本文由 上海科學(xué)儀器有限公司 整理匯編

2018-08-16 10:00 855閱讀次數(shù)

收藏 評(píng)價(jià) 舉報(bào)

• 分享

立即下載

參與評(píng)論

評(píng)論

登錄后參與評(píng)論

登錄或新用戶注冊

• 微信登錄
• 密碼登錄
• 短信登錄

請用手機(jī)微信掃描下方二維碼
快速登錄或注冊新賬號(hào)

微信掃碼，手機(jī)電腦聯(lián)動(dòng)

注冊登錄即表示同意《儀器網(wǎng)服務(wù)條款》和《隱私協(xié)議》

賬  號(hào)：

密  碼：

圖片碼： 看不清？
換一張？

手機(jī)和郵箱號(hào)注冊新賬號(hào)>> 忘記密碼？

手機(jī)號(hào)：

圖片碼： 看不清？
換一張？

短信碼： 獲取短信碼

手機(jī)和郵箱號(hào)注冊新賬號(hào)>> 忘記密碼？

更多資料

• PEN3-基于高光譜與電子鼻融合的番石榴機(jī)械損傷識(shí)別方法

  摘要:提出了一種基于高光譜與電子鼻融合的水果機(jī)械損傷識(shí)別方法。分別采用高光譜儀與電子鼻對(duì)無損傷、輕度機(jī)械損傷和重度機(jī)械損傷的番石榴進(jìn)行采樣，提取特征信息后，運(yùn)用主成分分析(PCA)、線性判別分析(LDA)、歐氏距離分析(ED)和模糊C均值聚類(FCM)對(duì)高光譜儀、電子鼻以及高光譜與電子鼻融合3種識(shí)別方法的識(shí)別效果進(jìn)行了對(duì)比。PCA和LDA的分析結(jié)果表明，高光譜與電子鼻識(shí)別番石榴機(jī)械損傷是可行的，但單獨(dú)采用這兩種識(shí)別方法均無法對(duì)番石榴機(jī)械損傷程度進(jìn)行分級(jí)。采用高光譜與電子鼻融合方法，結(jié)合LDA分析可以較好地識(shí)別番石榴機(jī)械損傷程度，比單一識(shí)別方法具有更好的識(shí)別效果。此外，LDA比PCA對(duì)番石榴機(jī)械損傷識(shí)別效果更佳。根據(jù)PCA、LDA和ED分析結(jié)果可以推測多源信息融合的分類識(shí)別方法既可獲取更多的樣本信息，提高相同樣本之間的聚類性，又可較多地保持單一分類識(shí)別方法得到的不同樣本之間的Zda距離。根據(jù)FCM分析結(jié)果，高光譜識(shí)別、電子鼻識(shí)別和高光譜與電子鼻融合識(shí)別3種方法對(duì)番石榴機(jī)械損傷識(shí)別的正確率分別為89.74%、82.05%和97.44%，驗(yàn)證了多源信息融合方法對(duì)提高水果機(jī)械損傷識(shí)別效果的可行性。關(guān)鍵詞:番石榴機(jī)械損傷多源信息融合高光譜電子鼻[詳細(xì)]

  2018-08-16 10:00

  產(chǎn)品樣冊

  |

  • 
  • 
  • 
  • 

• 基于電子鼻信號(hào)判別番茄苗機(jī)械損傷程度

  摘要：番茄苗產(chǎn)生的揮發(fā)物易受到病害、蟲害、損傷等多種因素影響。該文利用電子鼻系統(tǒng)測試機(jī)械損傷番茄苗揮發(fā)性物質(zhì)的變化，通過主成分分析、線性判別分析對(duì)4種不同處理機(jī)械損傷的番茄苗進(jìn)行分析，結(jié)果表明主成分分析各處理樣本間均有重疊，區(qū)分效果不理想，線性判別分析各處理樣本基本可以分開；用逐步判別分析和BP神經(jīng)網(wǎng)絡(luò)對(duì)各處理樣本進(jìn)行判別，測試集的準(zhǔn)確率分別達(dá)到84.4%和93.8%以上，神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果更好。該研究可為番茄苗機(jī)械損傷快速在線監(jiān)測提供參考。[詳細(xì)]

