电子舌在鲜榨橙汁掺假识别中的应用研究

在鲜榨橙汁中分别添加不同比例的橙汁饮料,采用电子舌检测技术对其口味进行识别,对传感器所获得的响应信号进行主成分分析(PCA)、辨别因子分析(DFA)和偏最小二乘回归分析(PLS)。与PCA相比,DFA对样品的区分效果更好,随着掺假比例的增加,样品分布呈现一定的规律性;PLS分析法显示:橙汁饮料的不同掺入比例与电子舌响应信号有较好的相关性,相关系数为0.963 8;PLS模型预测误差值在1.85%~2.20%。证明电子舌技术能够有效的用于鲜榨橙汁掺假的鉴别。     

基于伏安电子舌的枸杞产地快速辨识

提出一种基于希尔伯特—黄变换(HHT)—线性判别分析(LDA)的枸杞产地电子舌辨识方法。以宁夏、新疆、甘肃、青海4个产地的枸杞为试验材料,采用伏安电子舌采集不同产地枸杞的"指纹图谱"信息,利用集合经验模态分解(EEMD)对电子舌原始信号进行多尺度分解得到一组本征模态函数(IMF),分别求取其奇异谱熵和Hilbert边际谱作为特征向量。在该基础上,利用LDA建立枸杞产地非线性组合预测模型。试验结果表明,HHTLDA与分别采用特征点提取(FPE)、主成分分析(PCA)和离散小波变换(DWT)的算法相比,具有更好的分类效果。对未知产地枸杞的总体分类精度和kappa系数分别达到98%和0.973,均表明该模型具有较好的鉴别效果。     

采用电子舌法检测橙汁及白酒的品牌及纯度

模仿人类味觉感知机理,研制了一套基于虚拟仪器和物联网的饮料质量电子舌检测系统。系统检测时,首先利用传感器阵列对样本进行大幅脉冲扫描,以获取对各类橙汁及白酒的味觉"指纹"数据,随后采用离散小波变换(discrete wavelet transform,DWT)提取反馈信息中的特征值信息,然后通过主成分分析(principal component analysis,PCA)、偏最小二乘回归分析(partial least squares regression,PLSR)实现对多种橙汁及白酒的定性和定量分析。分析结果通过物联网上传至服务器,用户可使用手机等终端对检测结果进行查询,以实现检测结果的信息共享。将电子舌系统分别应用于橙汁、白酒品牌的区分与纯度检测,结果表明,系统对不同品牌的橙汁、白酒识别率均达到100%,纯度预测模型预测集决定系数R2分别为0.985和0.998,模型相对分析误差RPD分别为2.894和3.272,该系统具有检测速度快、操作简单、成本低廉、稳定可靠、结果易于查询等优点。     

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。     

基于电子舌及一维深度CNN-ELM模型的普洱茶贮藏年限快速检测

采用伏安电子舌对不同贮藏年限的普洱茶进行快速检测。将深度学习技术引入到电子舌的模式识别中,提出一种基于一维卷积神经网络(1-D CNN)与极限学习机(ELM)组合的模式识别模型(1-D CNN-ELM)。采用该模型结合伏安电子舌对5种不同贮藏年限的普洱茶进行分类鉴别,结果表明,与传统基于离散小波变换(DWT)结合支持向量机(SVM)或极限学习机(ELM)的模型相比,1-D CNN-ELM对普洱茶贮藏年限的分类效果更优,其测试集准确率、精确率、召回率和F1-Score分别达到98.32%,98.0%,98.0%,0.98。试验表明深度学习方法适用于对电子舌信号进行模式识别处理,且具有较高的分类准确性和泛化能力。     

电子鼻和电子舌快速检测炖制下牛肉的品质

通过电子鼻和电子舌对冷鲜牛肉外脊和大黄瓜条的不同加热温度70、80、90、100、110、120℃炖煮3 h的风味物质进行测定,将数据进行主成分分析(Principal Components Analysis,PCA)、线性判别分析(Linear Discriminant Analysis,LDA)、判别因子分析(Discriminant Factor Analysis,DFA)雷达图分析。结果显示:不同部位牛肉会产生很大的影响,电子鼻能够很好地分析出不同炖煮温度下外脊和大黄瓜条的风味,LDA比PCA能够更好的区分出风味的变化。电子舌能够很好地分析不同炖煮温度下外脊和大黄瓜条的风味得到DFA很好地分辨出口感变化,雷达图能直观的展现出物质成分。     

基于电子舌和电子鼻结合DenseNet-ELM的陈醋年限检测

目的：实现陈醋酿造年限的快速检测。方法：采用电子舌(ET)和电子鼻(EN)结合密集卷积网络—极限学习机(DenseNet-ELM)模型对陈醋酿造年限进行快速检测,设计两种不同结构的密集卷积神经网络模型ET-DenseNet和EN-DenseNet,分别提取电子舌和电子鼻信号的特征信息,进而采用特征级信息融合方法,获得两种人工感官设备的融合特征向量,然后采用极限学习机(ELM)对融合的特征向量进行分类识别。结果：DenseNet能够有效提取到电子舌和电子鼻信号中深层特征,其特征提取能力优于离散小波变换(DWT)和卷积神经网络(CNN);相比于单独使用电子舌或者电子鼻,信息融合方法对不同年限陈醋检测的准确性和鲁棒性更优,其测试集准确率、查准率、召回率、F1-Score分别达到99.1%,0.98,0.99和0.99。结论：采用密集卷积网络缓解了深度学习模型由于深度增加导致的模型退化、泛化能力弱等问题,可对7种不同酿造年限的陈醋进行有效分类。     

