基于BP神经网络的电子鼻羊奶贮藏时间的预测

利用电子鼻PEN3系统判定室温和冷藏条件下羊奶的贮藏时间。通过电子鼻系统采集羊奶室温贮藏及冷藏期间挥发性成分的响应值,并采用PCA（主成分分析法）、LDA（线性判别分析法）和LM算法优化的BP神经网络（LM-BP）、遗传算法优化的神经网络（GANN）、4层BP神经网络进行模式识别。结果表明PCA和LDA均可区分室温贮藏及冷藏1～6d的生鲜羊奶,LDA方法还可以明显体现出羊奶贮藏期间挥发性成分的变化趋势,并且与羊奶酸度的变化有很好的一致性。采用LM-BP神经网络、GANN神经网络和4层神经网络均能较好地预测不同贮藏时间的羊奶,其中4层神经网络的预测正确率高于LM-BP神经网络和GANN神经网络。      

基于fisher线性判别和BP神经网络的电子鼻羊奶贮藏时间预测

利用电子鼻PEN3系统快速检测室温和冷藏条件下羊奶的贮藏时间。通过电子鼻系统采集羊奶室温及冷藏期间挥发性成分的响应值,并用主成分分析法(PCA)、fisher线性判别分析法(FDA)和BP神经网络进行模式识别。测定结果表明FDA方法区分室温贮藏及冷藏1～5d羊奶的效果优于PCA,而且羊奶贮藏期间挥发性成分的变化趋势明显,这种气味的变化规律与酸度的变化规律相符。同时用FDA和BP神经网络预测羊奶贮藏时间,结果FDA预测常温及冷藏羊奶正确率分别为100%和98.9%,均高于BP神经网络。     

电子鼻对不同温度下生鲜羊奶贮藏时间的判定

利用电子鼻PEN3 系统判定常温和冷藏条件下羊奶的贮藏时间。通过电子鼻系统采集羊奶常温贮藏及冷藏期间挥发性成分的响应值,并利用主成分分析法(principal component analysis,PCA)及线性判别分析法(linear discrimination analysis,LDA)对其挥发性成分及贮藏时间进行分析。结果表明：PCA方法既可以区分常温贮藏及冷藏1～6d的生鲜羊奶,还可以对比常温和冷藏条件下贮藏1～6d的羊奶,并表现出了较好的区分性,但是不能分析出贮藏期间羊奶挥发性成分的变化趋势;LDA方法区分效果不及PCA,但明显体现出了羊奶贮藏期间挥发性成分的变化趋势。综合PCA及LDA方法的分析结果,说明电子鼻可以有效地判定常温和冷藏条件下生鲜羊奶的贮藏时间及贮藏期内挥发性成分的变化趋势。     

不同压力处理大米制得米饭冷藏期间风味变化的电子鼻分析

采用电子鼻测定了不同压力处理大米制得米饭冷藏期间的挥发性成分,探讨电子鼻用于检测米饭风味成分、区分不同冷藏时间米饭的可行性及超高压处理对米饭冷藏期间风味变化情况的影响。大米在温度40℃、米水比(w/w)为1∶2的条件下浸泡40min,并在15℃下分别经200、400、600MPa处理10min,以未经超高压处理的大米作为对照组,将其蒸煮15min制成米饭,保鲜膜密封后置于4℃下贮藏,冷藏期间每天采用PEN3电子鼻对米饭进行测定。采用主成分分析法(PCA)、传感器贡献率分析法(LA)、线性判别式分析法(LDA)分析了米饭冷藏期间的挥发性成分,并建立了特征雷达图。结果表明:压力对米饭冷藏期间甲烷、硫化物、乙醇、芳香类及有机硫化物的产生有较大影响,贮藏期间200MPa米饭甲烷、硫化物、乙醇的产生量最高,600MPa米饭硫化物、芳香类及有机硫化物的产生量最低;W5S、W1W是识别米饭挥发性成分的主要传感器;电子鼻对米饭的挥发性物质反应比较灵敏,可用于米饭挥发性物质的无损检测;PCA分析可区分不同贮藏天数的对照或600MPa米饭,LDA分析可区分不同贮藏天数的400MPa或600MPa米饭。     

