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。     

红肉火龙果贮藏期间气味监测及桃吉尔霉对气味的影响

目的 监测贮藏条件下火龙果挥发性气味变化及桃吉尔霉(Gilbertella persicaria)侵染果实后气味的改变。方法 以红肉火龙果“紫红龙”为实验材料, 采用电子鼻对室温贮藏条件下火龙果和接种G. persicaria病原菌后的火龙果的挥发性气味变化进行检测。对不同传感器的响应值进行主成分分析(principal component analysis, PCA)、线性判别分析(linear discriminant analysis, LDA), 并通过载荷分析(loading analysis, LA)明确了传感器的贡献率。结果 PCA和LDA均能准确判别出火龙果果实在贮藏期间的挥发性气味变化以及果实被G.persicaria侵染后气味的改变, 载荷分析方法显示出W1S和W1W传感器在火龙果贮藏期间起主要作用, 而在识别病原菌感染后气味改变时起作用的主要是W1W和W2W传感器。结论 电子鼻检测技术可以快速区分火龙果果实贮藏时间及G. persicaria侵染后果实气味的变化。     

基于电子鼻评价不同贮藏期蜜桔鲜榨汁品质的研究

为建立一种快速无损检测蜜桔鲜榨汁品质的方法,将宫川蜜桔(satsuma mandarins)置于20℃、相对湿度85%条件下贮藏,每3 d随机选取10个果实制成汁,利用PEN3电子鼻检测其香气,同时测定其主要品质指标并进行相关性分析。通过主成分分析(Principal Component Analysis,PCA)、线性判别分析(Linear Discriminant Analysis,LDA)对不同贮藏时间的蜜桔进行区分。结果显示:电子鼻传感器响应值与蜜桔鲜榨汁可溶性固形物含量和VC含量显著相关;线性判别分析能较好地区分出不同贮藏时间的蜜桔;负荷加载分析(Loading analysis)结果显示,传感器W1S(主要对甲烷灵敏)、W2S(对乙醇灵敏,也对部分芳香型化合物灵敏)和W2W(对芳香成分和有机硫化物灵敏)在蜜桔鲜榨汁品质评价中起主要作用。结果表明利用电子鼻技术有望实现对蜜桔鲜榨汁品质的快速无损检测。     

基于电子鼻技术鉴别陇南初榨橄榄油

为了快速简便地鉴别同一品种不同果实成熟度和不同品种同一果实成熟度的初榨橄榄油,运用电子鼻传感器分析技术结合Loadings负荷加载分析、线性判别分析（LDA）等数据处理技术对结果图谱进行解析,并通过欧氏距离分析（EDA）、相关性分析（CA）、马氏距离分析（MDA）和判别函数分析（DFA）验证模型的准确性。结果显示：电子鼻响应值雷达图及Loadings负荷加载分析均表明W5S、W2W、W1W、W1S传感器对样品有较好的信号响应,通过LDA分析建立的特征图谱可有效鉴别区分被试样品,其识别确定性大于96%,所建模型准确可靠,电子鼻技术可用于同一品种不同果实成熟度和不同品种同一果实成熟度初榨橄榄油的识别。     

基于电子鼻分析的南美白对虾品质变化研究

利用电子鼻识别技术检测南美白对虾在不同贮藏温度下的挥发性成分变化,运用主成分分析(PCA)、线性判别分析(LDA)和Loading分析法,结合虾肉pH、TVBN含量变化,判定南美白对虾的新鲜程度与货架寿命。结果表明,贮藏过程中南美白对虾pH、TVBN呈不断升高的趋势;5℃和0℃组分别贮藏4 d和6 d后,肌肉TVBN含量超过国家限量标准。电子鼻传感器响应分析发现,PCA和LDA均能较好的判别不同贮藏时间的对虾样品,且LDA分析总体贡献率略高于PCA分析;Loading分析传感器负载参数值依次为:W5S>W1S>W2S>W3S,即在贮藏过程中对虾挥发性氮氧化合物、甲烷、乙醇及烷烃类物质发生了显著性变化,可依此类物质变化情况判定样品的鲜度及腐败进程。     

基于电子鼻技术的秋刀鱼新鲜度评价

采用德国PEN-3型便携式电子鼻收集4℃冷藏条件的秋刀鱼挥发性风味信息,并对收集的风味信息进行传感器载荷分析(loadings analysis)、线性判别分析(linear discriminant analysis,LDA)和主成分分析(principal component analysis,PCA),其结果与秋刀鱼感官评价、p H值、挥发性盐基氮(total volatile basic nitrogen,TVB-N)值和菌落总数等指标进行相关性分析。结果表明:秋刀鱼的气味随着贮藏时间的延长发生变化,其中氮氧化合物、有机硫化物和无机硫化物等电子鼻传感器的响应值变化最为明显;电子鼻分析结果与感官、p H值、TVB-N值和菌落总数分析结果显著相关,表明电子鼻检测技术可用作秋刀鱼新鲜度快速判别的一种新型检测方法。     