电子舌对橙汁感官品质定量评价研究

尝试采用电子舌技术对橙汁感官品质进行快速定量评价。试验以3类20种品牌橙汁为研究对象,以人工感官评价结合模糊数学评价橙汁感官品质,获得各个感官指标得分值;同时采集样本的电子舌传感器数据。利用因子分析法确定橙汁各感官指标的权重,根据权重得出橙汁感官品质的总得分。然后对比采用偏最小二乘法和BP神经网络建立电子舌传感器响应值与感官品质总得分值之间的定量预测模型。结果显示,因子分析法可以有效分析不同类型橙汁的感官指标,得到色泽、香气、酸度、甜度、苦涩味、体态的权重分别为0.15、0.06、0.20、0.24、0.15、0.20。当采用主成分数为3,建立的BP神经网络模型效果最优。模型预测集中预测值与参考值的相关系数为0.93;预测集均方根误差为0.20。研究结果可为橙汁感官品质的智能化评价提供参考。     

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。     

电子鼻和电子舌技术在五倍子蜂蜜风味识别中的应用

为实现不同产地五倍子蜂蜜的快速识别,采用德国AIRSENSE公司的PEN3型电子鼻系统和日本INSENT公司的味觉分析系统对贵州12个不同地区五倍子蜂蜜进行检测,通过主成分分析（Principal Component Analysis,PCA）、线性判别分析（Linear Discriminant Analysis,LDA）、传感器区分贡献率（Loadings）分析等,从气味和滋味方面对不同产地五倍子蜂蜜进行识别。不同产地的五倍子蜂蜜在电子鼻PCA分析、LDA分析中第一和第二主成分贡献率之和分别为99.90%、87.05%,Loadings分析发现气味差异主要来自于无机硫化物类、氮氧化物类、有机硫化物类、醇醚醛酮类等;在电子舌PCA分析中第一和第二主成分贡献率之和为99.35%,通过雷达图离散程度可知,不同地区五倍子蜂蜜在酸味、甜味、苦味上的差异较大。电子鼻和电子舌技术均能区分不同产地的五倍子蜂蜜,可用于今后蜂蜜的鉴别分析中。     

基于电子舌检测快速判别不同物种畜禽骨蛋白肽

目的:为深入了解畜禽骨蛋白肽的滋味特征及其差异,探究电子舌快速判别鉴定不同物种畜禽骨蛋白肽的可行性.方法:取牦牛骨蛋白肽(yak bone peptides,YBPs)、黄牛骨蛋白肽(bovine bone peptides,BBPs)、猪骨蛋白肽(pig bone peptides,PBPs)、鸡骨蛋白肽(chick...     

电子鼻和电子舌在分析桑果汁风味上的应用

为了探寻一种准确、快捷鉴别桑果汁风味的方法,以市售不同品牌的桑果汁为研究对象,比较了电子鼻、电子舌分别对其气味、滋味分析的差异,明确2种仪器在区分不同品牌桑果汁上的作用。结果表明,电子鼻对桑果汁气味分析显示其差异主要存在于甲基类、硫化物、氮氧化合物、有机硫化物、醇类与醛酮类、芳香成分等化合物上,主成分分析累计方差贡献率达99.905%,各样品判别指数在0.977~1.000之间,说明电子鼻能准确区分不同桑果汁样品。电子舌对桑果汁滋味分析显示其差异主要存在于酸味、苦味、鲜味和咸味上,主成分分析时部分样品出现重叠,说明电子舌分析结果不能完全区分不同样品。     

基于电子舌和EEMD-WOA-LSSVM模型的红酒贮藏年限区分

为了实现对不同贮藏年限的红酒进行客观的辨别分析,提出一种采用电子舌结合集合经验模态分解（Ensemble empirical modal decomposition, EEMD）、鲸鱼算法（whale optimization algorithm, WOA）和最小二乘支持向量机（least square support vector machine, LSSVM）组合模型的区分方法。首先采用电子舌对4种不同贮藏年限红酒的“特征图谱”进行信息采集;然后利用EEMD对原始信号进行分解,提取分解后的本征模态函数奇异谱熵和希尔伯特边际谱作为特征数据;最后,采用鲸鱼算法优化最小二乘支持向量机建立红酒贮藏年限分析模型。结果表明,EEMD-WOA-LSSVM组合模型对不同贮藏年限的红酒的分类准确率、精确率、召回率、F1-score和Kappa系数分别达到97.5%、97.75%、97.5%、0.98和0.97,其区分能力优于GA-LSSVM、PSO-LSSVM和SVM模型。该研究可为红酒贮藏年限区分提供一种新的研究思路和技术手段。     