不同压力处理大米制得米饭冷藏期间风味变化的电子鼻分析

采用电子鼻测定了不同压力处理大米制得米饭冷藏期间的挥发性成分,探讨电子鼻用于检测米饭风味成分、区分不同冷藏时间米饭的可行性及超高压处理对米饭冷藏期间风味变化情况的影响。大米在温度40℃、米水比(w/w)为1∶2的条件下浸泡40min,并在15℃下分别经200、400、600MPa处理10min,以未经超高压处理的大米作为对照组,将其蒸煮15min制成米饭,保鲜膜密封后置于4℃下贮藏,冷藏期间每天采用PEN3电子鼻对米饭进行测定。采用主成分分析法(PCA)、传感器贡献率分析法(LA)、线性判别式分析法(LDA)分析了米饭冷藏期间的挥发性成分,并建立了特征雷达图。结果表明:压力对米饭冷藏期间甲烷、硫化物、乙醇、芳香类及有机硫化物的产生有较大影响,贮藏期间200MPa米饭甲烷、硫化物、乙醇的产生量最高,600MPa米饭硫化物、芳香类及有机硫化物的产生量最低;W5S、W1W是识别米饭挥发性成分的主要传感器;电子鼻对米饭的挥发性物质反应比较灵敏,可用于米饭挥发性物质的无损检测;PCA分析可区分不同贮藏天数的对照或600MPa米饭,LDA分析可区分不同贮藏天数的400MPa或600MPa米饭。      

采用电子鼻检测羊奶中的牛奶掺入

通过电子鼻系统检测在羊奶中掺入不同比例的牛奶的混合物中挥发性物质的响应值,利用主成分分析法(PCA)及线性判别分析法(LDA)对羊奶牛奶混合物的挥发性成分进行分析。结果表明:电子鼻各感应器对于原料羊乳和牛乳及杀菌羊乳和牛乳的反应值均不同。对于生奶和杀菌奶,PCA和LDA分析均能够区分羊奶中混入不同比例的牛奶,具有较好的区分性。     

高压静电场协同低温保鲜对莴笋贮藏品质影响及新鲜度的电子鼻无损检测研究

目的 研究高压静电场(high-voltage electrostatic field, HVEF)协同低温保鲜对莴笋贮藏品质的影响以及电子鼻对莴笋新鲜度的无损检测。方法 本研究以新鲜莴笋茎为研究对象,4℃协同HVEF冷藏保鲜为实验组,4℃常规冷藏保鲜为对照组,测定其贮藏期间感官评分、呼吸速率、硬度、失重率、色差、叶绿素含量和磁共振成像(magneticresonanceimaging,MRI),同时利用电子鼻结合主成分分析(principalcomponent analysis,PCA)和线性判别分析(lineardiscriminantanalysis,LDA)研究贮藏过程中不同新鲜度莴笋的挥发性气味变化。结果 HVEF组莴笋贮藏期可达35d。贮藏期间莴笋呼吸速率得到抑制,硬度、色泽、叶绿素、水分等品质得到较好的保持, PCA和LDA对不同新鲜度莴笋均有良好的区分效果。结论 HVEF协同低温保鲜能够减缓莴笋品质劣化,延长贮藏期;电子鼻结合PCA和LDA可对不同新鲜度莴笋进行区分,对莴笋贮藏过程中的无损检测具有重要意义。     

基于电子鼻技术对冷藏后南果梨货架期间气味的变化分析

为研究南果梨冷藏后在货架期间气味的变化,采用电子鼻技术检测直接冷藏和经1-甲基环丙烯(1-MCP)处理后冷藏的南果梨在常温(20℃)货架期间挥发性物质的变化,分析直接冷藏和1-MCP处理再冷藏的南果梨挥发性物质的变化规律,并探讨电子鼻应用于检测南果梨挥发性物质的可能性。采用主成分分析法(PCA)、传感器贡献率分析(LA)、线性判别式分析法(LDA)进行分析,并建立特征雷达图。结果表明：电子鼻对南果梨的挥发性物质比较灵敏,可以利用电子鼻无损检测南果梨的挥发性物质的变化;经1-MCP处理的南果梨果实冷藏后在常温货架期间可以与未经处理的果实同样释放出南果梨特有的挥发性物质,但挥发性物质构成的变化速率有所减缓。     

