基于电子鼻技术的猪肉脯品质判别分析

为实现猪肉脯品质的快速判别,采用电子鼻技术对12 个品牌3 个批次共108 个猪肉脯样品进行分析检测,同时依据GB/T 31406—2015《肉脯》对样品的蛋白质、水分、氯化物、脂肪及总糖含量进行品质评判,选取电子鼻响应曲线中120～150 s稳定数据段的平均值作为表征变量,结合主成分分析和k最近邻法（k=3）建立猪肉脯品质等级的判别模型。结果表明,所建模型的理论判别准确率可达89.81%,基于电子鼻技术的猪肉脯品质判别具有一定的可行性。     

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。     

基于电子鼻和气质联用技术的浓香型白酒分类

该研究分别利用电子鼻和气质联用(gas chromatography-mass spectrometry,GC-MS)分析7种不同品牌浓香型白酒的差异。结果表明,电子鼻的S2、S6、S7和S9 4个传感器对不同品牌浓香型白酒具有较好的响应信号,经主成分分析(principal component analysis,PCA)筛选后可以作为浓香型白酒差异的特征指标来衡量。基于传感器信号,比较了PCA和线性判别对不同各品牌浓香型白酒的分类效果,PCA分析能够对不同品牌白酒进行较好区分。GC-MS分析表明,不同品牌浓香型白酒风味物质含量存在明显差异,而PCA分析中关系密切的样品在风味成分层面存在相似性。该研究提供了一种基于电子鼻、GC-MS技术和数理统计分析相结合的浓香型白酒分类方法,为浓香型白酒的快速质量分类方法的开发提供了理论和数据支撑。     

基于智能电子鼻的食醋识别方法的研究

食醋是一种常见的调味品。市场上食醋的种类繁多,其风味因产地、配料、发酵方式不同而各异,对食醋的品质也会产生一定的影响。采用自制的,能快速区分食醋种类的智能电子鼻系统(主要包括传感器阵列和气室,数据采集、调理与传输单元,以及供气动力装置三大部分)检测10种食醋产品,以非线性分析方法提取香气成分特征值,并以主成分分析法对食醋种类进行分类,试验结果表明,自制的智能电子鼻系统可以较好地反映食醋产品的风味差异,检测快速、简便,成本低。该非线性分析方法可以较好地克服传感器基线漂移的不利影响,具有良好的应用前景。     

近红外光谱结合线性判别分析方法在食醋品牌鉴别中的应用

采用近红外光谱技术结合化学计量学手段,建立不同品牌食醋的快速鉴别方法。用近红外光谱仪对103组食醋样品进行扫描,采用二阶导数对图谱进行预处理、标准化处理、T检验和主成分分析(principal component analysis,PCA),运用留一法构建线性判别分析(linear discriminant analysis,LDA)模型。结果表明,原始近红外谱图经过处理后,显示出同种品牌食醋主成分的聚类趋势;交叉验证结果表明,PCA-LDA模型预测不同品牌食醋的正确率高达85. 57%,该模型具有较好的预测效果。该研究结合近红外光谱与PCA-LDA模型,为不同品牌食醋提供一种快速鉴别方法,具有处理近红外光谱数据,研究物质主成分的应用潜力。     

基于判别分析的图形图像分类方法

在色彩管理中,为了实现再现意图的自动选择,首先需要实现图形和图像的自动分类。本研究通过观察和分析大量不同类型原稿,得出图形与图像之间的本质差异在于颜色空间分布特性不同,并在此基础上,提炼出了具有显著区分能力的若干特征,并按照区分能力大小对其进行筛选。然后采用判别分析法,根据筛选得到的区分特征建立了图形图像判别函数。经检验,本方法的判别精度达到96.75%。     

电子鼻对酿造食醋与配制食醋的区分辨识

在前期研究的基础上,应用电子鼻技术快速检测了台州地区生产和销售的酿造食醋与配制食醋。研究表明:以食醋中特征香味物质为参照,对检测结果进行主成分分析后,发现酿造食醋和配制食醋的落点在各自区域内而互不干扰,说明电子鼻能很好地区分台州市场上的酿造食醋和配制食醋。     

提高食醋电子鼻识别率方法的研究

以两种不同品牌的山西食醋为样品,通过对电子鼻测定数据的区间分析,确定样品处理方式,并采用正交试验方法对传感器的选用进行优化并建立模板;用欧氏距离、相关性、马氏距离和判别函数分析同时鉴别新样品的归属,误判率明显降低（由18.2%降低为5.4%）,识别率得到较大提高（由81.8%提高至94.6%）。     

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。      

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(p0.05),即六种食醋的硫化氢、氨类物质的含量差异显著(p0.05)。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。     

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。     

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。     

一种用于食醋识别的新型便携式电子鼻

研究开发了一种新型的用于食醋识别的便携式电子鼻。该电子鼻基于顶空采样原理,包含1个微处理单元、控制电路、显示屏和1个自制8阵列气体传感器。电子鼻尺寸为6.0cm×2.5cm,总量仅50g。应用该电子鼻对5种商业食醋进行了测量,采用主成分分析法(PCA)对电子鼻信号进行了分析,应用人工神经网络(ANN)对5种食醋进行识别,识别率为100%。研究表明该新型电子鼻能实现对食醋在线、快速、准确的测量。     

基于无机元素含量的地理标志食醋分类

采用ICP-AES和ICP-MS共测定了山西老陈醋、镇江香醋中38个无机元素的含量。经显著性分析(T检验)筛选出Cd、Al、Ca、Ba、Fe、Mn、Zn、Ni、Pb、Cs、As、Mo等12个在山西老陈醋和镇江香(陈)醋中含量差异最大的特征元素。基于以上12个特征元素,采用主成分分析法对样品进行分类,可明显归于两类,其含量可能与产地的质地条件和产品的生产工艺有关。无机元素含量分析,有望成为一种鉴别地理标志保护食醋的技术手段。     

基于线性判别分析和二分K均值的高维数据自适应聚类方法

将线性判别分析和二分K均值聚类耦合在一起,提出了一个适合于高维数据聚类的自适应方法:利用线性判别分析将高维数据集变换成低维数据集,然后在低维数据集上执行二分K均值聚类,并把得到的聚类结果通过一个簇成员指示矩阵H变换到原数据集中.将这样的过程反复进行,直到自适应地得到一个最优结果.基于现实数据集的实验结果证明了该方法的有效性.     

基于电子鼻和电子舌技术的鳕鱼鲜度评定

对不同储藏时间鳕鱼的气味和浸出液的滋味分别进行电子鼻和电子舌的分析,通过对数据进行PCA、DFA和负荷加载分析,并结合挥发性盐基氮(TVBN)和菌落总数(TVC)的分析,建立一种基于电子鼻、电子舌技术判别鳕鱼新鲜度的方法。结果表明:随着贮藏时间的延长,鳕鱼鱼肉的气味、滋味变化能被电子鼻、电子舌区分出来,且电子舌的DFA三维图谱的区分度更高。二者的分析结果与TVBN、TVC结果一致。因此,可以用电子鼻和电子舌来区分不同鲜度的鱼肉,电子舌的区分度要高于电子鼻。     

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。