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。     

电子鼻对羊奶中三种抗生素残留的快速检测

目的 实现羊奶中常用抗生素残留的快速检测。方法 以电子鼻作为快速无损的检测仪器, 将含有不同浓度的青霉素G、硫酸庆大霉素、硫酸链霉素的羊奶作为研究对象, 利用线性判别分析(Linear Discriminant Analysis, LDA)和多层感知器神经网络(Multilayer Perceptron Neural Network, MLPN)等方法进行数据处理。结果 LDA的判别结果总体上能够将不同浓度的抗生素区分开来, 效果良好; MLPN的训练集和预测集的正确率也都在94.9%以上, 取得了很好的预测效果。结论 LDA 判定分组和MLPN预测模型可以用于羊奶中不同浓度青霉素G、硫酸庆大霉素、硫酸链霉素的快速检测。     

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。     

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。     

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。     

地理标志大米的仿生电子鼻分类识别

为了对地理标志大米进行原产地保护,采用PEN3电子鼻,分析样品质量、项空空间及静置时间等试验参数对电子鼻传感器响应值影响,结合主成分分析(PCA)和线性判别分析(LDA)方法对3个不同地理标志大米进行识别研究。结果表明:选取50 g样品,以50 mL顶空空间、静置1 h测得的电子鼻响应值最佳;PCA法可以区分不同地域的大米,也可以区分不同品种大米,LDA法也可以区分不同地域的大米,但不能区分不同品种的大米。运用电子鼻可以将地理标志大米进行较好的区分,为电子鼻技术应用于大米产地溯源提供理论基础。     

基于电子鼻的对掺假的"伊利"牛奶的检测

将电子鼻应用于对掺假牛奶的检测,旨在寻求一种快速有效的方法以实现对牛奶的质量监控.实验过程是纯牛奶中掺入不同比例的奶粉奶,并用电子鼻检测1～7 d的气味;纯牛奶中掺入不同体积的蒸馏水并用电子鼻检测.将检测结果用LDA和PCA方法分析.在LDA和PCA分析图中可以得出如下结论电子鼻可以准确地区分纯牛奶与奶粉奶.当纯牛奶与奶粉奶以不同的比例混合后,电子鼻根据气味的浓度区分它们.在第1～3天,LDA分析图中各组样品根据纯牛奶和奶粉奶的混合比例有规律地分布;当纯牛奶中掺入不同体积水时,电子鼻能准确地区分它们.在PCA分析图中,高浓度奶与低浓度奶被明显地区分,可以籍此来判别牛奶的浓度.电子鼻能区分存放1～4 d的牛奶,不能区分存放5～7 d的牛奶.随着存放时间的延长,电子鼻可以根据牛奶气味的变化,在LDA和PCA分析图中反映牛奶的新鲜度.     

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。     

应用电子鼻对奶粉掺假快速检测的研究

利用由十个金属氧化物传感器组成的电子鼻对几种不同品牌的奶粉和掺入其他物质的奶粉样品分别进行了测量,并通过PCA和LDA法对数据进行了统计分析。数据分析显示所建立的奶粉电子鼻模型能够用于识别不同品牌的奶粉样品,同时电子鼻也能够鉴别奶粉是否有其他物质的掺入。另外基于电子鼻的灵敏性,其对于奶粉中掺入物的浓度也有一定的鉴定能力。研究结果表明电子鼻技术应用在奶粉掺假的快速检测上是可行的。     

基于顶空气相色谱-离子迁移谱与电子鼻技术快速检测宁夏滩羊肉中掺假鸭肉

为实现掺假宁夏滩羊肉的准确快速检测,按照不同比例将鸭肉混入滩羊肉中制备掺假肉。基于顶空气相色谱-离子迁移谱（gas chromatography-ion mobility spectrometry,GC-IMS）及电子鼻结合统计学方法对掺假肉样进行快速检测。通过GC-IMS采集掺假肉气味图谱,利用主成分分析和相似度差异分析对掺假肉进行分析;采用线性判别法分析电子鼻传感器响应值,后采用多元线性回归建立电子鼻响应值与鸭肉掺假比例的定量模型。结果表明：通过GC-IMS气味图谱可直观看出掺假不同比例鸭肉的滩羊肉中挥发性有机物差异,但对于掺假比例相近的样品区分度不明显;采用线性判别分析可很好区分掺假不同比例鸭肉的滩羊肉;采用多元线性回归分析,以鸭肉掺假比例及电子鼻传感器响应值进行拟合,得到回归方程决定系数为R2=0.967 1,拟合度高,实际测定值与预测值具有较好的相关性。GC-IMS技术、电子鼻结合统计学方法可以对掺入不同比例鸭肉的滩羊肉进行鉴别。     

