基于电子鼻识别的热泵干燥鲢鱼品质评价模型的建立

为提高干制水产品品质评价的客观性,建立可靠的电子鼻评价模型。运用电子鼻技术根据总挥发性盐基氮（total volatile base nitrogen,TVB-N）值对不同干燥工艺条件下的腌制鲢鱼进行检测,通过主成分分析并结合统计模式识别方法和偏最小二乘（partial least squares,PLS）回归分析方法对输入的鲢鱼TVB-N值进行模式识别。结果表明：电子鼻对同一因素不同水平下干燥白鲢的TVB-N值产生不同的响应;建立的K最近邻分类算法判别模型对训练集和预测集的识别率均在90%以上,能够对样本进行准确的判断;PLS法分析不同条件下干燥的鲢鱼样品训练集（30 个样本）和预测集（15 个样本）的相关系数分别为0.913 5和0.933,训练集的交互验证均方根误差为3.67,而预测集的预测均方根误差为3.26,达到理想效果。结论：所建立的电子鼻PLS模型能根据TVB-N值实现不同腌干鲢鱼制品的电子鼻区分识别,可用于热泵干燥的白鲢鱼品质预测监督,为干制水产品品质客观的评价提供理论基础和技术指导。     

基于龙井茶香气风味特性的品质判定

结合人工感官审评和智能感官分析对4 个等级西湖龙井茶进行识别判定。通过相关性分析和主成分分析,先后建立龙井茶香气分属性权重及龙井茶香气分属性与电子鼻传感器关联性。根据龙井茶香气分属性权重及香气分属性与传感器关联性结果,对电子鼻传感器进行筛选。通过核Fisher判别分析法和K-最近邻算法进行进一步特征提取和模式分类,实现了对于训练集样本100%和测试集样本97.5%的正确识别。     

高光谱技术结合网格搜索优化支持向量机的桃缺陷检测

为快速区分完好桃、疮痂桃、腐烂桃(虫咬桃、鸟啄桃),实现久保桃外部缺陷的无损检测，该研究利用高光谱技术对久保桃的外部缺陷进行了研究。共采集302个久保桃样本(120个完好桃样本、120个缺陷桃样本、62个验证桃样本),对比经光谱学、基线校正、中值滤波(median filter, MF)等5种预处理方法建立偏最小二乘法模型的准确率，选取经MF预处理后的光谱数据进行后续建模研究。采用回归系数法、竞争性自适应重加权算法(competitive adaptive reweighted sampling, CARS)提取特征波长，建立网格搜索法优化支持向量机(grid search optimized support vector machines, GS-SVM)模型、遗传算法优化SVM模型、粒子群算法优化的SVM模型并进行对比分析。结果表明，CARS-GS-SVM模型预测效果最好，其训练集的判别率为93.33%,预测集的判别率为96.77%,验证集的判别准确率为91.94%,运行时间为11.5 s。该研究利用高光谱技术结合CARS-GS-SVM模型实现了久保桃外部缺陷的检测，为开发水果的分...     

基于轻量卷积网络的马铃薯外部缺陷无损分级

目前马铃薯外部缺陷检测方法主要依靠人工提取特征,且检测精度不高,为了更好地对马铃薯外部缺陷进行快速、准确在线分级,本实验提出一种基于轻量卷积网络的在线分级方法。首先,利用ImageNet数据集训练Xception网络模型,建立马铃薯预训练网络模型;然后,重新构建5 类缺陷全连接层,并通过迁移学习在预训练网络模型上训练马铃薯缺陷数据集;最后,基于外部缺陷识别模型分别测试5 类缺陷的分级性能。结果表明,学习率为0.000 01时,网络模型整体性能最优,训练准确率为98.88%,损失值为0.034 9;在相同样本条件下,与9 种不同深度的网络进行对比,本实验构建的轻量级网络模型识别效果最好,平均识别准确率达到96.04%,且运行时间比识别效果较好的ResNet152网络更短,本实验网络模型的识别速率为6.4 幅/s,本研究结果可为马铃薯在线分级提供理论支持。     

