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。     

基于电子鼻的花椒油氧化判别分析

以市售的10种花椒油为研究对象,采用电子鼻技术结合主成分分析(principal component analysis,PCA)、聚类分析(cluster analysis,CA)、线性判别分析(linear discriminant analysis,LDA)和判别因子分析(discriminant factor analysis,DFA)对不同氧化程度的花椒油进行定性判别分析,并建立相应的花椒油氧化快速判别模型。利用所建模型对40组验证样品进行判别,将判别结果与国标法所测过氧化值进行比较分析,结果表明,CA、PCA、LDA和DFA的判别正确率分别为95.0%、97.5%、100%和97.5%,说明基于电子鼻技术能够对花椒油氧化进行判别,且LDA法判别效果较好。     

基于电子鼻检测香红梨腐烂程度

目的 为监测贮藏、运输过程中香红梨（Pyrus communis L. cv. Xianghong）的腐烂情况,确定腐烂果的特征传感器。方法 利用电子鼻技术对按腐烂点直径划分的3个等级香红梨的挥发性气体进行测定,同时比较了贮藏初期和后期果实挥发性气体的差异。采用主成分分析（PCA,principal components analysis）、线性判别分析（LDA,linear discriminant analysis）和载荷分析（LA,loading analysis）对电子鼻响应信号值进行分析。结果 电子鼻传感器W5S、W1S、W1W、W2S、W2W是检测香红梨挥发性气体的特征传感器。贮藏期间,氮氧化合物、甲烷、硫化物和萜烯类、醇类和部分芳香族化合物释放量逐渐增加。果实腐烂使硫化物和萜烯类（W1W）、甲烷（W1S）、氮氧化合物（W5S）挥发性物质进一步积累释放,传感器响应值比贮藏初期（P）分别提高了7.7、4.6、4.5 倍。通过监测W5S传感器响应值变化可判断果实的腐烂情况。LDA分析对不同贮藏时期和不同腐烂程度香红梨的区分能力更好。结论 电子鼻传感器W5S、W1S、W1W、W2S、W2W可灵敏反应香红梨的挥发性气体,其中W5S、W1S、W1W为果实腐烂特征性传感器,其响应值可区分果实腐烂程度。本结果为果实采后贮藏保鲜的无损检测技术及果实品质评价提供理论参考。     

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。     

电子鼻判别不同储藏条件下糙米品质的研究

采用德国Airsense 公司生产的PEN3 型电子鼻系统对不同储藏条件下的糙米进行分析检测。通过对传感器响应值进行PCA、LDA 方法的分析,发现PCA 和LDA 均能准确判别出不同水分含量的糙米;PCA、LDA 方法均可判别不同温度储藏的糙米样品,LDA 方法呈现出良好的集中性和单向趋势;LDA 可以很好的区分不同氧气体积分数储藏的糙米样品,并根据氧气体积分数的不同呈现出明显的规律,但总贡献率要低于PCA 方法。另外,通过方差分析发现不同储藏条件对电子鼻响应值的影响大小有所差异,顺序为水分条件＞温度＞氧气体积分数,水分和温度存在交互作用。另外,采用Loadings 分析方法可以得知传感器W5C、W1S 在检测中起到的作用最大,可以对电子鼻的传感器进行优化与选择,根据不同的具体条件选择适当的传感器阵列组合。     

电子鼻技术在区分酸羊奶发酵菌种中的应用

利用电子鼻技术快速区分酸羊奶的发酵菌种。通过电子鼻采集不同酸羊奶挥发成分的响应值,然后利用主成分分析（principal component analysis,PCA）、Fisher线性判别分析（fisher linear discriminant analysis,FLDA）以及BP神经网络（back propagation neural network,BP-NN）分析进行判别,建立基于电子鼻技术区分酸羊奶发酵菌种的方法。结果表明,FLDA及PCA都能够区分出不同菌种发酵的酸羊奶,FLDA区分效果优于PCA。利用FLDA和BP-NN分析预测酸羊奶发酵菌种类别的正确率分别为100.0%和98.4%。因此,利用电子鼻快速区分酸羊奶的发酵菌种是可行的。     

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。     

电子鼻对芝麻油掺假的检测

使用电子鼻系统PEN3 对芝麻油中掺入大豆油、玉米油、葵花籽油进行检测分析,分别对芝麻油中不同量的掺假进行辨别,用主成分分析(PCA)和线性判别式分析(LDA)两种方法分析。结果表明：电子鼻能够较好的识别芝麻油掺假不同比例的大豆油、玉米油和葵花籽油,而且LDA 方法比PCA 方法的效果好。PCA 方法对掺入大豆油、玉米油超过50% 和葵花籽油超过70% 的芝麻油能明显区分,而LDA 方法对芝麻油中掺入不同量的大豆油、玉米油和葵花籽油均能明显区分。     