Discrimination of edible fungi varieties and evaluation of their umami intensities by using an electronic tongue method

The flavour and taste of edible fungi are highly associated with the presence of several umami substances. In this study, the different edible fungi are discriminated by an electronic tongue method. The response data are analysed by the PCA (principal component analysis), DFA (discriminant factor analysis) and PLS (partial least square) method. The results show that the two data analysis methods (PCA and DFA) could successfully distinguish the variety of edible fungi. Moreover, the umami intensities of the edible fungi solutions are evaluated and compared by an electronic tongue analysis with calibration by the responses of different monosodium glutamate (MSG) concentrations. The signals are also used to build up PLS models to estimate and predict the umami intensities of the edible fungi. The results of this study indicate that the electronic tongue has a great potential in qualitative and quantitative analysis of the sensory quality of edible fungi.     

Characterisation of the volatile profile of orange juice contaminated with Alicyclobacillus acidoterrestris

A rapid and reliable analytical method, based on the characterisation of the volatile profile by dynamic headspace extraction followed by gas chromatography mass–spectrometry, was developed in order to early detect Alicyclobacillus acidoterrestris spoilage in orange juice. Gas chromatographic peak areas were submitted to multivariate statistical analysis (principal component and linear discriminant analysis) in order to visualise clusters within samples and to detect the volatile compounds able to differentiate contaminated from not-contaminated samples. Significant differences in the volatile profile of the analysed samples were found, assessing the reliability of the proposed method to detect the A. acidoterrestris contamination in orange juice.     

基于电子鼻和电子舌技术分析发酵鲟鱼加工过程中风味的变化

采用电子鼻、电子舌技术分别对新鲜鲟鱼、腌制鲟鱼和发酵鲟鱼（5 d、10 d、20 d、25 d、35 d）的气味和滋味进行检测,并结合感官评价方法,分析发酵鲟鱼加工过程中气味和滋味的差异,以期探寻一种快速、便捷、准确鉴定鲟鱼发酵程度的方法。结果表明,电子鼻的17个传感器和电子舌的5个传感器对不同处理阶段和不同发酵时间鲟鱼样品的气味与滋味响应强度均有差异,不同处理阶段和不同发酵时间鲟鱼样品气味差异明显,滋味差异不明显,说明电子鼻可有效区分不同处理阶段和不同发酵时间的鲟鱼,而电子舌对鲟鱼的发酵过程区分效果欠佳。不同处理阶段鲟鱼的气味差异主要存在于烃类、酯类、醛类、硫化物和胺类等化合物上。感官评价可以从外在分析发酵鲟鱼的滋味和气味及肉质,与电子鼻分析结果一致。     

基于电子鼻、电子舌技术的荣昌猪肉及其制品贮藏过程新鲜度检测研究

目的 探究电子鼻、电子舌对贮藏期间荣昌猪肉及其制品新鲜度变化的检测效果。方法 测定贮藏期间荣昌猪肉及其制品菌落总数(total viable count,TVC)、挥发性盐基氮(total volatile basic nitrogen,TVB-N)及感官特性的变化,并以此划分其新鲜度等级。同时,采用电子鼻、电子舌分别对贮藏期间荣昌猪肉及其制品进行检测,运用线性判别分析(linear discriminant analysis,LDA)、传感器贡献率分析(Loading)、主成分分析方法(principal component analysis,PCA)识别荣昌猪肉及其制品的新鲜度。结果 电子鼻能够检测到荣昌猪肉及其制品在贮藏期间的气味变化,并能够对其新鲜度进行区分,而传感器W1W对应的硫化物类的变化是电子鼻检测其新鲜度的主要依据。电子舌能够很好地区分贮藏期间荣昌猪肉及其制品的滋味变化,并能够区分其新鲜度。结论 利用电子鼻、电子舌技术能够识别不同新鲜度的荣昌猪肉及其制品,为进一步研究荣昌猪肉及其制品新鲜度快速检测提供方法参考和理论依据。     

基于电子舌技术检测商业果汁中脂环酸芽孢杆菌

采用法国Alpha M.O.S.公司生产的α-Astree Ⅱ型电子舌对7 种市售果汁饮料及其接种脂环酸芽孢杆菌样品进行测定,所得数据应用主成分分析法进行辨别分析。2 种含乳类果汁饮料未能被区分开,其他5 种样品均可区分。将电子舌可区分的6 种果汁饮料接种两株脂环酸芽孢杆菌并在45 ℃条件下培养30 d,所有接种处理中均可检出脂环酸芽孢杆菌。3 种浑浊型饮料的检出量较多,大于103 CFU/mL。3 种澄清型饮料的检出量较少,小于103 CFU/mL。应用电子舌技术可将6 种接种脂环酸芽孢杆菌DSM 3922的果汁饮料与对照组区分开,4 种接种脂环酸芽孢杆菌XC-6的果汁饮料与对照组区分开,2 种接种脂环酸芽孢杆菌XC-6的混合果汁饮料和橙汁饮料同对照组未能被区分。