基于电子鼻技术的皇冠梨腐败等级分类研究

提出一种基于电子鼻技术与模式识别方法相结合对石家庄皇冠梨品质检测的无损检测方法。采用PEN3电子鼻设备对无黑核梨与按腐败程度划分三个等级黑核梨样本进行采样,并使用图像采集系统对梨样本进行拍照留样记录。采用主成分分析(Principal Component Analysis,PCA)、线性判别分析(Linear Discriminant Analysis,LDA)降维方法与逻辑回归(Logistic Regression,LR)、支持向量机(Support Vector Machine,SVM)、梯度提升树(Gradient Boosting Decison Tree,GBDT)、XGBoost分类方法相结合对数据进行分析。其中PCA-LR、PCA-SVM、PCA-GBDT、PCA-XGBoost、LDA-LR、LDA-SVM、LDA-GBDT、LDA-XGBoost的模型在验证集上准确率分别达到了75.0%、79.4%、84.4%、91.9%、73.1%、82.5%、87.5%、95.6%,其中LDA-XGBoost的方法可以达到最佳的分类效果,准确率达到95.6%,实验表明该方法是一种快速、准确、非破坏性的无损检测方法,为皇冠梨品质检测提供新思路新方法。     

基于电子鼻和神经网络的牛肉新鲜度的检测

本文对一批新鲜牛肉进行感官评价、挥发性盐基氮检测、微生物含量检测和电子鼻检测,检测时间为冷藏第0、3、5、7、10、12、14 d。应用电子鼻第50 s的响应信号建立牛肉样品的模式识别分析模型。运用马氏距离分析牛肉样品新鲜度的变化,样品与新鲜样品间的马氏距离随冷藏时间的延长而增大,在冷藏5 d后,样品的质量有明显跃变;运用主成分分析和线性判别分析区分不同冷藏时间的样品,除第0~5 d样品有部分重合外,其他天数样品都能很好区分;利用逐步判别分析进行冷藏时间判别,正确率为96.19%;分别采用BP神经网络(BPNN)和广义回归网络(GRNN)建立牛肉冷藏天数与感官理化指标间的相关模型,实验表明GRNN模型效果较好,该模型对冷藏时间、挥发性盐基氮(TVBN)、细菌总数和感官得分的预测误差Se分别为1.36 d、4.64?10-2 mg/g、1.61×106cfu/g和1.31。     

仿生电子鼻在芝麻油掺伪检测中的应用研究

研究并设计了一套电子鼻系统,并将基于生物嗅觉的模糊神经网络作为其模式识别算法。将该仿生电子鼻系统应用于芝麻油掺伪的检测中。实验结果显示,该系统在预测精度、收敛速度及运行时间上都取得了较好的效果,可为芝麻油以及其他农产品的在线动态监测及保真提供快速、有效的手段。     

电子鼻检测技术研究进展

电子鼻作为一种仿生嗅觉检测器,经过十多年的发展,越来越受到人们关注。针对目前电子鼻技术的关键点和热点,文章从传感器阵列种类、信号处理和模式识别算法3个方面对目前的研究现状进行了综述。比较了电子鼻3种常用的传感器阵列,并介绍了电子鼻信号处理的方法和主要的4种算法及各自优劣性。对于模式识别方法,从线性和非线性,有监督和无监督的角度选择了3类运用较为普遍的算法,分析了每类算法的特点以及适用范围。同时,讨论了目前电子鼻技术存在的不足,对电子鼻未来的研究发展做出了展望。     

基于电子鼻与LightGBM算法判别葡萄酒品种的研究

针对葡萄酒的鉴别问题,通过电子鼻采集7种葡萄酒的气味信息,应用LightGBM算法对葡萄酒的气味特征进行学习,并运用TPE超参数优化算法对LightGBM算法超参数进行自适应寻优,以5折交叉验证为指标评估模型的性能。试验结果表明LightGBM建立的判别模型对葡萄酒样本的判别准确率为96.62%,优于传统的支持向量机、随机森林、神经网络,验证了LightGBM在葡萄酒品种鉴别中的优越性。     

电子鼻在食用油鉴伪中的应用进展

电子鼻作为一种快速无损的新型检测技术,广泛应用于食品检测监测领域,近年来在食用油检测中的应用研究也越来越多.主要从采样方式、检测系统以及模式识别技术等方面总结国内外的研究现状,为电子鼻在食用油检测中的应用提供参考.     