电子鼻检测复合涂膜对中国对虾保鲜的影响

利用壳聚糖、ε-聚赖氨酸、卡拉胶对中国对虾进行涂膜,研究电子鼻对不同涂膜处理的中国对虾气味响应,并与感官评价、挥发性盐基氮(TVB-N)进行对比分析,建立一种基于电子鼻技术的对虾新鲜度评价方法。研究结果显示,电子鼻能够区分不同涂膜处理的中国对虾,且结果与感官评价、TVB-N值结果一致。此外,负荷加载分析(Loadings)显示,不同传感器对主成分的贡献率不同,传感器W1W(无机硫化物)和W2W(有机硫化物)对第一主成分贡献率较大,W5S(氮氧化合物)和的W1S(烃类物质)传感器对第2主成分贡献率较大。电子鼻对中国对虾贮藏期间气味有较好的响应,因此可以采用电子鼻系统评价中国对虾的新鲜度。     

不同压力处理大米制得米饭冷藏期间风味变化的电子鼻分析

采用电子鼻测定了不同压力处理大米制得米饭冷藏期间的挥发性成分,探讨电子鼻用于检测米饭风味成分、区分不同冷藏时间米饭的可行性及超高压处理对米饭冷藏期间风味变化情况的影响。大米在温度40℃、米水比(w/w)为1∶2的条件下浸泡40min,并在15℃下分别经200、400、600MPa处理10min,以未经超高压处理的大米作为对照组,将其蒸煮15min制成米饭,保鲜膜密封后置于4℃下贮藏,冷藏期间每天采用PEN3电子鼻对米饭进行测定。采用主成分分析法(PCA)、传感器贡献率分析法(LA)、线性判别式分析法(LDA)分析了米饭冷藏期间的挥发性成分,并建立了特征雷达图。结果表明:压力对米饭冷藏期间甲烷、硫化物、乙醇、芳香类及有机硫化物的产生有较大影响,贮藏期间200MPa米饭甲烷、硫化物、乙醇的产生量最高,600MPa米饭硫化物、芳香类及有机硫化物的产生量最低;W5S、W1W是识别米饭挥发性成分的主要传感器;电子鼻对米饭的挥发性物质反应比较灵敏,可用于米饭挥发性物质的无损检测;PCA分析可区分不同贮藏天数的对照或600MPa米饭,LDA分析可区分不同贮藏天数的400MPa或600MPa米饭。     

电子鼻对不同贮藏/货架期甜柿判别分析

利用电子鼻对不同贮藏/货架期内的甜柿挥发性成分进行判别分析。采用主成分分析(PCA)、线性判别分析(LDA)模式判别方法进行数据分析,通过负荷加载(Loadings)分析研究主要传感器响应值的变化。结果表明,LDA方法有效区分常温和贮后不同货架期的甜柿,对低温贮藏期间的甜柿区分效果稍差。传感器W2S(乙醇类)、W1W(萜烯类)在甜柿常温货架期和低温贮藏期判别中起主要作用,而传感器W2W(芳香成分和有机硫化物)、W1W(萜烯类)在甜柿贮后货架期的判别中起主要作用。     

基于电子鼻表征霉心病苹果特征气味及无损检测模型建立

为探究电子鼻检测技术对霉心病苹果的判别效果,以富士健康苹果和霉心病苹果为试材,基于SIMCA软件对采集的不同病变程度霉心病苹果的电子鼻信息进行表征,基于SPSS 23.0软件建立霉心病苹果Fisher函数、多层感知器神经网络(muhilayer perceptron neural network, MLPNN)和径向基函数神经网络(radial basis function neural network, RBFNN)判别模型。结果表明,健康果的特征传感器有W5C、W1C和W3C,重度果的特征传感器有W1S、W2S、W1W和W5S;MLPNN模型的判别效果最好,其对训练集和验证集的总体预测判别率分别为88.61%和88.46%;RBFNN模型的判别效果次之,其对训练集和测试集的总体预测判别率分别为93.50%和80.95%;Fisher判别函数判别效果最差,其对训练集和验证集的总体预测判别率分别为91.50%和79.27%。另外,3种判别模型对健康果和重度果都有很好的判别效果,对健康果和轻度果的判别效果不理想,需要在今后的研究中进一步优化。     