基于电子鼻技术的金华火腿鉴别与分级

研制一套适合金华火腿品质的电子鼻分级系统,对3个等级的金华火腿样品进行了检测,获得了电子鼻传感器的响应值。再利用线性判别式分析(LDA)、主成分分析(PCA)和偏最小二乘法(PLS)等多元统计方法进行了数据处理,其中LDA用来鉴别,PCA用来降维,PLS用来预测。结果表明电子鼻能够很好地区分不同品质等级的金华火腿,并验证了预测金华火腿等级的实际效果。该研究所提出的品质分级检测新方法将为金华火腿标准的修订和完善提供科学依据。     

Detection of age and insect damage incurred by wheat, with an electronic nose

Wheats of five storage ages and with 15 degrees of insect damage were evaluated and classified by the static-headspace sampling method using an electronic nose (E-nose). A commercial E-nose (PEN2) comprising 10 metal-oxide semiconductor (MOS) sensors was used to generate a typical chemical fingerprint of the volatile compounds present in the samples. Principal-component analysis (PCA) and linear-discriminant analysis (LDA) were applied to the generated patterns to achieve classification into the five groups of different storage-age wheats and the 15 groups of different degrees of insect-damaged wheat. The results obtained indicated that the E-nose could discriminate successfully among wheats of different age and with different degrees of insect damage.     

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。     

电子鼻结合顶空SPME-GC-MS联用技术分析贵州不同品种辣椒发酵后挥发性成分

以贵州5种不同辣椒品种为研究对象,采用电子鼻技术,结合顶空固相微萃取-气相色谱-质谱（solid phase microextraction-gas chromatography-mass,SPME-GC-MS）联用技术,对其发酵后挥发性成分进行分析。结果表明,电子鼻分析结果能够很好地区分不同辣椒品种发酵后的风味;采用主成分分析（principal component analysis,PCA）以及线性判别分析（linear discriminant analysis,LDA）可知,PCA和LDA主成分贡献率总和分别为99.93%、99.19%,均大于95%,说明传感器识别效应和样品间的风味区分度较好。SPME-GC-MS分析结果表明,5种样品共检出124种不同的挥发性风味物质。其中黄平线椒占97种,以酯类物质相对含量最高,为36.82%;施秉线椒和大方皱椒分别占88种和94种,且均以醇类物质相对含量最高,分别为31.88%、28.99%;百宜平面椒和花溪党武辣椒分别占89种和71种,均以烃类物质相对含量最高,分别为26.75%、35.08%。此结果与电子鼻PCA和LDA结果相一致。因此,通过SPME-GC-MS和电子鼻分析结果可知,电子鼻能够很好地区分贵州名优产地不同辣椒品种发酵后的风味。     

基于电子鼻及气相色谱-质谱联用技术对川西高原4 种蜂蜜挥发性成分分析

为分析川西高原不同蜜源蜂蜜挥发性物质种类及成分的差异,采用电子鼻、顶空固相微萃取（headspace solid-phase microextraction,HS-SPME）与气相色谱-质谱联用（gas chromatography-mass spectrometry,GC-MS）技术对川西高原油菜蜂蜜、当归药花蜜、白刺花蜜和山花蜜4?种蜂蜜挥发性成分的响应值进行主成分分析、线性判别分析以及成分定性定量分析。结果表明：电子鼻检测到油菜蜂蜜、当归药花蜜、白刺花蜜、山花蜜的挥发性成分差异明显;HS-SPME-GC-MS分别检测出40、51、39?种和46?种挥发性成分,主要为醇类、酯类、酮类、醛类、烃类等化合物。4?种蜂蜜中共有挥发性成分有7?种,特有挥发性成分分别有22、27、26?种和19?种。电子鼻联合GC-MS分析可以成功区分不同来源蜂蜜样品的挥发性成分。     

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。