电子鼻技术在不同厂家特种茉莉花茶香气判别中的应用研究

目的探讨i Nose型电子鼻在区分和判别特种茉莉花茶香气的可行性和效果。方法以福州特种茉莉花茶为对象,以i Nose型电子鼻传感器的响应值为指标,对不同厂家、不同外形的特种茉莉花茶进行判别分析。结果主成分分析结果显示,两个厂家的成品茉莉花茶能够被有效区分;同一厂家不同外形成品茶间香气风格相近,故区分不明显;窨制过程样与成品茶的香气品质存在差异,故被有效地区分。电子鼻响应值能够实现对同一外形不同厂家间、不同窨次间的区分,但区分效果因外形而异。Fisher判别分析显示,本文建立的判别函数,其回代验证正判率达到100.0%,交叉验证正判率为86.1%。结论电子鼻技术可用于特种茉莉花茶香气品质的区分和识别,可为茉莉花茶窨制工艺、产品质量控制模型的建立提供理论依据。     

不同包装纯牛奶的电子鼻检测

为考察不同包装对乳制品质量产生的影响。选用13只气敏传感器构成传感器阵列,对百利包、利乐枕和利乐包3种包装方式的纯牛奶进行测试;运用平均微分值法提取特征信息,并借助于Fisher判别分析(FDA)和BP神经网络对3种包装方式的纯牛奶进行识别。结果表明：3种包装方式的纯牛奶都能够被明显鉴别区分,并且利用电子鼻能够根据纯牛奶存放质量的变化来区分不同的包装方式。     

电子鼻对不同品牌食醋的识别

以东湖陈醋、水塔米醋、海天白米醋、恒顺香醋、水塔陈醋、紫林陈醋六种食醋为实验材料,利用电子鼻技术对其挥发性成分进行检测,采用径向基函数神经网络和Fisher判别建立其预测模型。结果表明:传感器S7、S3对六种样品的响应值差异显著(p<0.05),即六种食醋的硫化氢、氨类物质的含量差异显著(p<0.05)。同时线性判别分析比主成分分析能更好地区分不同品牌的食醋。Fisher判别和径向基函数神经网络模型均能较好地预测不同品牌的食醋,但Fisher判别的效果更好,对六种食醋的正确判别率均为100%。由此说明利用电子鼻技术能实现食醋种类的快速识别,以维护食醋品牌的名誉和规范市场。      

基于zNose~(TM)电子鼻对不同品牌汾酒的快速识别

风味是鉴别汾酒品牌最重要的标准之一。针对传统品酒师品评的主观性及现阶段光谱仪、色谱仪等大型仪器检测汾酒的局限性,实验采用表面声波型电子鼻zNose~(TM)对6种不同品牌的汾酒酒样进行指纹图谱采集。通过比较指纹图谱差异,对酒样特征峰进行提取,利用主成分分析和判别因子分析对数据进行分析,并用贝叶斯判别函数验证其准确率,采用概率神经网络建立了识别模型。结果表明,主成分分析和判别因子分析都能对不同品牌汾酒进行区分,且判别因子分析法的区分效果优于主成分分析法,建立的概率神经网络模型其识别率达到100%。研究发现,表面声波型电子鼻zNose~(TM)对不同品牌汾酒具有较好的鉴别和分类能力。     

基于电子鼻技术的烟丝霉变检测

霉变是影响烟丝质量的重要因素之一,研究探索建立基于电子鼻技术的烟丝霉变检测方法。构建的电子鼻系统主要由5只SnO2半导体气敏传感器形成反应阵列,采用BP神经网络(back propagation neural network,BPNN)为主的模式识别方法。从每个传感器响应曲线中提取2个特征值,使用主成分分析和BP神经网络对传感器阵列的所有特征值进行处理。主成分分析结果显示:非霉变烟丝和霉变烟丝存在可区分趋势,但不同霉变程度的烟丝间存在部分重叠。进一步利用BP神经网络对霉变烟丝判别,识别正确率达到90.00%。试验表明,使用电子鼻技术可以客观、有效地区分霉变和非霉变烟丝,为有效控制烟丝质量提供了可靠途径。     

基于电子鼻和改进无监督鉴别投影算法的大闸蟹新鲜度识别方法

通过自制电子鼻系统采集活体大闸蟹的气味信息,采用流行学习算法对大闸蟹样本的多维特征响应进行降维,提取样本的低维特征向量,再利用反向传播神经网络实现对大闸蟹新鲜度的识别,并与理化指标挥发性盐基氮进行比较。结果表明,基于该算法的大闸蟹新鲜度识别的准确度可达到98.1%,且依据电子鼻技术与依据理化指标判断结果基本一致,因此采用电子鼻技术的大闸蟹新鲜度无损识别方法是可行的。     

