电子鼻在芝麻油及芝麻油香精识别中的应用

采用电子鼻时芝麻油、芝麻油香精和其他油脂样品进行了分析.对所获得的数据进行主成分分析(Principal Component Analysis,PCA)、判别因子分析(Discriminant Factor Analysis,DFA)和统计质量控制分析(Statistical Quality Control,SQC),结果表明:电子鼻能够有效识别芝麻油、芝麻油香精和其他油脂,且电子鼻对芝麻油和其他油脂的识别比对芝麻油和芝麻油香精的识别效果更好;2号芝麻油香精和芝麻油样品的香气较为相似,其香气的模拟比较成功;电子鼻能够识别不同储存时间的芝麻油样品,随着储存时间的延长,样品在PCA图中呈现规律性的变化,这可能与芝麻油在储存过程中发生氧化有关.     

电子鼻技术在芝麻油品牌识别及掺假鉴伪中的应用

探讨电子鼻在芝麻油品牌识别及掺假鉴伪中应用的可行性。以芝麻油纯品及不同掺假比例的芝麻油样品等为研究对象,结合电子鼻传感器分析技术及偏最小二乘回归分析等数据处理技术对结果图谱进行解析。结果显示:电子鼻的雷达图及负荷分析均表明传感器对样品有较好的信号响应,通过PCA分析建立的特征图谱可有效区分鉴别被试样品,通过PLS模型可较好预测样品掺假比例。因此,电子鼻可作为非标技术用于芝麻油的品牌识别及掺假鉴伪。     

电子鼻在金华火腿香精识别中的应用

文章提出了一种用电子鼻鉴别香精相似程度的新方法.利用电子鼻采集金华火腿原料与调配的金华火腿香精的香气成分,并得到电子鼻传感器的响应值,再利用主成分分析法(PCA)、单类成分判别分析法(SMICA)等多元统计方法进行数据分析.结果得出,经加香调配的金华火腿香精的风味轮廓与金华火腿原始风味有一定差别,表明电子鼻可以成功的应用于样品的香气鉴别.     

电子鼻在香精识别中的应用研究

传统的香精检测中采用的感官品闻的方法不仅带有很大的主观性,而且个体差异大,为此作者研制了一套能够实时、客观、准确地检测香精散发气味的电子鼻系统。该系统主要由气敏传感器阵列和数据处理软件组成,并采用氮气作为载气以减少测试环境因素的影响。为了提高信噪比,从每个传感器与气体反应曲线中提取了五个特征值,然后用主成分分析法和BP神经网络对样本特征值进行处理。识别结果表明,这种检测方法快速、客观、准确,识别正确率高达97.2%。      

电子鼻对芝麻油掺假的检测

使用电子鼻系统PEN3 对芝麻油中掺入大豆油、玉米油、葵花籽油进行检测分析,分别对芝麻油中不同量的掺假进行辨别,用主成分分析(PCA)和线性判别式分析(LDA)两种方法分析。结果表明：电子鼻能够较好的识别芝麻油掺假不同比例的大豆油、玉米油和葵花籽油,而且LDA 方法比PCA 方法的效果好。PCA 方法对掺入大豆油、玉米油超过50% 和葵花籽油超过70% 的芝麻油能明显区分,而LDA 方法对芝麻油中掺入不同量的大豆油、玉米油和葵花籽油均能明显区分。     

基于电子鼻山茶油芝麻油掺假的检测研究

本文采用电子鼻系统对山茶油、芝麻油的掺假（大豆油）作了检测.通过对传感器信号进行方差分析可知,三种油脂的传感器响应有显著差异.主成分分析（PCA）对山茶油与大豆油及其混合物检测效果较差,对芝麻油、大豆油及两者混合物取得了较好的检测效果;而线性判别式分析（LDA）对山茶油和芝麻油的掺假都有较好的检测效果,并优于PCA方法.运用BP神经网络拟对混合油脂进行定量预测,对山茶油掺假的定量预测效果较差,对芝麻油掺假的预测效果略好于山茶油,但最大绝对误差已达0.134,还不能取得较为准确的结果.     

电子鼻在掺假牛肉馅识别中的应用

为了探索电子鼻对牛肉类掺假识别的可行性,利用电子鼻对牛胸肉、猪前槽肉、鸡胸肉和鸡皮样品进行了检测分析。通过对所获得的数据进行主成分分析(principal component analysis,PCA)、线性判别分析(linear discriminantanalysis,LDA),结果表明:电子鼻能够较好的识别牛胸肉馅料中掺入不同比例的猪前槽肉、鸡胸肉和鸡皮,且LDA方法的效果明显优于PCA方法。      

电子鼻在掺假牛肉卷识别中的应用

使用PEN3系统的电子鼻对掺入不同比例的猪肉和鸭肉的牛肉卷样品进行检测辨别,用主成分分析(PCA)和线性判别分析(LDA)进行分析。结果表明:电子鼻能稳定地反映出掺入不同比例猪肋条肉、鸭肉的牛肉卷中挥发性物质信息的变化,并且能够将不同掺入比例的肉样很好地区分开。     

