基于电子鼻气味信息区分4个品种红景天

采用电子鼻技术测定4个品种红景天的挥发性气味信息，结合负荷加载分析(LA)、主成分分析(PCA)、线性判别分析(LDA)、Fisher判别、多层感知器(MLP)神经网络对其进行品种区分。结果表明：W1W(硫化物)、W2W(芳香成分、有机硫化物)、W5S(氮氧化合物)传感器对红景天顶空气体信号较为敏感，是区分不同品种红景天的主要传感器；PCA分析主成分1贡献率为46.925%,主成分2贡献率为36.133%,总贡献率为83.058%,可有效区分出大花红景天，但其他3个品种之间不能有效区分；LDA分析主成分1贡献率为94.6%,主成分2贡献率为5.2%,总贡献率为99.8%,可将4个品种完全区分；Fisher判别对红景天品种判别率为100%,交叉检验判别率为97.5%,错判率为2.5%;多层感知器神经网络对红景天品种判别率为98.48%。     

地理标志大米的仿生电子鼻分类识别

为了对地理标志大米进行原产地保护,采用PEN3电子鼻,分析样品质量、项空空间及静置时间等试验参数对电子鼻传感器响应值影响,结合主成分分析(PCA)和线性判别分析(LDA)方法对3个不同地理标志大米进行识别研究。结果表明:选取50 g样品,以50 mL顶空空间、静置1 h测得的电子鼻响应值最佳;PCA法可以区分不同地域的大米,也可以区分不同品种大米,LDA法也可以区分不同地域的大米,但不能区分不同品种的大米。运用电子鼻可以将地理标志大米进行较好的区分,为电子鼻技术应用于大米产地溯源提供理论基础。     

电子鼻分析技术在白酒品质检定中的应用研究

通过应用德国AIRSENSE公司生产的电子鼻系统PEN3对4个不同质量等级的清香型大曲酒进行挥发物特征响应分析、PCA分析、LDA分析、LOADING分析,其中PCA主成分析区分贡献率可达99.986%,LDA分析第一、第二主成分总的区分贡献率达96.872%,可以较显著的区分酒样,其中10个传感器中贡献最大的两个是W5S与W1W。     

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。     

基于气相离子迁移谱黄酒产地识别的研究

为建立一种快速、准确的黄酒产地鉴别方法,本研究运用气相-离子迁移谱(Gas Chromatography-Ion Mobility Spectrometry,GC-IMS)对不同产地的黄酒中的挥发性有机成分进行分析,构建黄酒产地信息的气味指纹图谱,并对不同产地的黄酒样品进行了判别和分类。采用二维差谱方法筛选16个有效特征峰作为表征黄酒产地差异信息的特征变量,采用主成分分析(Principal Component Analysis,PCA)和线性判别分析(Linear Discriminate Analysis,LDA)方法建立判别模型。结果表明,选取的特征变量经PCA处理后前两个主成分的累积贡献率为96.07%,不同产地的黄酒样品在主成分分析图中均有对应的归属区域,以前2个主成分得分结合LDA方法可以有效的区分不同产地的黄酒样品,预测集中识别率高达94.44%。研究表明,GC-IMS技术结合化学计量学方法能够快速、准确、直观地区分不同产地的黄酒样品,为黄酒的鉴别和原产地保护提供了一种新的检测方法。     

电子鼻对不同贮藏/货架期甜柿判别分析

利用电子鼻对不同贮藏/货架期内的甜柿挥发性成分进行判别分析。采用主成分分析(PCA)、线性判别分析(LDA)模式判别方法进行数据分析,通过负荷加载(Loadings)分析研究主要传感器响应值的变化。结果表明,LDA方法有效区分常温和贮后不同货架期的甜柿,对低温贮藏期间的甜柿区分效果稍差。传感器W2S(乙醇类)、W1W(萜烯类)在甜柿常温货架期和低温贮藏期判别中起主要作用,而传感器W2W(芳香成分和有机硫化物)、W1W(萜烯类)在甜柿贮后货架期的判别中起主要作用。     