葡萄冷藏时间对贮后货架期芳香物质的影响

为明确冷藏时间对葡萄贮后货架期芳香物质的影响,以‘无核寒香蜜’葡萄为试材,运用顶空固相微萃取-气相色谱-质谱（head space solid-phase microextraction and gas chromatography mass spectrometry,HS-SPME-GCMS）联用技术检测冷藏15、45 d出库后常温货架期间（0、3、6 d）挥发性成分的变化,并采用电子鼻对不同冷藏期（15、30、45、60 d）出库后常温货架的果实进行判别分析。结果表明,葡萄的挥发性成分主要由酯类、醛类和醇类组成,主要挥发性成分为乙酸乙酯、青叶醛、正己醇、叶醇、香茅醇。冷藏45 d后常温货架期间酯类和醇类物质的相对含量均低于冷藏15 d同期果实,醛类物质则较高。电子鼻结果表明,通过线性判别分析可以有效区分不同冷藏期的葡萄,贮后货架期间,除冷藏15 d出库后0、3 d货架重叠外,其余冷藏期货架期间均互不重叠,即随着贮后常温货架的延长,葡萄中挥发性成分变化较大,电子鼻区分效果越加明显;负荷加载分析分析得出,W1W（硫化氢、萜烯类）、W1S（芳香成分）、W2S（乙醇）传感器对挥发性气味的贡献较大,与HS-SPME-GC-MS分析相佐证。因此,HS-SPME-GC-MS结合电子鼻对葡萄冷藏时间及贮后货架期的芳香物质判别具有可行性。     

Discrimination of storage shelf-life for mandarin by electronic nose technique

Over the past years, electronic nose technology opened the possibility to exploit information on aroma attribute to assess fruit ripening stage during storage. The objective in this study was to evaluate the capacity of electronic nose in monitoring the change in volatile production of mandarin during different storage treatments, and storage shelf-life of mandarin was evaluated by measuring the change in volatile production of mandarin using electronic nose device (PEN 2). By comparing, storage shelf-life of mandarin was better distinguished using Linear Discriminant Analysis (LDA) than Principal Component Analysis (PCA). PCA and LDA analysis were efficient to classify mandarin with the same storage time in its respective groups; but the methods are not efficient to separate the mandarins by different storage times. The correlation between the measured and predicted values of fruit quality attribute (such as soluble solid content, acidity and compression force) shows poor to reasonable prediction performance by means of electronic nose signals. The results prove that sensors 2, 7 and 9 in the electronic nose PEN 2 for mandarin have a higher influence in the current pattern file. Hence, nearly a subset of few sensors can be chosen to explain all the variance. This result could be used in further studies to optimize the number of sensors and find better performance.     

电子鼻分析技术在白酒品质检定中的应用研究

通过应用德国AIRSENSE公司生产的电子鼻系统PEN3对4个不同质量等级的清香型大曲酒进行挥发物特征响应分析、PCA分析、LDA分析、LOADING分析,其中PCA主成分析区分贡献率可达99.986%,LDA分析第一、第二主成分总的区分贡献率达96.872%,可以较显著的区分酒样,其中10个传感器中贡献最大的两个是W5S与W1W。     

基于电子鼻技术判定冷鲜罗非鱼片品质劣变进程

应用电子鼻采集贮藏过程冷鲜罗非鱼片顶空挥发性气味,同步进行感官评价、微生物和理化分析。结果表明：传感器响应信号随着鱼片气味浓度增大而增大,且对不同新鲜度气味有良好响应。线性判别(LDA)比主成分分析(PCA)更能有效区分鱼片的不同新鲜度、微生物及挥发性盐基氮含量,表明电子鼻可快速检测鱼片的品质劣变进程。通过负荷加载分析和相关分析表明,W2W、W1W、W1S、W2S对区分冷鲜罗非鱼片不同新鲜度的贡献较大,并与感官可接受性、菌落总数和挥发性盐基氮的相关性良好,可作为今后研制鱼用电子鼻系统精选传感器的理论参考。     

电子鼻技术在兼香型白酒年份区分中的应用研究

采用电子鼻技术分析不同年份兼香型白酒中的香气物质,通过特征响应分析、主成分分析（PCA）、线性判别分析法（LDA）和方差分析法（ANOVA）,优化出了可以区分识别年份酒的操作条件,分别为酒精度14%vol、加热温度40 ℃、加热时间30 min。结果表明,10个传感器中贡献最大的三个是W5S、W1S和W2S,LDA的区分识别效果要优于PCA。在优化后的实验条件下,对兼香型各年份酒进行电子鼻检测分析,其结果表明LDA对原始数据信息的保留量达到了96.78%;逐步线性判别分析得出储存期为12年内的酒样能获得100%的准确率,超过12年的储存年份也能获得较高的准确率,因此电子鼻技术对兼香型各年份酒具有良好的区分效果。