基于电子鼻区分三种致病菌的研究

旨在探讨一种快速检测致病菌的电子鼻方法。本研究利用基于金属氧化物传感器的电子鼻技术检测蜡样芽孢杆菌、单增李斯特菌和缓慢葡萄球菌三种致病菌培养液的挥发性代谢产物,结合化学计量学方法主成分分析(PCA)和聚类分析(CA)对电子鼻原始数据进行统计学分析。PCA模式识别结果显示该技术能够很好的将三种细菌在培养液中的挥发性代谢产物图谱进行区分,CA分析进一步显示单增李斯特菌与缓慢葡萄球菌的气味指纹图谱比较接近,而蜡样芽孢杆菌的图谱与它们的差异较大。研究表明该电子鼻技术有望在致病菌快速检测上得到更广泛的应用。     

电子鼻对干酪识别的数据预处理和特征提取

根据干酪的挥发性风味特点，选择了日本费加罗（Figaro）TGS8系列气敏传感器，针对电子鼻的数据特点，采用快速傅里叶变换方法去除传感器响应值的噪声，定位样本反应起始点，预处理后的电子鼻数据中提出有效特征，使维数降低；进行主成分分析，主成分分析所得结果维数更低，并且保留了较多的有用信息；利用Fisher判别式和BP神经网络建立分类器，可以很好地区分光明、三元、多美鲜、百吉福、Anchor五种干酪。     

电子鼻在气体检测中的应用研究

优选对甲烷、丙烷及氢气交叉敏感的5只半导体传感器组成气体传感器阵列,建立实时数据采集系统,结合特征提取和模式识别算法,研制出了一种对3种可燃性气体进行实时检测的电子鼻系统。提出了双重神经网络定量分析多种未知气体的方法,即先利用第一重网络对气体进行定性识别,再应用第二重网络对识别出的气体进行定量分析。通过BP神经网络分析表明:该系统对3种气体的识别率达到了100%,定量分析的最大相对误差不超过9.4%。     

检测掺假牛奶的电子鼻传感器阵列的优化

目前电子鼻在食品领域已有广泛的应用,由于气味组成成分复杂,仅用单个气体传感器是无法评定气体质量的,因此气体传感器阵列应运而生.在对不同的食品进行检测时,电子鼻的传感器阵列的构成是不同的.运用PEN2便携式电子鼻对掺假牛奶进行检测,用方差分析、主成分分析和聚类分析对信号进行分析,得到由8个传感器组成的用于检测掺假牛奶的最佳传感器阵列.用这8个传感器组成的传感器阵列对掺假牛奶进行检测区分,结果用LDA方法(线性判别式分析)进行分析,在LDA分析图上,不同比例掺假的牛奶能被明显地区分.新的传感器阵列具有较少的传感器和与原传感器阵列相同的检测区分能力.     

电子鼻技术在茶叶品质检测中的应用研究

以电子鼻作为检测手段,对同类不同等级的茶叶、茶水和茶底挥发性成分进行检测,并对采集到的数据进行分析。首先通过主成分分析进行特征提取来压缩数据维数,减少数据计算量,进而优化特征向量。然后采用线性判别和BP神经网络的方法对茶叶的不同等级进行分类判别。结果显示,误判样本都发生在T60和T100之间,两种判别方法结果比较一致。相对于茶叶和茶底,以各等级茶水为研究对象时,两种方法对茶叶品质等级的判别及测试结果相对都比较好。     

基于电子鼻技术的山核桃陈化指标预测模型研究

通过分析电子鼻采集的多传感器信号与自然陈化指标间的关联特征,建立基于电子鼻检测的山核桃陈化指标预测模型,实现对其陈化指标的预测,快速区分辨别山核桃贮藏年限,采用电子鼻系统对4个贮藏年限的山核桃进行了检测,PCA分析可以将不同贮藏年限的山核桃完全区分开,且效果较好,进而利用主成分回归方法建立了基于气敏传感器阵列数据的山核桃陈化指标预测模型,并用预测集对模型进行验证。结果表明碘价、过氧化值、酸价和茴香胺含量预测值与实测值之间的相关系数较高,预测标准误差和平均误差百分比较小,它们分别为 0.88％、6.79％和6.8％、0.78％、1.23％和2.3％、0.82％、0.127％和1.58％、0.81％、0.61％和0.76％、其预测值能够精确地反映不同贮藏年限山核桃的陈化指标。因此,电子鼻技术可以 用于不同贮藏年限的山核桃陈化指标含量检测。     