基于傅里叶近红外光谱和电子鼻技术的苹果霉心病无损检测

为研究傅里叶近红外光谱技术(Fourier transform near infrared spectroscopy,FT-NIRS)和电子鼻技术分别结合化学计量学方法对苹果霉心病的判别效果,以“红富士”霉心病苹果和健康苹果为试材,利用近红外光谱技术,基于主成分分析建立Fisher判别和多层感知器(multi-layer perceptron,MLP)神经网络模型;同时利用电子鼻技术分别结合Fisher判别、MLP神经网络和径向基函数神经网络3种化学计量学的方法建立判别模型。根据建模集和验证集的预测准确率综合考虑,基于主成分分析建立的MLP神经网络模型和电子鼻结合MLP神经网络模型对苹果霉心病的判别效果最好,验证集中的正确判别率分别达到87.7%和86.2%。说明电子鼻和近红外光谱技术均可以较好地判别苹果霉心病。     

基于统计空间映射和电子鼻的猪肉风味物质检测

为有效地检测并识别不同猪肉样本挥发性风味的差异,利用电子鼻和顶空固相微萃取-气相色谱-质谱联用技术分别对猪肉样本进行检测,针对2 种方法检测物质的相似性,应用系统聚类分析2 种方法的检测数据,建立二者之间的线性回归模型,获得电子鼻检测数据与猪肉挥发性风味物质间的映射关系,并利用映射关系完成电子鼻检测数据的分类。结果显示,猪肉的电子鼻检测数据与挥发性成分间展现了较为一致的聚类结果,回归方程显示2 种检测数据存在显著的线性关系,利用聚类结果进行判别分析,样本识别正确率达到了90%,表明了利用电子鼻检测并识别不同猪肉间挥发性风味物质差异可行。     

基于电子鼻定量检测鱿鱼中甲醛含量

该研究以电子鼻为基础建立了一种快速定量检测鱿鱼中甲醛的方法,以达到对大量样本进行快速筛查的目的。结果表明,电子鼻对不同甲醛含量鱿鱼的挥发性物质识别主要以8根传感器为主;主成分分析(PCA)对电子鼻数据进行降维后,基于判别因子分析方法(DFA)和聚类分析(SIMCA)建立定性区分鱿鱼甲醛含量模型,验证了电子鼻快速检测的可行性;采取偏最小二乘法(PLS)法建立鱿鱼甲醛含量的快速定量预测模型(R~2=0.926 6);对定量模型进行外部样品验证表明,模型具有良好的适用性和准确性。该研究方法能够快速、无损、定量检测食品中甲醛含量。     

烟叶霉变的快速识别——基于近红外光谱与随机森林算法

为建立烟叶霉变快速识别模型,以复烤片烟为研究对象,在高温高湿条件下进行霉变实验,获得不同霉变程度的烟叶样本。应用近红外光谱技术在4000~12000 cm-1范围内对烟叶的近红外光谱进行采集,获得烟叶样本的基础光谱数据。采用小波分解法对基础光谱数据进行解析,选择中间频率小波系数[cd4, cd5]为光谱变量,利用随机森林算法建立了不同霉变烟叶的识别模型。模型对训练集预测准确率达到93.82%,独立测试集判别准确率达到94.84%,对未霉变样品、临近霉变样品和霉变样品的判别均取得了令人满意的结果。      

基于FT-NIR和电子鼻的苹果水心病无损检测

探讨傅里叶变换近红外光谱技术和电子鼻技术应用于苹果水心病检测的可行性。以277?个“秦冠”水心病苹果和健康苹果为试材,分别采集每个样本在12?000～4?000?cm－1波数范围的近红外光谱和10?个传感器的电子鼻信号,用不同预处理的近红外光谱方法提取主成分建立Fisher判别模型;同时电子鼻结合3?种化学计量学的方法进行建模。结果表明,经一阶导数（9?点平滑）预处理的近红外光谱,提取前20?个主成分建立的Fisher判别模型效果最好,对未知样本的正确判别率达100%;电子鼻分别结合Fisher判别、多层感知器神经网络和径向基函数神经网络判别模型对未知样本的识别率为89.7%、89.5%和85.7%。故利用近红外光谱和电子鼻技术分别结合化学计量学的方法可快速、无损检测苹果的水心病。其中,近红外光谱技术结合Fisher判别对苹果水心病的识别率最高,是一种准确可靠的测定方法。     