电子鼻技术在朗姆酒分类及原酒识别中的应用研究

采用PEN3电子鼻嗅觉指纹分析系统对不同产地（中国、牙买加、古巴、危地马拉、菲律宾）的朗姆酒以及4种不同工艺原酒的香气进行了检测,分析电子鼻指纹图谱各特征峰,分别利用主成分分析方法（PCA）和线性判别因子分析法（LDA）建立了识别模型,采用传感器区分贡献率（Loadings）对传感器进行研究,确认各传感器对样品区分的贡献率大小和特征香气成分。结果表明,PEN3电子鼻不仅可以很好地区分不同产地的朗姆酒,而且对4种不同工艺的原酒也做出了较好地分类判别。     

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。     

电子鼻分析镇江香醋发酵和陈酿阶段的气味变化

利用PEN3电子鼻对镇江香醋发酵和陈酿过程中挥发性风味进行分析。结果表明,电子鼻能准确稳定地识别醋醅和陈酿醋气味图谱的变化并对不同发酵时间的醋醅和陈酿醋中的败坏醋进行区分;醋醅和食醋的挥发物组成类似,主要是氮氧化合物类、甲烷类、硫化物类、醇类、有机硫化物类;线性判别分析（LDA）和主成分分析（PCA）都能区分各个样品,但PCA对醋醅的区分优于LDA,载荷分析结果表明,醋醅中甲烷类和氮氧化合物类分别对第一、二主成分方差贡献率最大,醋液中甲烷类和硫化物类分别对第一、二主成分贡献率最大。LDA对败坏醋的区分优于PCA。     

基于气相离子迁移谱和电子鼻技术分析 核桃挥发性风味物质

为研究不同品种核桃挥发性风味物质的差异和核桃品种的区分方法,以5种核桃为研究对象,采用气相离子迁移谱（GC-IMS）和电子鼻（E-nose）技术结合主成分分析(PCA）、线性判别分析（LDA）和聚类分析,对核桃挥发性风味物质的组成及品种差异进行了研究。结果表明：GC-IMS技术结合聚类分析和E-nose技术结合LDA分析均能有效区分核桃品种;采用GC-IMS技术从5种核桃中分离出73种挥发性成分,鉴定出其中19种物质,主要有醇类、酮类、醛类和酯类,其中乙醇、2-甲基丙醇、1-戊醇、3-甲基-3-丁烯-1-醇、正己醇、2-庚酮、戊醛、己醛、庚醛、壬醛、苯甲醛和乙酸乙酯是区分核桃品种的关键物质; E-nose分析结果表明,W3C、W5C、W1C和W6S传感器在区分核桃品种上有较大贡献,LDA由于考虑了组间差距,对于核桃品种的区分相较PCA更为明显;两种风味分析技术相比较,GC-IMS可对挥发性物质进行定性和定量检测,E-nose虽不能鉴定挥发性物质的具体种类,但样品处理简单,可实现品种的快速区分。     

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。     

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。     

基于电子鼻对水蜜桃货架期评价的研究

利用PEN3 电子鼻系统对早熟“久保”水蜜桃采后7d 货架期内的芳香成分进行检测分析,先通过电子鼻系统动态采集水蜜桃芳香成分并得到了电子鼻的响应值,再利用PCA(主成分分析)、LAD(线性判别)模式识别方法进行数据分析。结果表明LDA 方法能够更好地区分第1 天、第2～4 天和第5～7 天货架期的水蜜桃,进行交叉确认分析后,对第1 天、第2～4 天和第5～7 天的水蜜桃货架期区分准确率达91%,同时采用负荷加载(Loading )分析方法可以得知,传感器W1S(甲烷)、W2S(乙醇)、W2W(硫化氢类)对水蜜桃货架期的评价起主要作用,这为进一步优化传感器以及探索方便快捷的水蜜桃无损检测技术提供了依据。     