电子鼻在天然苹果香精检测标准建立中的应用研究

利用电子鼻检测仅知生产日期的天然苹果香精样品，并对所获数据进行PCA及DFA分析，筛选信息重复的样品。结果表明：生产日期与产品质量有着密切的联系；通过筛选，参与建立天然苹果香精检测标准的样品只需20个，比原来的34个样品减少了14个。     

应用电子鼻区分不同类型的草莓香精

将电子鼻用于对草莓香精的检测,旨在寻求一种快速有效的方法以实现对草莓香精风味的判定。用电子鼻检测3种不同类型的草莓香精样本（熟味草莓香精、青味草莓香精、发酵味草莓香精）的气味。结果表明：电子鼻可以准确地区分不同风味的草莓香精,所建模型能够准确识别香精的类型。     

基于电子鼻的茶油掺伪定性和定量检测

目的:实现对茶油中掺入菜籽油、大豆油、玉米油的掺伪检测。方法:采用电子鼻检测平台对茶油中分别掺入不同比例菜籽油、大豆油、玉米油进行掺伪检测,运用线性判别分析(LDA)和支持向量机(SVM)进行茶油掺伪定性鉴别分析,并使用多层感知器(MLP)和偏最小二乘回归(PLSR)建立茶油掺伪定量预测模型。结果:最佳输入参数下的SVM对茶油掺伪鉴别准确率高于LDA,其平均精确率、平均召回率、平均F-分数分别为94.85%,96.11%,95.34%,比LDA的提高了5.17%,4.44%,5.29%;MLP对茶油掺伪比例预测结果优于PLSR,对于掺入菜籽油、大豆油、玉米油的茶油,MLP预测的决定系数分别为0.98,0.99,0.98,均方根误差分别为4.02%,1.45%,3.74%。结论:基于电子鼻平台建立的SVM茶油掺伪鉴别模型和MLP茶油掺伪比例预测模型可有效实现茶油的鉴伪。     

芝麻油品质检测方法的研究现状与分析

针对近些年来芝麻油掺伪现象日益严重的问题,对目前采用的芝麻油品质检测方法及其研究现状进行了综述分析。主要介绍了常用的显色法、色谱法、光谱法、电子鼻技术以及一些联用的方法在芝麻油掺伪检测中的研究现状,通过检测脂肪酸、甘三酯、芝麻林素、芝麻酚等特征物质来实现芝麻油品质的有效检测。     

仿生电子鼻在芝麻油掺伪检测中的应用研究

研究并设计了一套电子鼻系统,并将基于生物嗅觉的模糊神经网络作为其模式识别算法。将该仿生电子鼻系统应用于芝麻油掺伪的检测中。实验结果显示,该系统在预测精度、收敛速度及运行时间上都取得了较好的效果,可为芝麻油以及其他农产品的在线动态监测及保真提供快速、有效的手段。     

电子舌快速检测食用植物油掺伪

目的应用法国Alpha M.O.S公司生产的传感器型味觉电子舌系统对3组不同程度掺伪的食用植物油进行掺伪检测。方法选取6种不同类型植物油,用20%的乙醇浸泡后超声,静置隔夜,将油脂中的味觉信息提取出来,由电子舌自动进样系统采集原始数据,所得样品数据用主成分分析法、判别因子法进行分析。结果 2种方法均能较好地检测区分不同的食用植物油样品,大部分的指纹分辨指数高于95分。此方法可以区分不同榨取工艺或不同产地的同种类油脂,可鉴别的掺伪检测限为0.1%。结论本实验鉴别精确度远大于常规的油脂检测方法,且具有较高的灵敏度,能够快速有效地鉴别不同种类食用植物油并区分不同掺杂比例的油脂样品。     

电子鼻在食用油鉴伪中的应用进展

电子鼻作为一种快速无损的新型检测技术,广泛应用于食品检测监测领域,近年来在食用油检测中的应用研究也越来越多.主要从采样方式、检测系统以及模式识别技术等方面总结国内外的研究现状,为电子鼻在食用油检测中的应用提供参考.     

Analysis of pork adulteration in minced mutton using electronic nose of metal oxide sensors

The aims were to detect the adulteration of mutton by applying traditional methods (pH and color evaluation) and the E-nose, to build a model for prediction of the content of pork in minced mutton. An E-nose of metal oxide sensors was used for the collection of volatiles presented in the samples. Feature extraction methods, Principle component analysis (PCA), loading analysis and Stepwise linear discriminant analysis (step-LDA) were employed to optimize the data matrix. The results were evaluated by discriminant analysis methods, finding that step-LDA was the most effective method. Then Canonical discriminant analysis (CDA) was used as pattern recognition techniques for the authentication of meat. Partial least square analysis (PLS), Multiple Linear Regression (MLR) and Back propagation neural network (BPNN) were used to build a predictive model for the pork content in minced mutton. The model built by BPNN could predict the adulteration more precisely than PLS and MLR do.