8种植物油气味指纹模型的建立

运用电子鼻对8种不同加热温度下的植物油进行检测,建立了8种植物油的气味指纹模型,采用线性判别式(LDA)进行分析,通过判别函数法(DFA)对其进行验证。结果表明:电子鼻能够很好地对不同种类以及不同温度的植物油进行区分;在DFA分析中模型对未知样品的识别值大于96%,能对所测的8种植物油样品进行有效地识别,正确率达到100%。电子鼻建立的植物油的气味指纹模型是可靠的。     

电子鼻鉴别核桃油中掺入大豆油、菜籽油及玉米油研究

为了快速简便地鉴别核桃油掺伪,利用电子鼻技术鉴别核桃油中掺入大豆油、菜籽油及玉米油,并采用主成分分析(PCA)和线性判别式分析(LDA)对结果进行分析,研究表明:采用PCA方法可以鉴别核桃油掺入大于20%大豆油、7%菜籽油和7%玉米油;采用LDA方法可以鉴别核桃油中掺入大于1%大豆油、1%菜籽油和7%玉米油,LDA方法比PCA方法能更加有效地鉴别核桃油中掺入大豆油、菜籽油和玉米油的现象。电子鼻技术可以作为鉴别核桃油掺假的一种快速简便的检测技术。     

基于电子鼻对不同植物油油炸薯片的区分

以大豆油,玉米油,葵花籽油,花生油及棕榈油5种植物油油炸的薯片为研究对象,利用电子鼻检测其在贮藏期内(0～60 d)的风味物质变化,根据主成分分析(Principal Component Analysis,PCA)、线性判别分析(Linear Discriminant Analysis,LDA)和Fisher判别分析,考察电子鼻对5种植物油油炸薯片区分效果。结果表明,在整个贮藏期内电子鼻传感器对样品的氮氧化物、硫化物和芳香类物质响应值高;PCA分析和LDA分析都可以代表样品的主要信息,但LDA分析的区分效果较PCA分析更明显;Fisher判别分析除0 d时1个样品被误判,总的正确判别率为96%,其余样品均未被误判,总的正确判别率都为100%。     

电子感官在玉兰花茶品质分析中的应用

通过电子鼻和电子舌检测了玉兰花茶及原料绿茶、白兰花酊剂调配玉兰花茶的品质,并采用主成分分析(PCA)、判别因子分析(DFA)和统计质量控制分析法(SQC)进行了数据分析。结果显示,不同茶水比冲泡出来的玉兰花茶和绿茶风味变化较大且差异明显,采用白兰花酊剂开发玉兰花茶与传统工艺加工的玉兰花茶在电子感官数据上差异较大。将电子鼻和电子舌分析结合能够有效进行玉兰花茶品质分析,利用该技术可以改进玉兰花茶加工工艺。     

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。     

电子鼻在芝麻油及芝麻油香精识别中的应用

采用电子鼻时芝麻油、芝麻油香精和其他油脂样品进行了分析.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)和统计质量控制分析(Statistical Quality Control,SQC),结果表明:电子鼻能够有效识别芝麻油、芝麻油香精和其他油脂,且电子鼻对芝麻油和其他油脂的识别比对芝麻油和芝麻油香精的识别效果更好;2号芝麻油香精和芝麻油样品的香气较为相似,其香气的模拟比较成功;电子鼻能够识别不同储存时间的芝麻油样品,随着储存时间的延长,样品在PCA图中呈现规律性的变化,这可能与芝麻油在储存过程中发生氧化有关.     

基于电子鼻的食用油氧化判别分析

为实现食用油氧化快速判别分析,以市场上常见的食用油为原料,对其进行氧化处理,根据国标中过氧化值和酸值划分为氧化油与未氧化油并作为模型样品和验证样品,采用电子鼻技术测定食用油气味,同时结合聚类分析（cluster analysis,CA）、主成分分析（principal component analysis,PCA）和线性判别分析（linear discriminantanalysis,LDA）方法对不同氧化程度的食用油进行判别,并建立油脂氧化的快速判别模型。同时将检测判别结果与国标规定进行比较分析,结果表明：3 种方法建立模型判别正确率均为100%,CA、PCA和LDA模型验证的判别正确率分别为95.8%、98.9%和100%,说明基于电子鼻技术的食用油氧化判别检测是可行的。     

电子鼻检测玉米象不同虫态的技术研究

针对粮堆中储粮害虫玉米象检测技术落后,检测结果不可靠等问题,利用电子鼻对玉米象不同虫态及虫态组合进行检测,并采用主成分分析法(PCA)和判别因子分析法(DFA)对检测数据进行分析,结果表明:电子鼻可以对不同密度的玉米象成虫进行有效的识别,但当虫口密度高于20头/瓶时,无法进行区分;使用电子鼻检测玉米象不同虫态时,PCA分析法的重复间数据较分散,区分度不高,而DFA分析法可将各虫态有效区分;电子鼻检测玉米象混合虫态时,DFA分析法可将不同组合有效区分,而PCA分析法无法区分,因此将电子鼻检测结合DFA分析法用于玉米象不同虫态及虫态组合的检测是可行的。