电子鼻在棉织物异味检测中的应用研究

基于电子鼻传感器检测技术,对棉织物中5种异味整体性质的人工智能评价进行探究,根据传感器检测数据曲线和数据主成分分析(PCA)分析,结果表明:各传感器对不同异味成分的响应性不同,PCA分析法处理数据能够有效区分布样中不同的异味组分,为纺织品异味的快速、有效、客观检测评定奠定了一定的基础.     

电子鼻信号特征提取与传感器优化的研究

采用PEN2型电子鼻系统对芝麻油的玉米油掺假进行定性鉴别和定量预测,运用主成分分析,逐步判别分析和Fisher线性判别函数变换对原始数据进行预处理,从而降低原始数据空间的维数,并用判别分析与人工神经网络对数据进行进一步分析,考察了不同的数据预处理方法的效果.判别分析结果表明,采用Fisher线性判别函数变换所得到的十个变量判别能力最强,误判率为0.61%,仅有1个样品出现误判.在BP神经网络的定量预测中,采用逐步判别分析所筛选出的十个变量作为网络输入,所得的预测结果最为理想,绝对误差个体值的95%置信区间最小,为(-4.71%,3.38%),均方误差为4.75,预测值与实际值之间有极显著的相关性,相关系数R=0.998 08.     

用于食醋品质预评价的电子鼻研究

设计了面向食用醋品质预评价的电子鼻系统,它包括:由5种TGS系列和1种MQ系列半导体氧化物气体传感器构建的传感器阵列、以LPC2138微处理器为核心的采集电路等硬件部分。通过USB接口将所采集的数据上传至计算机,利用上位机LabVIEW软件进行数据采集的实时显示,并利用主成分分析(PCA)法和线性判别式分析(LDA)法对数据进行分析。使用该设计的电子鼻对生活中常见的5种食醋进行测量,并对食醋种类、配料关系进行了分析。结果表明,电子鼻技术在食醋品质预评价中是可行的。     

智能电子鼻对煤矿火灾预报气味识别的研究

设计一种基于模糊神经网络的自适应电子鼻.并根据不同温度下煤矿中的混合气味成分的不同进行成分模拟实验.通过Matlab仿真,验证了该方法的可行性,由于应用模糊神经网络控制算法,从而使它具有自适应能力和容错能力,并对混合气味进行不断学习.实验结果表明:该电子鼻不仅具有辨识的快速性,还提高了自适应辨识精度,从而能够准确做出预报.     

蒸发温度对电子鼻白酒评价的影响研究

采用气体传感器阵列对7种市售白酒进行了动态测量,并研究蒸发温度对白酒识别分类的影响.白酒样本分别在20,40,60,80℃蒸发后进行测量,在每个蒸发温度下结合主元分析(PCA)法,分析了传感器阵列信号与白酒的香型和酒精度特征之间的关系,以及所有白酒样本按蒸发温度划分的结果.结果表明:按香型和酒精度划分,60℃的分类结果...     

基于中红外光谱技术的非接触式气体识别电子鼻系统

为了对混合气体进行非接触式识别,基于可调谐二极管激光吸收光谱与波长调制光谱(TDLAS—WMS)技术,采用激射波长为中红外的可调谐分布反馈式量子级联激光器(DFB—QCL),设计并研制了可对被测混合气体进行实时、非接触识别的电子鼻系统。该系统采用主成分分析(PCA)和反向传播(BP)混合神经网络模式,通过LabVIEW对气体"指纹信息"数据库进行分析。实验结果表明:该系统可以区分成分为一氧化碳(CO)、甲烷(CH4)、二氧化氮(NO2)和乙烯(C2H4)的混合气体,为混合气体非接触式识别提供了一种便利方法。     

