基于电子鼻技术对羊奶粉中掺假牛奶粉的快速检测

利用电子鼻技术结合多种化学计量学方法,对羊奶粉掺假牛奶粉进行了快速定性判别和定量分析。将牛奶粉按不同比例掺入到羊奶粉中,并按掺假羊奶粉与水为1∶7.2的比例配成溶液,进行电子鼻检测。通过电子鼻采集不同比例掺假奶挥发性成分的响应值,然后利用主成分分析(PCA)、Fisher线性判别分析(FLDA)以及线性回归拟合分析进行定性判别和定量分析,建立基于电子鼻技术检测羊奶粉掺假的方法。结果表明,FLDA及PCA都能够区分出不同比例的掺假奶,且FLDA区分效果优于PCA;线性回归拟合分析的相关系数为94.8%,预测值与实际掺假值呈现一定的线性关系,表明该模型具有较好的泛化能力。因此利用电子鼻实现羊奶粉掺假的快速定性判别和定量分析是可行的。     

电子鼻对不同品牌食醋的识别

以东湖陈醋、水塔米醋、海天白米醋、恒顺香醋、水塔陈醋、紫林陈醋六种食醋为实验材料,利用电子鼻技术对其挥发性成分进行检测,采用径向基函数神经网络和Fisher判别建立其预测模型。结果表明:传感器S7、S3对六种样品的响应值差异显著(p0.05),即六种食醋的硫化氢、氨类物质的含量差异显著(p0.05)。同时线性判别分析比主成分分析能更好地区分不同品牌的食醋。Fisher判别和径向基函数神经网络模型均能较好地预测不同品牌的食醋,但Fisher判别的效果更好,对六种食醋的正确判别率均为100%。由此说明利用电子鼻技术能实现食醋种类的快速识别,以维护食醋品牌的名誉和规范市场。     

电子鼻在烟用香精质量控制中的应用

利用电子鼻对9种不同的烟用香精样品进行了测试,采用主成分分析( Principal Component Analysis,PCA)以及判别因子分析(Discriminant Factor Analysis,DFA)多元统计方法对所获得的数据进行了分析,构建了质量控制模型并对样品的质量稳定性进行了评价.结果表明:电子鼻可以分辨不同香型及有一定相似性的烟用香精香料;通过对电子鼻进行合格产品的训练并建立质量控制模型,可成功识别合格产品和质量异常的样品.     

肉类电子鼻识别模型的建立

采用电子鼻对牦牛肉、牛肉和鸭肉样品进行检测,同时对经热处理的牦牛肉和牛肉样品进行分析.通过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),建立用于识别不同肉类的DFA模型,并对模型进行验证,DFA模型对于未知样品的识别率达到100%,能够有效的区分和识别牦牛肉、牛肉和鸭肉样品.电子鼻分析的结果显示,热处理对牦牛肉的挥发性物质影响较大,而对牛肉的影响较小.     

苹果品种及损伤苹果的FT-NIR鉴别研究

用傅里叶近红外光谱技术(FT-NIR)对不同品种的苹果以及损伤嘎啦和完好嘎啦进行快速、无损检测,比较不同判别方法对所建立的区分苹果品种及苹果损伤模型的影响。结果表明:损伤嘎啦和完好嘎啦的近红外图谱经小波分析预处理后,用12000～4000cm-1波数范围的前5个主成分分别结合多层感知神经网络、径向基神经网络、Fisher判别3种方法所建立的判别模型对未知样本的正确判别率分别为97.8%、87.2%和84.8%,基于权重法用多元线性回归(MLR)所选择的特征波长所建立的Fisher判别模型对未知样本的正确判别率为89.1%;用偏最小二乘判别(PLS-DA)所建立的判别模型对未知样本的正确判别率为100%,由于PLS-DA模型对训练集和验证集的正确判别率均为100%,因此PLS-DA模型优于其他模型。不同品种苹果的光谱经平滑预处理后,用全波数范围12000～4000cm-1的前6个主成分所建立的判别模型优于经验波数范围8000～4500cm-1所建立的判别模型,其较优模型对建模集和验证集的正确判别率分别为90.9%和92.1%。近红外光谱技术结合化学计量学可以快速、无损鉴别苹果是否有损伤以及不同品种的苹果。     

基于化学成分的大米国家地理标志产品模式识别与分类研究

综合运用主成分分析(PCA)和Fisher准则两类线性判别方法对广东增城丝苗米国家地理标志产品中无机元素成分、有机组成(氨基酸、脂肪、淀粉、蛋白质等)进行模式识别与聚类研究,并采用Fisher线性判别方法建立地标产品与非地标产品间的分类模型。结果表明：Fisher线性判别用于大米地理标志产品的分类与识别简单快速,在分析数据相对复杂的情况下,可快速建立分类模型并实现地理标志产品与非地理标志样本间的鉴定与识别。     

基于傅里叶近红外光谱和电子鼻技术的苹果霉心病无损检测

为研究傅里叶近红外光谱技术(Fourier transform near infrared spectroscopy,FT-NIRS)和电子鼻技术分别结合化学计量学方法对苹果霉心病的判别效果,以“红富士”霉心病苹果和健康苹果为试材,利用近红外光谱技术,基于主成分分析建立Fisher判别和多层感知器(multi-layer perceptron,MLP)神经网络模型;同时利用电子鼻技术分别结合Fisher判别、MLP神经网络和径向基函数神经网络3种化学计量学的方法建立判别模型。根据建模集和验证集的预测准确率综合考虑,基于主成分分析建立的MLP神经网络模型和电子鼻结合MLP神经网络模型对苹果霉心病的判别效果最好,验证集中的正确判别率分别达到87.7%和86.2%。说明电子鼻和近红外光谱技术均可以较好地判别苹果霉心病。     

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。     

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.     