  2018-08-16 10:00

  產(chǎn)品樣冊

  |

  • 
  • 
  • 
  • 

• 一種基于計(jì)算機(jī)嗅覺的卷煙等級(jí)識(shí)別方法-電子鼻

  摘要:為利用計(jì)算機(jī)嗅覺系統(tǒng)(電子鼻)快速、簡便地識(shí)別同種品牌不同等級(jí)的卷煙，選取三種不同等級(jí)的“雙喜"牌卷煙作為實(shí)驗(yàn)對(duì)象，利用PEN3電子鼻分別檢測整盒(未開封)、濾嘴、煙絲、煙紙、煙氣等5個(gè)方面的氣味，并利用主成分分析(PCA)和主成分分析+線性判別分析(PCA+LDA)分別對(duì)該5種氣味信息進(jìn)行分析。Z后利用相關(guān)性分析對(duì)整盒氣味信息的待測樣本進(jìn)行了區(qū)分測試。結(jié)果顯示:單獨(dú)利用5種氣味的信息都區(qū)分出三種等級(jí)，其中區(qū)分效果由優(yōu)到劣依次是濾嘴、煙氣、整盒、煙絲、煙紙。利用相關(guān)性分析方法對(duì)整盒待測樣品的測試正確率達(dá)1**%。[詳細(xì)]

  2018-08-16 10:00

  產(chǎn)品樣冊

  |

  • 
  • 
  • 
  • 

• PEN３－基于電子鼻的冷藏大菱鲆品質(zhì)變化研究

  摘要利用電子鼻技術(shù)檢測不同貯藏溫度下大菱鲆樣品的揮發(fā)性氣體變化情況，對(duì)所得數(shù)據(jù)進(jìn)行主成分分析(PCA)、載荷分析(LA)和聚類分析(CA)，并結(jié)合細(xì)菌菌落總數(shù)和揮發(fā)性鹽基氮(TVB-N)含量變化進(jìn)行分析，建立一種基于電子鼻的冷藏大菱鲆新鮮度判別方法。結(jié)果表明:電子鼻主成分分析、載荷分析和聚類分析能很好地區(qū)分大菱鲆0℃與4℃貯藏過程中的揮發(fā)性氣味變化，氣味發(fā)生變化的時(shí)間拐點(diǎn)分別是貯藏20d和16d;電子鼻分析結(jié)果與細(xì)菌菌落總數(shù)和TVB-N值變化預(yù)測的貨架期終點(diǎn)基本一致。因此電子鼻技術(shù)可以用來判別大菱鲆冷藏過程中的新鮮度變化。[詳細(xì)]

  2018-08-16 10:00

  產(chǎn)品樣冊

  |

  • 
  • 
  • 
  • 

• PEN3-基于電子鼻的果園荔枝成熟階段監(jiān)測

  摘要：為了無損快速監(jiān)測荔枝成熟階段，該文提出了一種基于電子鼻技術(shù)的果園荔枝成熟階段監(jiān)測方法，采用PEN3電子鼻獲取掛果約25d到果實(shí)成熟過程中6個(gè)成熟階段荔枝樣本的仿生嗅覺信息并同步獲取了各成熟階段荔枝的3項(xiàng)物理特征（果實(shí)直徑、果實(shí)質(zhì)量與果實(shí)可溶性固形物含量）。根據(jù)不同成熟階段荔枝物理特征變化可知，荔枝果實(shí)直徑與果實(shí)質(zhì)量2項(xiàng)物理指標(biāo)在掛果約32d～39d，以及53d～60d增長較快，可溶性固形物含量在掛果約32d前無法測量，53d～60d階段增長速度較慢。提取各樣本電子鼻采樣數(shù)據(jù)75s時(shí)刻的各傳感器響應(yīng)值作為特征值后，采用載荷分析（loadings）進(jìn)行傳感器陣列優(yōu)化，優(yōu)選了傳感器R2、R4、R6、R7、R8、R9和R10的響應(yīng)數(shù)據(jù)進(jìn)行后續(xù)分析。將優(yōu)化后的傳感器響應(yīng)數(shù)據(jù)進(jìn)行歸一化處理。采用線性判別分析（lineardiscriminantanalysis，LDA）進(jìn)一步提取特征信息，降低數(shù)據(jù)中包含的冗余信息。LDA對(duì)荔枝成熟階段的分類識(shí)別效果不佳。為進(jìn)一步探究電子鼻監(jiān)測果園荔枝成熟階段的可行性，采用模糊C均值聚類分析（fuzzyCmeansclustering，F(xiàn)CM）、kZ近鄰函數(shù)分析（knearestneior，KNN）和概率神經(jīng)網(wǎng)絡(luò)（probabilisticneuralnetwork，PNN）進(jìn)行模式識(shí)別。研究結(jié)果表明，F(xiàn)CM對(duì)果園荔枝成熟階段識(shí)別的正確率為89.17%。采用KNN與PNN建立識(shí)別模型后，KNN與PNN識(shí)別模型對(duì)訓(xùn)練集的回判正確率均為1**%，對(duì)測試集的識(shí)別率均96.67%，具有較好的分類識(shí)別效果。試驗(yàn)證明了采用電子鼻進(jìn)行果園荔枝成熟度監(jiān)測的可行性，為果園水果品質(zhì)的實(shí)時(shí)監(jiān)測提供參考。[詳細(xì)]