不同添加量洋葱浆对馕品质的影响

通过测定面团的质构特性,馕的感官评价、色泽和质构,研究不同洋葱浆添加量（0、10%、20%、30%、40%和50%）对馕品质的影响,并结合电子鼻进行分析不同添加量洋葱浆馕风味检测。结果表明,在不同洋葱浆添加量条件下,馕面团的质构特性、馕的感官评价、色泽和质构特性存在显著性差异。随着洋葱浆添加量的增加,馕面团的硬度呈一直减小趋势,黏度、弹性和回复性呈先增大后减小趋势;感官评分值呈现先增长后减小的趋势;馕的亮度L*值,红色度a*和黄色度b*一直增大,在添加量大于30%时,色差值增大的幅度很小;馕心、馕边硬度、黏度、咀嚼性先增大后减小,弹性也逐渐增大。洋葱浆添加量为30%时,馕的综合品质得到了改善。电子鼻分析结果能够很好地区分6种不同添加量洋葱浆馕的风味。电子鼻主成分分析PCA的第1和第2主成分贡献率分别为97.40%、2.04%,总贡献率分别达到99.44%。电子鼻线型判别分析LDA第1和第2主成分贡献率分别为67.67%、20.33%,总贡献率分别达到88%。馕添加适量的洋葱浆可以改善馕的整体品质。     

基于电子鼻对不同香型白酒的快速识别和分类

使用声表面波zNose4200型电子鼻对不同香型的白酒测试样品进行指纹图谱采集,并分析和比较白酒测试样品的指纹图谱。通过比较峰面积差异,对样品特征峰进行提取,分别运用主成分分析、典型判别分析和聚类分析建立识别模型。研究表明:3种香型6种白酒之间存在共性又有显著差异,利用采集的数据建立的指纹图谱模型能够很好的表达出不同香型白酒香味成分之间的关系。通过对不同香型白酒的特征比较,用提取的特征信息可以区分不同香型的白酒且区分正确率达100%。所以使用声表波型电子鼻在一定程度上为白酒的生产和销售过程中不同香型的白酒鉴定和分类,提供了技术支持。      

基于电子鼻技术对羊奶粉中掺假牛奶粉的快速检测

利用电子鼻技术结合多种化学计量学方法,对羊奶粉掺假牛奶粉进行了快速定性判别和定量分析。将牛奶粉按不同比例掺入到羊奶粉中,并按掺假羊奶粉与水为1∶7.2的比例配成溶液,进行电子鼻检测。通过电子鼻采集不同比例掺假奶挥发性成分的响应值,然后利用主成分分析(PCA)、Fisher线性判别分析(FLDA)以及线性回归拟合分析进行定性判别和定量分析,建立基于电子鼻技术检测羊奶粉掺假的方法。结果表明,FLDA及PCA都能够区分出不同比例的掺假奶,且FLDA区分效果优于PCA;线性回归拟合分析的相关系数为94.8%,预测值与实际掺假值呈现一定的线性关系,表明该模型具有较好的泛化能力。因此利用电子鼻实现羊奶粉掺假的快速定性判别和定量分析是可行的。     

电子鼻技术对不同轮次酱香型白酒的区分与识别

采用电子鼻技术对不同轮次酱香型白酒的香气差异性进行了研究。通过单因素试验确定了样品量、加热温度、顶空进样体积的最佳值分别为1 000 μL、25 ℃、100 μL。在此最佳条件下,比较了主成分分析和判别因子分析在处理电子鼻传感器响应信号时对不同轮次酱香型白酒的区分识别效果。结果表明,主成分分析法的区分识别效果要优于判别因子分析法。     

电子鼻检测虾新鲜度的研究

用电子鼻技术检测了虾在不同实验条件下挥发性成分的变化,考察了保存温度和时间对虾挥发性成分的影响。通过对在4℃保存5d、-10℃保存20d、-15℃保存60d的虾样品进行电子鼻检测得出:电子鼻输出信号随采集时间的延长而增加,对输出信号与采集时间的关系进行数据分析,发现电子鼻输出信号与采集时间呈线性关系,可以用其斜率表示各个样品的特征值;电子鼻输出信号的特征值随虾样品保存温度的升高而增加,也随保存时间的延长而增加。初步实验研究表明,在不同实验条件下,虾挥发性成分发生变化,电子鼻可检测到这些变化,可尝试用电子鼻技术评价虾新鲜度的变化。     