基于电子鼻技术监测羊奶发酵前后不同阶段风味的变化

本文利用电子鼻PEN3分析了羊奶发酵前后不同阶段的风味变化。结果表明,新鲜羊奶经过发酵后,特征挥发性成分在电子鼻传感器上的响应由原来的传感器6(甲烷)为主转变成以传感器7(充化氢)、传感器9(有机芳香硫化物)和传感器2(氮氧化合物)为主的挥发性物质,改变了羊奶的气味。采用PCA及LDA分析发现:PCA分析法能准确区分羊奶发酵前后的不同阶段,LDA体现出了发酵前后的不同阶段挥发性成分明显的变化趋势,且变化趋势与理论分析相符。      

基于电子鼻的冷藏大菱鲆品质变化研究

利用电子鼻技术检测不同贮藏温度下大菱鲆样品的挥发性气体变化情况,对所得数据进行主成分分析(PCA)、载荷分析(LA)和聚类分析(CA),并结合细菌菌落总数和挥发性盐基氮(TVB-N)含量变化进行分析,建立一种基于电子鼻的冷藏大菱鲆新鲜度判别方法。结果表明:电子鼻主成分分析、载荷分析和聚类分析能很好地区分大菱鲆0℃与4℃贮藏过程中的挥发性气味变化,气味发生变化的时间拐点分别是贮藏20 d和16 d;电子鼻分析结果与细菌菌落总数和TVB-N值变化预测的货架期终点基本一致。因此电子鼻技术可以用来判别大菱鲆冷藏过程中的新鲜度变化。     

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。     

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。     

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。     

利用电子鼻区分羊奶中不同浓度抗生素

采用电子鼻方法,利用主成分分析(PCA)和线性判别分析(LDA)进行数据采集,对添加硫酸土霉素、盐酸链霉素、硫酸庆大霉素的羊奶进行快速检测与识别.结果表明,PCA只能区分盐酸链霉素样品,LDA的区分效果明显优于PCA.电子鼻能够有效的区分添加以上3种不同浓度抗生素的羊奶.     

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。     

Discrimination of storage shelf-life for mandarin by electronic nose technique

Over the past years, electronic nose technology opened the possibility to exploit information on aroma attribute to assess fruit ripening stage during storage. The objective in this study was to evaluate the capacity of electronic nose in monitoring the change in volatile production of mandarin during different storage treatments, and storage shelf-life of mandarin was evaluated by measuring the change in volatile production of mandarin using electronic nose device (PEN 2). By comparing, storage shelf-life of mandarin was better distinguished using Linear Discriminant Analysis (LDA) than Principal Component Analysis (PCA). PCA and LDA analysis were efficient to classify mandarin with the same storage time in its respective groups; but the methods are not efficient to separate the mandarins by different storage times. The correlation between the measured and predicted values of fruit quality attribute (such as soluble solid content, acidity and compression force) shows poor to reasonable prediction performance by means of electronic nose signals. The results prove that sensors 2, 7 and 9 in the electronic nose PEN 2 for mandarin have a higher influence in the current pattern file. Hence, nearly a subset of few sensors can be chosen to explain all the variance. This result could be used in further studies to optimize the number of sensors and find better performance.     

电子鼻对酿酒酵母菌株产香特性的评价

利用电子鼻PEN3 系统对不同酿酒酵母酿制葡萄酒的芳香成分进行检测分析。通过电子鼻系统动态采集葡萄酒试样的芳香成分,利用主成分分析(PCA)、线性判断分析(LDA)进行数据分析,两种分析方法都能较好的区分不同酵母对应的葡萄酒试样,表明酿酒酵母的产香能力具有菌株多态性,而电子鼻能够对其差异进行检测并加以区分。同时结合Loadings 分析方法得知,除7 号(对硫化物灵敏)、9 号(对有机硫化物灵敏)和10 号(对烷烃灵敏)外,其他的传感器在菌株的产香差异分析中起主要作用。     

不同工艺热反应风味香料的电子鼻检测

为评价不同反应工艺对天然香料风味的影响,首先通过正交试验,研究以香菇提取液为基料,结合其它前体物质进行Maillard反应制备新型风味调料,再通过电子鼻PEN3系统动态采集9组不同香料芳香成分,得到电子鼻的响应值,采用PCA、LDA模式识别方法进行数据分析。结果表明,在基本配方条件下,添加赖氨酸、木糖和甘油,在110℃条件下热反应120min,可制得风味浓郁的新型风味调料,利用电子鼻能够无损检测并区分不同处理工艺的热反应香料。