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。     

基于电子鼻的水稻品种鉴别研究

为了实现水稻品种的快速鉴别,避免水稻品种混杂,利用电子鼻对来自同一产地不同水稻品种进行测试,获取有效信息。对获取的信息提取平均微分值和面积斜率比两种特征。采用主成分分析、Fisher判别分析及BP神经网络3种模式识别方法进行水稻品种的判别,并对3种识别方法的结果进行比较分析。结果表明:不同种类的水稻品种可以被区分开来,但BP神经网络分类效果最好,Fisher判别分析效果次之,PCA分类效果最差。因此,结合合适的特征提取方法及模式识别方法,有可能实现一种基于电子鼻技术的对不同水稻品种鉴别的简单、有效的方法。     

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。     

基于电子鼻气味指纹图谱快速鉴别茶籽油

以不同产地、不同类型、不同工艺和不同质量的茶籽油为研究对象，通过电子鼻技术获取茶籽油的风味信息，结合Loading负载分析、主成分分析（?principal component analysis，PCA）、线性判别分析（linear discriminant analysis，LDA）等对电子鼻传感器数据进行解读。通过欧氏距离（?euclidean distance，ED）、马氏距离（?markov distance，MD）和判别函数法(discriminant function method，DFA)对未知样品进行鉴别，以期建立不同茶籽油的快速、准确鉴别方法。结果表明：加工工艺极大地影响了茶籽油的气味差异，电子鼻响应值雷达图及Loading负载分析均表明W1S、W1W、W2S、W2W传感器对茶籽油样品具有较好的响应值，通过ED、MD、DFA可以识别不同类型和不同质量的茶籽油。基于PCA的LDA可以有效的鉴别不同类型的茶籽油，模型准确性高，其确定性大于99%。电子鼻技术结合化学计量学可以快速、有效鉴别不同的茶籽油并为茶籽油掺伪的快速鉴别提供了借鉴。     

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。     

Discrimination of Cocoa Beans According to Geographical Origin by Electronic Tongue and Multivariate Algorithms

Electronic tongue as an advanced and novel emerging technology has been successfully utilized for the rapid identification of cocoa beans according to their geographical locations. Seven categories of cocoa beans from Ghana were used in this experiment. Electronic tongue system was used for data acquisition while three pattern recognition methods were applied comparatively to build discrimination model. The performances of the models were cross-validated to ensure its stability. Experimental results revealed that Fisher’s discriminant analysis (FDA) is better than principal component analysis (PCA) for visualizing the cluster trends. K-nearest neighbor (KNN) model was slightly better than FDA model at an optimal performance of 100 % in the training set and 98.8 % in prediction set. Overall, support vector machine (SVM) was superior to both FDA and KNN with 100 % discrimination rate in both the training and prediction set at five PCs. This finding proves that electronic tongue technology coupled with SVM technique can rapidly, accurately, and reliably discriminate cocoa beans for quality assurance management.     

基于龙井茶香气风味特性的品质判定

结合人工感官审评和智能感官分析对4 个等级西湖龙井茶进行识别判定。通过相关性分析和主成分分析,先后建立龙井茶香气分属性权重及龙井茶香气分属性与电子鼻传感器关联性。根据龙井茶香气分属性权重及香气分属性与传感器关联性结果,对电子鼻传感器进行筛选。通过核Fisher判别分析法和K-最近邻算法进行进一步特征提取和模式分类,实现了对于训练集样本100%和测试集样本97.5%的正确识别。     

基于电子鼻和电子舌技术对不同金银花酒的鉴别分析

为鉴别不同生产类型的金银花酒,该研究利用电子鼻和电子舌技术及二者拟合技术结合人工感官评价对金银花酒样品进行检测,对所测数据进行主成分分析（PCA）、判别因子分析（DFA）,分别从气味和滋味两方面进行评价鉴别。不同生产类型金银花酒样品在电子鼻、电子舌和二者拟合结果的主成分分析中第一主成分（PC1）与第二主成分（PC2）的贡献率之和分别达到了90.97%、90.91%、95.00%;电子鼻判别因子分析总贡献率为89.72%,佐证了主成分分析结果;滋味雷达图显示小曲酿造金银花酒在鲜味上的响应度明显高于大曲酿造和大曲配制的金银花酒,这与人工感官评价相一致;以上表明电子鼻、电子舌技术能够准确的鉴别不同生产类型的金银花酒样品,可用于今后对不同金银花酒的比较分析中。     

洋葱中黄酮类化合物的分布及其抗氧化活性的研究

洋葱是黄酮类化合物含量较高的蔬菜之一,本研究对新疆产的红皮洋葱、黄皮洋葱和白皮洋葱等3个主要的洋葱品种分别采用浓度为95%和60%的乙醇溶液提取其中的黄酮类化合物,并比较了各种提取物对羟基自由基和DPPH自由基清除能力。结果表明,三个品种中的黄酮类化合物的含量以红洋葱最高,黄洋葱次之,白洋葱的含量最低,洋葱提取物的抗氧化能力与其中的黄酮类化合物的含量呈正相关关系。