SERS结合PCA-LDA分析鉴别鸡肉中硝基呋喃类代谢物的混合残留

以纳米Au溶胶和NaCl溶液为活性增强基底,对鸡肉中残留的两种呋喃它酮代谢物(AMOZ)和呋喃妥因代谢物(AHD)进行表面增强拉曼光谱(SERS)快速检测技术研究。采用自适应迭代惩罚最小二乘法消除原始数据中的背景干扰,应用标准归一化进行光谱预处理,并结合主成分—线性判别方法(PCA-LDA)建立识别模型,得出模型校正集的判别正确率为90.48%,预测集的判别正确率为94.29%。研究表明,SERS技术与PCA-LDA相结合可以有效地鉴别出鸡肉样本中残留的AMOZ和AHD。     

自制电子鼻检测霉变大米

为对不同霉变程度的大米实现快速鉴别,研制了一套以LabVIEW为平台用于检测大米霉变的电子鼻系统。通过霉菌孢子液侵染正常大米,使用该电子鼻系统对不同天数掺入不同比例霉米的大米样品挥发物进行检测,对采集数据进行主成分分析（PCA）、线性判别分析（LDA）,最后使用反向传播（back propagation,BP）神经网络建立预测模型。结果表明,得分图显示正常大米和霉变大米挥发物差异性显著,LDA分类效果优于PCA;所建立的模型预测值和实际值相关性达0.953以上,训练集和测试集平均相对误差分别为3.56%、4.18%,训练集和测试集对于正常大米样本识别率为100%。综上,电子鼻系统可以作为霉变大米无损检测的有效手段,在大米品质鉴别方面具有实际应用意义。     

基于电子鼻技术对不同类型洋葱提取液的识别

洋葱提取液作为新型的生物果蔬保鲜剂,因天然、安全等特点受到消费者信赖。然而不同类型洋葱提取液对果蔬的保鲜效果并不相同,因此对不同类型洋葱提取液的快速识别是有实践意义的。本试验以云南、甘肃、安徽、四川、山东、江苏的紫皮洋葱,甘肃、吉林、云南的黄皮洋葱和新疆的白皮洋葱为试验对象,测定植物学性状后提取洋葱的提取液,运用电子鼻检测分析提取液的挥发性物质,采用费舍尔判别(Fisher判别)和反向传播神经网络(back propagation neural network, BPNN)建立预测模型。结果表明：电子鼻的10个传感器对不同类型的洋葱提取液的响应值有显著性差异(P < 0.05),Fisher判别模型和BPNN模型均可有效的识别不同类型的洋葱提取液,其中BPNN识别的正确率比Fisher判别高。因此,电子鼻技术结合BPNN更适合不同类型洋葱提取液的识别。     

电子鼻对驼乳中牛乳掺假的快速检测

为了迅速准确地鉴别掺假骆驼乳的气味特征,本研究以阿拉善双峰骆驼乳为研究对象,驼乳按照不同掺假浓度分为0.1%、1%、3%、5%、10%、15%、20%和100%的牛乳梯度进行制备。根据掺假驼乳的气味特征,通过电子鼻10个传感器和多变量结合分析更快速、准确的评价掺假驼乳。最后,对验证集中的掺假驼乳样品数据进行验证。结果表明:基于电子鼻对掺假乳样挥发性成分响应值的前两个主成分为85.1%、偏最小二乘判别模型的相关系数为R2_X=0.842,R2_Y=0.628,Q2=0.618;揭示电子鼻可有效区分驼乳或掺假驼乳样品,且检测驼乳中牛乳掺假的最低检测限为1%,影响驼乳气味识别的关键电子鼻传感器为W5S传感器。此外,验证集掺假乳样PLS-DA模型的相关系数为R2_X=0.81,R2_Y=0.659,Q2=0.641;结果进一步证实了电子鼻用于鉴别驼乳气味的有效性。综上,本研究采用电子鼻技术实现了对驼乳中牛乳掺假后气味特征的快速、准确鉴别,为后续掺假驼乳气味特征成分的研究提供理论依据,同时也为其它食品类的掺假检测提供一种参考价值。     