基于BP神经网络的电子鼻羊奶贮藏时间的预测

利用电子鼻PEN3系统判定室温和冷藏条件下羊奶的贮藏时间。通过电子鼻系统采集羊奶室温贮藏及冷藏期间挥发性成分的响应值,并采用PCA（主成分分析法）、LDA（线性判别分析法）和LM算法优化的BP神经网络（LM-BP）、遗传算法优化的神经网络（GANN）、4层BP神经网络进行模式识别。结果表明PCA和LDA均可区分室温贮藏及冷藏1～6d的生鲜羊奶,LDA方法还可以明显体现出羊奶贮藏期间挥发性成分的变化趋势,并且与羊奶酸度的变化有很好的一致性。采用LM-BP神经网络、GANN神经网络和4层神经网络均能较好地预测不同贮藏时间的羊奶,其中4层神经网络的预测正确率高于LM-BP神经网络和GANN神经网络。      

基于BP神经网络的电子鼻羊奶贮藏时间的预测

利用电子鼻PEN3系统判定室温和冷藏条件下羊奶的贮藏时间。通过电子鼻系统采集羊奶室温贮藏及冷藏期间挥发性成分的响应值,并采用PCA(主成分分析法)、LDA(线性判别分析法)和LM算法优化的BP神经网络(LM-BP)、遗传算法优化的神经网络(GANN)、4层BP神经网络进行模式识别。结果表明PCA和LDA均可区分室温贮藏及冷藏1～6d的生鲜羊奶,LDA方法还可以明显体现出羊奶贮藏期间挥发性成分的变化趋势,并且与羊奶酸度的变化有很好的一致性。采用LM-BP神经网络、GANN神经网络和4层神经网络均能较好地预测不同贮藏时间的羊奶,其中4层神经网络的预测正确率高于LM-BP神经网络和GANN神经网络。     

基于PSO-SVM的白酒品质鉴别电子鼻

研制一套白酒品质识别电子鼻,对检测样品的气味数据进行预处理,提取稳态响应值,并作为支持向量机(support vector mchine,SVM)分类模型的输入.为提高识别的准确度,利用粒子群算法(particle swarm optimization,PSO)来优化SVM的参数c和g.不同品质的白酒所对应的电子鼻传感器响应特性不同,PSO- SVM分类模型的识别准确率达到了97.5％.结果证明基于PSO-SVM分类模型具有较强的学习能力和泛化能力,可用于白酒品质鉴别电子鼻.     

基于流速调制的电子鼻系统开发及其在黄酒酒龄分类中的应用

一种基于流速调制的电子鼻系统,在流速可变的情况下,通过改变进气流速来扩大传感器对不同气体的响应范围,以此来提高识别正确率,缩短检测时间。应用改进的自适应主成分分析算法(Adaptive Principal Component Analysis,AD-PCA)对黄酒酒龄进行分类来验证此电子鼻系统,并将该算法的结果与支持向量机算法(Support Vector Machine,SVM)和误差反向传播神经网络算法(Back-Propagation Neural Network,BPNN)的结果进行对比,实验结果表明:对于5种不同酒龄的黄酒,AD-PCA得到的平均正确分类率为93.6%,SVM得到的平均正确分类率为92%,BPNN得到的平均正确分类率为100%,与固定流速相比,可以在保证较高准确率的基础上做到快速分类,并且有效缩短检测时间。     

基于粘度及气味评价稻米陈化劣变的程度

为探寻大米陈化劣变程度的评价指标,为大米食用品质的评估提供方法,研究以快速粘度分析仪(RVA)和电子鼻为测量手段,表征大米陈化过程中品质随陈化时间的变化规律。结果表明,在0~8个月内,成糊温度随着陈化时间的延长而显著升高;在2~8个月内,回生值显著升高,并伴随着峰值粘度和衰减值的明显降低。此外,电子鼻对大米在0~6个月内发生的气味变化可以清楚地予以区分。由RVA获得的成糊温度、回生值、衰减值和峰值粘度四个参数以及电子鼻可以用于区分非极端陈化程度的大米,这对于监测和控制大米及其制品的品质具有重要的实际意义。      

