷藏过程中的新鲜度

利用电子鼻-主成分分析-线性回归拟合模型(electronic nose-principal component analysis-linear regression fitting model,EN-PCA-LRFM)法对江平虾冷藏过程中的新鲜度进行定性和定量分析。对不同冷藏时间的江平虾进行EN检测,记录对应挥发性成分的响应值,然后利用PCA和LRFM分别进行定性判别和定量分析,构建检测江平虾冷藏过程中新鲜度变化的EN-PCA-LRFM法。结果表明:电子鼻的S1、S3、S4、S5、S6传感器对8组样品的响应较好,45~49 s内的平均响应值可作为特征值进行分析;PCA能够对不同冷藏时间的样品进行明显区分,可用于定性分析;LRFM的决定系数为0.884 1,预测值和真实值呈现一定的线性关系,表明该模型具有较好的泛化性。基于EN-PCA-LRFM法定性和定量检测江平虾冷藏过程中的新鲜度是可行的。     

电子鼻在掺假牛肉馅识别中的应用

为了探索电子鼻对牛肉类掺假识别的可行性,利用电子鼻对牛胸肉、猪前槽肉、鸡胸肉和鸡皮样品进行了检测分析。通过对所获得的数据进行主成分分析(principal component analysis,PCA)、线性判别分析(linear discriminantanalysis,LDA),结果表明:电子鼻能够较好的识别牛胸肉馅料中掺入不同比例的猪前槽肉、鸡胸肉和鸡皮,且LDA方法的效果明显优于PCA方法。     

电子鼻对芝麻油掺假的检测

使用电子鼻系统PEN3 对芝麻油中掺入大豆油、玉米油、葵花籽油进行检测分析,分别对芝麻油中不同量的掺假进行辨别,用主成分分析(PCA)和线性判别式分析(LDA)两种方法分析。结果表明：电子鼻能够较好的识别芝麻油掺假不同比例的大豆油、玉米油和葵花籽油,而且LDA 方法比PCA 方法的效果好。PCA 方法对掺入大豆油、玉米油超过50% 和葵花籽油超过70% 的芝麻油能明显区分,而LDA 方法对芝麻油中掺入不同量的大豆油、玉米油和葵花籽油均能明显区分。     

基于电子鼻判别富士苹果货架期的研究

利用电子鼻对不同货架期内的富士苹果挥发性成分进行检测。通过雷达图和负荷加载(Loadings)分析研究主要传感器响应值的变化,利用主成分分析(PCA)、线性判别分析(LDA)模式判别方法进行数据分析。结果表明,第7、8号传感器在苹果常温货架期判别中起主要作用,而第2、7号传感器在苹果贮后货架期的判别中起主要作用。PCA、LDA方法均可准确判别常温不同货架期的苹果;与PCA相比,LDA方法可以更准确对不同贮后货架寿命苹果进行判别,并呈现出良好的集中性和单向趋势。因此,电子鼻快速判别不同货架期的苹果具有可行性。     

近红外光谱定性定量检测牛肉汉堡饼中猪肉掺假

利用近红外光谱技术结合化学计量学方法,对不同肥肉占比的解冻牛肉汉堡饼中的猪肉掺假进行定性判别建模,并建立猪肉掺假比例的定量检测模型。结果表明：对不同掺假比例样品的判别,应用偏最小二乘判别分析方法效果优于主成分分析-支持向量机方法,最优模型校正集和验证集判别正确率均为100%。应用偏最小二乘方回归法定量检测不同肥瘦比解冻牛肉汉堡饼中的猪肉掺假比例,模型校正集和验证集的相关系数Rc和Rp、验证集均方根误差分别为0.968 9、0.861 1、7.221%。因此,应用近红外光谱技术可以实现对不同肥肉占比的解冻牛肉汉堡饼中的猪肉掺假进行定性判别和定量检测。     

朴素贝叶斯分类模型在中红外光谱测原料奶掺假中的应用研究

现有常规乳与乳制品掺假检测方法主要是利用鲜乳以及所掺入物质的物理化学性质进行测定,每种方法只能检测一种掺假成分,所以比较费时、烦琐。中红外光谱具有分析快速、操作方便、成本低、对样品不造成损伤、无需前处理、再现性好、不污染环境等优点。通过朴素贝叶斯分类模型建立生鲜牛奶和掺假原料奶的判别模型,判断未知样是否属于掺假原料奶。     

