基于深度学习的电子鼻食品新鲜度检测与识别技术研究

实际生活中,食品储存情况复杂,对食品新鲜度的准确检测十分重要.将常见食品分为水果、蔬菜、肉类三个类别,并根据实际情况,对不同食品储存情况设计相应实验,利用设计的电子鼻系统对食品样本进行检测,将测试得到的样本数据用于建立线性判别分析(Linear Discriminant Analysis,LDA)、支持向量机(Support Vector Machine,SVM)、卷积神经网络(Convolutional Neural Network,CNN)模型,最终利用不同模型对食品样本的状态:新鲜、水果腐败、蔬菜腐败、肉类腐败,作出分类识别.对于实际测试样本,LDA、SVM、CNN识别准确率分别为:45.00％、85.00％、90.00％,结果证明基于深度学习的电子鼻系统可对不同储存情况下的食品新鲜状态作出有效判断,可在一定程度上为受主观因素影响的感官评价提供客观参考,提高食品新鲜度判断准确性.     

基于呼出气体检测口臭等级的电子鼻研究

口臭对人们的社交互动和生活质量产生严重的负面影响,当前对口臭的诊断方法难以在个人及家庭中应用.本文通过采集口臭病人样本,建立了基于GC-MS技术检测口气中VSCs的标准化流程,采用ROC曲线分析方法确定了不同感官评分的VSCs浓度范围.在此基础上,研制了一套基于电化学传感器并结合卷积神经网络模型的电子鼻,用于口臭标志物检测和口臭等级的判别.该电子鼻对硫化氢和甲硫醇的检出限分别为39×10-9和48×10-9.通过与GC-MS检测结果比较,该电子鼻检测实际临床样本中VSCs的平均相对误差为11.4％,识别口臭等级的正确率达到80％,表明该电子鼻可以满足口臭分级检测的临床要求,具有良好的应用前景.