基于电子鼻判别富士苹果货架期的研究

利用电子鼻对不同货架期内的富士苹果挥发性成分进行检测。通过雷达图和负荷加载(Loadings)分析研究主要传感器响应值的变化,利用主成分分析(PCA)、线性判别分析(LDA)模式判别方法进行数据分析。结果表明,第7、8号传感器在苹果常温货架期判别中起主要作用,而第2、7号传感器在苹果贮后货架期的判别中起主要作用。PCA、LDA方法均可准确判别常温不同货架期的苹果;与PCA相比,LDA方法可以更准确对不同贮后货架寿命苹果进行判别,并呈现出良好的集中性和单向趋势。因此,电子鼻快速判别不同货架期的苹果具有可行性。      

电子鼻技术对山葡萄酒酒龄的识别

以山葡萄酒为研究对象,利用电子鼻（E-nose）技术对山葡萄酒的酒龄进行识别。对山葡萄酒的样品体积分数、样品体积和样品瓶顶空生成时间3个参数进行了优化,利用优化的参数对2014-2017年四年生产的山葡萄酒进行酒龄识别。结果表明,山葡萄酒的优化参数为样品体积分数10%、样品体积5 mL、样品瓶顶空生成时间30 min;采用逐步线性判别分析法（Step-LDA）对2014-2017年的山葡萄酒进行分析,电子鼻能对2014-2017年四年的山葡萄酒进行识别,对2014、2015、2016年的山葡萄酒识别准确率为100%,对2017年的山葡萄酒识别准确率为70%。     

电子鼻在珍珠粉品牌区分及真假辨别中的应用

利用电子鼻技术对珍珠粉进行了辨别。通过考察电子鼻对珍珠粉的传感响应,并结合主成分分析法(PCA)和判别因子分析法(DFA)对数据结果进行处理,探讨了电子鼻在珍珠粉鉴别中的应用。研究结果表明电子鼻可分别准确辨别六种品牌的珍珠粉。     

电子鼻技术对猪肉挥发性盐基氮的预测研究

为预测不同肥瘦配比猪肉的新鲜度,对4℃恒温贮藏条件下的新鲜猪肉进行挥发性盐基总氮(Total Volatile Basic Nitrogen,TVB-N)检测和营养成分检测,同时利用电子鼻技术检测挥发性气味的信息。以传感器阵列特征值为自变量建立蛋白质、脂肪的回归预测模型,分别对不同肥瘦配比的猪肉样本建立不分类和分类2种TVB-N神经网络预测模型。结果表明:先分类再建立神经网络模型预测的效果更优,将样本进行二分类建立2个模型后,模型训练组的相关系数达0.994、0.985(p<0.01),预测组的相关系数达到0.984、0.979(p<0.01);模型的绝对误差小而且分布区间集中,训练组和预测组各有86%、62.6%的样本的绝对误差在0~1之间;训练组中没有绝对误差大于2.5的样本,预测组中仅有8.5%的样本绝对误差大于2.5。电子鼻传感器特征信号与TVB-N数据具有很强的相关性,电子鼻可以快速预测出不同肥瘦配比猪肉在贮藏期间TVB-N含量的变化,进而无损的评价猪肉的新鲜度。     

电子鼻技术对哈达山白酒中掺兑酒精的鉴别

结合主成分分析法（PCA）、线性判别分析法（LDA）和方差分析法（ANOVA）,通过单因素试验确定了样品测试时的较佳酒精 度、装样体积和装样瓶顶空生成时间分别为1.9%vol、15 mL和30 min。 并在优化参数条件下,对哈达山粮食酒和酒精酒进行鉴别。 结果 表明,采用主成分分析法及线性判别分析法,电子鼻技术可鉴别哈达山粮食酒与食用酒精含量分别为0.38%vol、0.76%vol、0.95%vol、 1.14%vol、1.52%vol、1.90%vol的酒精酒。两种分析方法相比,线性判别分析法比主成分分析法鉴别效果更好。     

基于电子鼻和电子舌技术对不同品种红枣香气和滋味的差异分析

以12种红枣（酸枣、大平顶枣、圆铃枣、灵武长枣、壶瓶枣、狗头枣、金丝小枣、灰枣、灵宝大枣、木枣、石门大枣、骏枣）所破碎的红枣汁为试验对象,探讨了其在香气和滋味上的差异。结果表明,经电子鼻检测发现,电子鼻各传感器对不同品种红枣香气成分的差异显著（P<0.05）;经主成分分析（PCA）和线性判别式分析（LDA）发现,电子鼻能够明显的区别不同品种的红枣。经电子舌检测发现,电子舌5个基本味对不同品种红枣的滋味差异显著（P<0.05）,而3个回味对不同品种红枣的滋味差异不显著（P>0.05）;经主成分分析发现,电子舌不能有效的区别不同品种的红枣。