提高食醋电子鼻识别率方法的研究

以两种不同品牌的山西食醋为样品,通过对电子鼻测定数据的区间分析,确定样品处理方式,并采用正交试验方法对传感器的选用进行优化并建立模板;用欧氏距离、相关性、马氏距离和判别函数分析同时鉴别新样品的归属,误判率明显降低（由18.2%降低为5.4%）,识别率得到较大提高（由81.8%提高至94.6%）。     

基于电子鼻评价米饭风味的富硒稻米生产方法优化

为揭示富硒稻米饭的风味特性、指导富硒稻米的生产,在黄花粘水稻的不同生长期喷施不同浓度的硒营养液,收集其成熟稻谷,制成精白米。采用原子荧光分光光度计测定稻米的硒含量,采用电子鼻技术检测其蒸煮米饭的主要挥发性气味物质种类及其产生量。结果表明,5种喷硒实验方法都可制备出300μg/kg以上硒含量的富硒稻米(K1C3、K2C3、K3C3、HFC1、HFMC),其中在灌浆期喷施1次60 mg/L硒营养液所得稻米样品K2C3的硒含量最高,高达1 330μg/kg;5种富硒稻米饭的挥发性气味物种类及其对电子鼻传感器的响应趋势相同,含硫有机化合物(S7)>芳香族化合物(S9)>氮氧化物(S2)>甲烷(S6),但气味物质的产生量不与硒含量呈正相关,而与喷施硒液时的水稻生长期和硒浓度有关。综合考虑富硒稻米饭的硒含量、米饭的风味物质产生量以及喷硒劳动成本,生产富硒稻米的最佳方法是在水稻灌浆期喷施1次60 mg/L硒营养液。     

电子鼻检测虾新鲜度的研究

用电子鼻技术检测了虾在不同实验条件下挥发性成分的变化,考察了保存温度和时间对虾挥发性成分的影响。通过对在4℃保存5d、-10℃保存20d、-15℃保存60d的虾样品进行电子鼻检测得出:电子鼻输出信号随采集时间的延长而增加,对输出信号与采集时间的关系进行数据分析,发现电子鼻输出信号与采集时间呈线性关系,可以用其斜率表示各个样品的特征值;电子鼻输出信号的特征值随虾样品保存温度的升高而增加,也随保存时间的延长而增加。初步实验研究表明,在不同实验条件下,虾挥发性成分发生变化,电子鼻可检测到这些变化,可尝试用电子鼻技术评价虾新鲜度的变化。     

用于酒类识别的电子鼻研究

开发了一个能识别酒类的电子嗅觉系统。该系统基于一个由３只具有不同宽谱气敏响应特性的金属氧化物传感器组成的阵列,并由３层前馈神经网络用于分析传感器阵列的输出数据,神经网络采用Ｌevenberg-Marquardt算法训练后,电子嗅觉系统能成功地识别酒精、烈性酒、葡萄酒和啤酒,正确识别率可达９５％。     

电子鼻在食品工业中的应用

论述了电子鼻的产生背景、原理、结构、研究现状及其在食品工业中的应用。     

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。      

基于GC-MS和电子鼻技术的大米挥发性风味成分分析

以8种市售大米为研究对象,利用顶空固相微萃取气相色谱质谱联用技术(solid-phase microextraction,SPME/gas chromatography-mass spectrometer,GC-MS)和电子鼻分析了大米中的挥发性物质,旨在鉴定粳米和籼米的特有香气,并比较两者差异。实验结果表明:运用电子鼻技术和主成分分析(principal component analysis,PCA)能有效区分不同品种大米,粳稻和籼稻在挥发性成分上差异明显。在此基础上,通过GC-MS定性定量检测大米中的挥发性成分,籼米的挥发性成分(149种)多于粳米(94种),籼稻中挥发性物质最多的是茉莉香米,粳稻中挥发性物质最多的是稻花香米。壬醇、癸醇和2-乙基-1-己醇等醇类物质只存在于籼米中,而2-环己酮和2-癸酮等酮类物质只在粳米中检测到,可能是这些物质导致了两个大米种类香气的差异。粳米和籼米中的重要风味物质主要是醛类、酮类和醇类,如己醛、辛醛、壬醛、苯甲醛、2-戊基呋喃等物质在粳米和籼米中都存在,这些挥发性成分阈值小,对大米特征香气的形成起重要作用。研究结果可为大米的产地及品种鉴别提供一定的参考价值。