电子鼻结合化学计量法对羊奶中蛋白质掺假的识别

利用电子鼻结合化学计量法对羊奶中的蛋白质掺假进行定性和定量的研究。用电子鼻检测掺入了不同蛋白质物质的羊奶,采用主成分分析、线性判别分析对电子鼻响应值进行定性分析,采用线性回归分析、Fisher判别分析以及K-最邻近值分析对电子鼻响应值进行定量分析。结果表明:主成分分析和线性判别分析都能够区分不同类别的掺假样品。线性回归分析的决定系数为84.5%,表明回归方程估测可靠程度较高。Fisher判别分析的原始分类的正确率达到100.0%,交叉验证的正确率为98.2%,说明其预测结果较好。K-最邻近值分析对训练集的分类正确率达到95.1%,对验证集的分类正确率为97.1%,说明模型的预测结果良好。说明应用电子鼻技术检测羊奶中的蛋白质掺假具有一定的可行性。     

基于电子鼻对不同植物油油炸薯片的区分

以大豆油,玉米油,葵花籽油,花生油及棕榈油5种植物油油炸的薯片为研究对象,利用电子鼻检测其在贮藏期内(0～60 d)的风味物质变化,根据主成分分析(Principal Component Analysis,PCA)、线性判别分析(Linear Discriminant Analysis,LDA)和Fisher判别分析,考察电子鼻对5种植物油油炸薯片区分效果。结果表明,在整个贮藏期内电子鼻传感器对样品的氮氧化物、硫化物和芳香类物质响应值高;PCA分析和LDA分析都可以代表样品的主要信息,但LDA分析的区分效果较PCA分析更明显;Fisher判别分析除0 d时1个样品被误判,总的正确判别率为96%,其余样品均未被误判,总的正确判别率都为100%。     

基于机器视觉的马铃薯加工原料分选系统

目的：设计以马铃薯加工原料为对象的自动化分选系统,实现设定标准下马铃薯自动识别。方法：构建分选系统的控制流程及分选算法,通过自动传送、机器视觉采集、吸压翻转自动化获取马铃薯2面的图像,采用图像复原算法消除运动模糊,设计面积比、长短径、凸起检测算法对马铃薯畸形、发芽、大小进行检测,基于颜色特征构建神经网络模型对马铃薯绿皮、病斑、常色进行分类。结果：利用BP神经网络算法预测马铃薯外观颜色绿皮、病斑、正常的分类,以误差分数为衡量预测模型准确性的度量,神经网络的预测分类平均准确率为96.2%。通过选取混合样本对分选系统进行测试,参照设定分选标准,分选系统对马铃薯识别正确率达到95.92%;单薯处理耗时3.76 s。系统运行稳定。结论：该方法用于马铃薯加工原料精量分选可行,能够满足薯制品加工生产线前端的分选需要。     

电子鼻快速判别玉米霉变技术研究

采用正常玉米样品40个,发霉玉米样品41个,建立了电子鼻对霉变与正常样品的识别模型,优化了10个传感器的组合,并对32个未知样品进行判别,其中霉变样品15个,正常样品17个。结果表明传感器优化前后主成分分数分别为86.34%和97.54%,优化后提高了11.2%。采用Euclid、Malahanobis、Correla-tion以及DFA四种算法对检验集未知样品进行判定,优化前总判别率分别为Euclid:68.75%,Malahanobis:75%,Correlation:84.38%,DFA:81.25%;优化后总判别率分别为Euclid:68.75%,Malahanobis:75%,Correla-tion:90.63%,DFA:87.5%。优化后Correlation和DFA法的判别率比优化前提高,其中Correlation法达90.63%。在对霉变和正常玉米判别时,霉变样品的判别率要远高于正常样品的判别率。     

鱼糜和马铃薯粉对饼干质构和风味的影响

采用质构分析、电子鼻与固相微萃取-气相色谱-质谱联用方法,对制备的鱼糜马铃薯饼干质构和风味进行对比分析。以感官评定和质构为评价指标,以低筋面粉含量为100%,确定鱼糜马铃薯饼干的配方为:马铃薯全粉相对含量30%、马铃薯淀粉相对含量20%、鱼糜相对含量40%、棕榈油相对含量40%。对鱼糜马铃薯饼干、鱼糜饼干、马铃薯全粉饼干和普通饼干的风味进行对比,结果发现4种饼干的风味物质主要为杂环类、烃类和醛类化合物,其中以美拉德反应产物甲基吡嗪和2,5-二甲基吡嗪为主,含有鱼糜的饼干中,醛类化合物的种类和含量明显增加。本研究为饼干的香气特征研究提供科学依据,为马铃薯和鱼糜的开发利用提供一定参考。