基于电子舌的掺假羊奶快速定量预测模型

为实现对掺假羊奶的快速、客观辨别,模仿人体味觉感知机理研制了一套便携式电子舌检测系统,并建立了一种能够快速鉴别掺假羊奶的新方法。系统检测时,首先对样本溶液进行大幅脉冲扫描,用以获取掺假羊奶的"指纹"信息,然后利用离散小波变换(discrete wavelet transform,DWT)对"指纹"数据中的特征信息进行提取,最后在此基础上,采用主成分分析(principal component analysis,PCA)方法对不同掺假比例的羊奶进行定性辨别。采用粒子群优化极限学习机(Particle swarm optimization extreme learning machine,PSO-ELM)对不同掺假比例的羊奶进行了定量预测。通过试验数据得出,PCA对6种不同掺假比例的羊奶区分达到100%,区分效果好。PSO-ELM羊奶纯度预测模型拟合曲线非常接近实测值曲线,因此采用PSO-ELM方法建立掺假羊奶纯度定量预测模型具有较高的预测精度。     

基于电子鼻的花椒油氧化判别分析

以市售的10种花椒油为研究对象,采用电子鼻技术结合主成分分析(principal component analysis,PCA)、聚类分析(cluster analysis,CA)、线性判别分析(linear discriminant analysis,LDA)和判别因子分析(discriminant factor analysis,DFA)对不同氧化程度的花椒油进行定性判别分析,并建立相应的花椒油氧化快速判别模型。利用所建模型对40组验证样品进行判别,将判别结果与国标法所测过氧化值进行比较分析,结果表明,CA、PCA、LDA和DFA的判别正确率分别为95.0%、97.5%、100%和97.5%,说明基于电子鼻技术能够对花椒油氧化进行判别,且LDA法判别效果较好。     

电子鼻技术结合化学计量学快速鉴别掺假茶籽油

目的:建立茶籽油掺假的快速定性和定量检测方法。方法:采用电子鼻技术结合化学计量学，基于单因素方差分析筛选差异变量，通过主成分分析(PCA)和判别分析(DA)建立茶籽油掺假类型鉴别的定性模型；通过正交偏最小二乘法(OPLS)建立了茶籽油掺假类型和掺假度鉴别的定量模型。结果:模型的R²均高达0.98,RMSEE均低于0.005,RMSECV均低于0.01,具有较高性能指标。通过外部验证，DA模型对不同掺假类型的茶油样品定性识别率高达100%,OPLS模型具有良好的准确性。结论:电子鼻技术结合化学计量学能够实现茶籽油掺假的快速、无损鉴定。     

基于电子鼻系统的白酒掺假检测方法

采用自行研制的便携式电子鼻检测系统,建立了一种能够快速辨别白酒掺假的新方法。系统检测时:首先利用传感器阵列获得白酒"指纹数据",随后通过离散小波变换(discrete wavelet transform,DWT)提取反馈信息里的特征信息,然后采用主成分分析(principal component analysis,PCA)实现对不同纯度掺假白酒样品的定性判别、采用人工蜂群优化最小二乘支持向量机(artificial bee colony least squared support vector machines,ABC-LSSVM)实现对不同纯度掺假白酒样品的定量预测。结果表明,PCA对掺假白酒区分效果较好,区分正确率高达100%; ABC-LSSVM预测模型对白酒纯度具有较高的定量预测性能,其验证集中相关系数R~2为0. 933 2,平均绝对误差MRE为6. 564 3%,均方根误差RMSE为0. 023 4。该研究可为掺假白酒的定性辨别及定量预测提供技术支持。     

电子舌技术识别掺假腐肉香肠的研究

试验利用α-ASTREE电子舌系统对掺假腐肉香肠进行检测,获得电子舌传感器信号响应特征,采用主成分分析(PCA)、判别因子分析(DFA)和统计质量控制分析(SQC)进行分类辨别,建立定性和定量识别模型。研究表明,采用PCA和DFA分析法能有效对掺假腐肉香肠定性识别,采用SQC分析法,仅能对掺腐比例较高(60%以上)的香肠样品实现定量识别。结果表明:电子舌技术在掺假腐肉香肠的定性识别上具有应用潜力,可为肉制品的安全检测提供新的技术途径。     

电子鼻在芝麻油掺芝麻油香精识别中的应用

采用电子鼻对芝麻油中掺入芝麻油香精进行识别.通过对所获得的数据进行主成分分析(Principal Component Analysis,PCA)、判别因子分析(Discriminant Factor Analysis,DFA)、偏最小二乘回归分析(Partial Least-squares Analysis,PLS)和统计质量控制分析(Statistical Quality Control,SQC).结果表明:不同样品在电子鼻传感器上有不同的特征性响应图谱,电子鼻能够有效识别不同掺入比例的芝麻油样品;DFA方法的区分效果比PCA方法更好;SQC模型对于掺入芝麻油香精超过50％的芝麻油能明显区分;采用PLS对数据进行处理,电子鼻响应信号和芝麻油香精掺入比例之间有很好的相关性(相关系数为0.992 1),PLS方法能有效识别掺入比例为0％～ 100％的试验样品.试验证明电子鼻可用于芝麻油掺假的识别.