电子鼻结合统计学分析对牛肉中猪肉掺假的识别

利用电子鼻结合统计学分析对掺入猪肉的掺假牛肉进行定性和定量研究。采用平均值法和K均值聚类分析法提取特征值;通过主成分分析、判别分析进行分析并使用多层感知神经网络进行模式识别;通过偏最小二乘、多元线性回归和BP神经网络建立定量模型来预测掺假物含量。结果表明：K均值聚类分析法提取的特征值能更全面地反映电子鼻的响应信号,同时判别分析能更好地对掺假牛肉进行定性检测。多层感知神经网络分析中训练集正确分类率达98.8%,验证集正确分类率达97.4%,说明分类结果较好。BP神经网络的决定系数R2（0.9993、0.9930）和均方根误差（0.90%、2.50%）明显优于其他两种方法,故BP神经网络建模分析能更好地预测掺假牛肉中猪肉的含量。说明应用电子鼻技术检测掺入猪肉的掺假牛肉具有一定的可行性。     

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。     

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。     

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。     

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。     

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。     

基于电子鼻的葡萄酒感官评价模型的构建

利用PEN3电子鼻检测10种不同菌株酿造的葡萄酒及1瓶商业葡萄酒样的香气,并通过电子鼻WinMuster及SPSS 19.0软件进行模式识别分析,评价基于不同模式识别分析方法电子鼻对不同菌株葡萄酒的区分效果;建立葡萄酒感官评价的综合主成分评价模型,并用该模型对这11种葡萄酒进行感官评价,进一步通过传统的专业品尝员对葡萄酒感官评价方法检测所建综合主成分模型的评价效果。结果表明,基于主成分分析与线性判别分析,电子鼻可以更好地区分不同菌株酿造的葡萄酒样;另外所建模型对葡萄酒的感官评价结果与传统感官评价方法具有较好的一致性,为进行更客观的葡萄酒感官评价提供了新的途径及一定的参考。     

基于气相离子迁移谱对葵花籽油精炼程度的检测

运用气相离子迁移谱（gas chromatography-ion mobility spectrometry,GC-IMS）对不同精炼程度的葵花籽油的挥发性有机成分进行分析,构建葵花籽油精炼程度的指纹图谱,并对葵花籽油的精炼程度进行判别和分类。采用二维差谱方法筛选出22?个有效特征峰作为表征精炼程度差异的变量,采用主成分分析和有监督模式识别方法（K最近邻、二次线性判别分析、Fisher线性判别分析）进行模式识别。结果表明,3?种有监督模式识别方法均可以有效地区分不同精炼程度的葵花籽油样,识别率高达97.30%。使用GC-IMS技术结合化学计量学方法能够准确直观地区分不同精炼程度的葵花籽油样品,便于企业对植物油进行质量控制,同时为质检技术人员提供了一种新的检测方法。     

基于电子鼻的鸡蛋新鲜度检测

鸡蛋新鲜度检测十分重要,为实现无损检测鸡蛋新鲜度,该文利用电子鼻技术,通过挥发物的检测来尝试对20℃、70%RH贮藏条件下的鸡蛋新鲜度进行预测。并测量鸡蛋的理化指标(哈夫单位和蛋黄指数)作为新鲜度的衡量标准。通过线性判别分析对储藏不同天数的鸡蛋进行分类分析,发现线性判别分析能较好地区分不同储藏天数的鸡蛋,判别函数的总贡献率为75.70%;利用多元线性回归和BP神经网络分析法建立电子鼻响应信号和鸡蛋理化指标之间的关系模型,所建多元线性回归模型的相关系数达0.84以上,相对误差在8.00%左右;所建BP神经网络模型的相关系数达0.84以上,相对误差在9.00%左右。说明电子鼻技术对鸡蛋新鲜度具有一定的预测能力,该研究可为鸡蛋新鲜度的无损检测提供参考。     

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。     

基于仿生嗅觉特征的黄酒产地判别研究

采用GC-Flash型电子鼻结合化学计量学方法对不同产地的黄酒进行区分判别。以主成分分析和判别因子分析法建立了产地判别模型。分析结果表明,在主成分分析判别模型中,绍兴原产地（地理标志）、非原产地（非地理标志）与绍兴以外地区的黄酒样品分别占据着不同位置;绍兴原产地和非原产地各自有较大的相对集中分布区间,存在一定的边缘交集,但是他们与绍兴以外地区的黄酒样品分界明显。判别因子法所建产地判别模型中,绍兴原产地、绍兴非原产地和绍兴以外地区的黄酒样品得到正确判别。研究表明,电子鼻结合化学计量学方法可较好地用于黄酒产地的判别。     

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。     

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。     

基于Fisher算法和BP-ANN的造纸原料近红外判别

为了实现对造纸原料的快速准确判别,收集了5种共40份原料品种的近红外光谱数据。通过MAF和一阶导数方法进行光谱数据预处理,用主成分方法对光谱数据进行压缩降维,分别利用Fisher算法和BP人工神经网络来建立原料近红外光谱判别模型,并对两种判别模型进行比较。结果表明:两种模型都能较好地进行造纸原料的近红外判别,且BP人工神经网络比Fisher判别函数在容错性上表现得更为优越,建立的模型用于种类判别时表现得更为稳健。