电子鼻在危险爆炸物检测中的应用研究

利用由18个纳米氧化锌厚膜气敏传感器组成的阵列对硝铵、矿山炸药、苦味酸、2,4二硝基甲苯(DNT)这4种典型爆炸物样品进行了测量.采用动、静态相结合的采样方法考察了传感器阵列的检测能力,在动态实验中通过提取不同的特征值并利用主元分析(PCA)和聚类分析(CA)方法对数据进行了分析和识别.静态实验结果表明传感器阵列在不同浓度上对4种典型爆炸物均有不同程度的响应,该方法能检测到硝铵、矿山炸药、苦味酸的浓度低至3.34 μg/L,DNT为83.3 μg/L;动态实验结果表明提取极值为特征值对阵列进行PCA、CA分析,可使4种典型爆炸物在毫克级上能完全区分.以上结果说明电子鼻技术在危险爆炸物检测中是一种很有发展前途的实用技术.     

电子鼻技术在食醋识别中的应用

利用由10个掺杂纳米氧化锌厚膜气敏传感器组成的阵列对9种食醋和乙酸溶液进行了测量.并通过主元分析、聚类分析和概率神经网络对数据进行了分析和识别.主元分析表明不同的食醋在品牌、种类、酸度等方面具有一定的相似性.聚类分析进一步研究了食醋种类之间的相似程度.利用概率神经网络对所测试的食醋进行了识别,有较高的识别率.分析表明电子鼻技术是食醋分析和识别的一种具有发展前途的实用技术.     

基于金属氧化物传感器阵列的小麦霉变程度检测

研制了一套由8个金属氧化物传感器组成、用于检测小麦霉变的电子鼻系统.使用该电子鼻对不同霉变程度和掺入不同百分比含量霉麦的小麦样品进行检测.通过方差分析和主成分分析优化传感器阵列并去掉冗余传感器,对优化后的数据进行主成分分析(PCA)和线性判别分析(LDA),其中PCA的前两个主成分对两类实验结果分析的总贡献率为98.30％和99.27％,LDA前两个判别因子对两类实验结果分析的总贡献率为99.68％和93.30％,且由得分图可知两种方法均能很好地区分不同的小麦样品.利用BP神经网络建立预测模型,对样品菌落总数和掺入样品中霉麦的百分比进行预测.两种预测模型的预测值和测量值之间的相关系数分别为0.91和0.94,表明预测模型具有较好预测性能.     

用电子鼻技术评价烟叶挥发性组分的研究

该文基于电子鼻检测技术和化学计量学方法,研究建立了烟叶挥发性组分的人工智能评价方法,并用于一系列国内主要烟叶原料的评价。结果表明,仅就烟叶挥发性组分而言,新方法可以用来区分同一等级不同产地烤烟型烟叶,可以为烟叶原料建立数据模型库,从而对原料进行质量控制。方法具有无需样品前处理、无污染、分析速度快等特点。     

基于人工神经网络的苹果气体识别方法研究

将气体传感器阵列与人工神经网络模式识别技术相结合,建立了电子鼻系统,对水果变化过程进行监控。尝试对3种不同状态(好、碰伤、坏)的苹果气体进行定性识别。实验结果表明:结合主成分分析的人工神经网络方式为模式识别、分类提供了快速准确的辨识方法,对红富士苹果进行分类时正确率在83.33%以上。     

基于PCA和LVQ混合神经网络算法的电子鼻系统

为了对食物品质进行非接触式评价,采用6种费加罗金属氧化物半导体传感器阵列设计并研制了可对被测食物进行无损检测的电子鼻系统.系统主要由采样模块、控制模块和上位机组成,并采用主成分分析(PCA)和学习矢量量化(LVQ)混合神经网络模式识别算法对气体“指纹信息”数据库进行分析.实验结果表明,利用该电子鼻系统可以对5种不同的食用酱进行检测,并且具有对未知酱品进行识别的功能.