基于金属元素组成的新疆石榴产地识别分析

采用电感耦合等离子体原子发射光谱法,对新疆6 个主要产地（库车、吐鲁番、叶城、疏附、喀什、和田）的36 个石榴样品的可食部分（果肉）和籽中12 种金属元素的含量进行测定,采用主成分分析（principalcomponent analysis,PCA）和线性判别分析（linear discrimination analysis,LDA）对石榴可食部分和籽中金属元素进行综合评价。结果表明：PCA得出2 个三因子模型,分别解释了石榴可食部分和籽中金属元素数据的84.29%和60.33%;通过对石榴可食部分中金属元素组成进行PCA,PCA更好地将36 个石榴样品划分为6 类,与实际产地吻合。LDA得出新疆不同产地石榴可食部分和籽的总体验证判别率分别为100%和100%,交互验证判别率分别为100%和94.44%。说明提出的方法具有很好的产地识别作用,可作为石榴产地的一种鉴别方法。     

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ICP-MS的甘肃不同产地小米矿物元素含量特征及判别分析

通过分析不同主产区小米矿物元素含量特征,结合化学统计学建立小米产地判别模型。该研究以甘肃省陇中地区、陇东地区和河西地区的主栽小米品种为研究对象,采用电感耦合等离子体质谱(ICP-MS)法测定了小米中18种矿物元素含量,利用方差分析、主成分分析(PCA)、正交偏最小二乘判别分析(OPLS-DA)、线性判别分析(LDA)和聚类分析(HCA)对数据进行统计分析。结果表明:小米样品18种矿物元素中有13种元素含量在3个主产区间存在显著差异(P<0.05),不同主产区小米矿物元素含量具有独特的地域分布特征;18种矿物元素之间存在较强的相关性;PCA分析共提取4个主成分,累计方差贡献率为75.82%;基于LDA和OPLS-DA的判别模型对小米产地判别正确率均为100%,基本可以实现甘肃省不同区域小米产地的精准判别,通过OPLS-DA模型确定了小米产地判别的特征元素(V、Fe、Cu、Cd、Se、Pb);基于特征元素的HCA分析可以成功地对小米产地进行判别。研究证明基于小米矿物元素含量构建的判别模型可以有效区分甘肃省不同产区的小米,为小米产地溯源和质量控制提供了科学依据。     

基于电子鼻技术判定冷鲜罗非鱼片品质劣变进程

应用电子鼻采集贮藏过程冷鲜罗非鱼片顶空挥发性气味,同步进行感官评价、微生物和理化分析。结果表明：传感器响应信号随着鱼片气味浓度增大而增大,且对不同新鲜度气味有良好响应。线性判别(LDA)比主成分分析(PCA)更能有效区分鱼片的不同新鲜度、微生物及挥发性盐基氮含量,表明电子鼻可快速检测鱼片的品质劣变进程。通过负荷加载分析和相关分析表明,W2W、W1W、W1S、W2S对区分冷鲜罗非鱼片不同新鲜度的贡献较大,并与感官可接受性、菌落总数和挥发性盐基氮的相关性良好,可作为今后研制鱼用电子鼻系统精选传感器的理论参考。     

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。     

食醋陈化期电子鼻的监测研究

利用德国PEN3电子鼻系统快速检测四种食醋陈化期。通过电子鼻采集食醋挥发性成分的响应值,利用主成分分析(PCA)、线性判别分析(LDA)、Fisher线性判别分析(FDA)和多层感知器神经网络(MLPNN)分析进行模式识别,结果表明:LDA分析效果优于PCA分析;并且随着陈化时间的延长,食醋的气味成分变化有增快的趋势,这种气味的变化规律与酸度的变化规律相符。用Fisher线性判别和多层感知器神经网络建立食醋陈化时间的预测模型,发现Fisher线性判别对凤翔醋、陇县醋、金台醋和渭滨醋陈化期的正确检测率分别为100%、100%、98%和100%;多层感知器神经网络对凤翔醋、陇县醋、金台醋和渭滨醋陈化期的正确检测率分别为100%、100%、96.92%和100%。由于正确检测率的高低得出电子鼻结合Fisher线性判别对食醋陈化期的监测结果优于多层感知器神经网络。