  2018-08-16 10:00

  產(chǎn)品樣冊

  |

  • 
  • 
  • 
  • 

• 基于高光譜成像技術(shù)的貢梨損傷與農(nóng)藥殘留檢測研究分析

  水果的損傷及水果表面農(nóng)藥的殘留等不僅會(huì)造成果蔬的腐爛，而且會(huì)嚴(yán)重影響消費(fèi)者的身體健康。因此水果損傷與農(nóng)藥殘留的快速有效檢測是非常有實(shí)際價(jià)值的。雖然水果的損傷、農(nóng)業(yè)殘留區(qū)域和正常區(qū)域在外部特征上呈現(xiàn)出極大的相似性，但是損傷區(qū)域和農(nóng)藥殘留部位發(fā)生一定的變化，這種變化可以通過特定波長下的光譜表現(xiàn)出來。高光譜圖像技術(shù)結(jié)合了光譜分析和圖像處理的技術(shù)優(yōu)勢，對(duì)研究對(duì)象的內(nèi)外部品質(zhì)特征進(jìn)行檢測分析，趙杰文等利用高光譜圖像技術(shù)檢測水果輕微損傷，準(zhǔn)確率為88.57%；JasperG.Tallada等分別應(yīng)用高光譜圖像技術(shù)對(duì)不同成熟度的草莓表面損傷、蘋果的表面缺陷及芒果的成熟度檢測進(jìn)行了試驗(yàn)研究。王玉田等運(yùn)用熒光光譜檢測出水果表面殘留的農(nóng)藥；胡淑芬等運(yùn)用激光技術(shù)對(duì)水果表面農(nóng)藥殘留進(jìn)行了試驗(yàn)研究；薛龍等針對(duì)水果表面農(nóng)藥殘留，以滴有較高濃度的臍橙為研究對(duì)象，利用光譜范圍425-725nm的高光譜圖像系統(tǒng)進(jìn)行檢測，發(fā)現(xiàn)對(duì)較高濃度的農(nóng)藥殘留檢測效果較好。本文采用高光譜圖像技術(shù)檢測不同水果的損傷區(qū)域和農(nóng)藥殘留區(qū)域，以實(shí)現(xiàn)損傷區(qū)域和農(nóng)藥殘留區(qū)域共同識(shí)別的目的。[詳細(xì)]

  2018-09-12 10:00

  產(chǎn)品樣冊

  |

  • 
  • 
  • 
  • 

• PEN3－基于電子鼻技術(shù)的魚露與魚釀醬油的品質(zhì)分析

  摘要通過電子鼻獲取魚露、魚釀醬油和生抽的氣味信息，進(jìn)行主成分分析(PCA)、線性判別分析(LDA)和負(fù)荷加載分析(Loadings)，并結(jié)合氨基酸態(tài)氮、鹽分、全氮和游離氨基酸含量，對(duì)比分析3種調(diào)味品的品質(zhì)。結(jié)果顯示，3種調(diào)味品中游離氨基酸種類豐富，魚露中蘇氨酸、甘氨酸、丙氨酸、甲硫氨酸、賴氨酸的含量明顯高于魚釀醬油和生抽；生抽和魚釀醬油中鮮味氨基酸的含量明顯高于魚露，但生抽中必需氨基酸的含量遠(yuǎn)低于魚釀醬油和魚露；3種調(diào)味品揮發(fā)性成分復(fù)雜，電子鼻10個(gè)金屬傳感器能很好地區(qū)分3種調(diào)味品的揮發(fā)性氣味，W5S、W1S、W2S號(hào)傳感器比其他7個(gè)傳感器有更高的響應(yīng)值，其中W2S號(hào)傳感器的響應(yīng)值變化Z顯著。這說明電子鼻能較好地區(qū)分魚露、魚釀醬油和生抽，雖然3種調(diào)味品中第1、2主成分相同，但醇類、氮氧化合物類物質(zhì)對(duì)第1、2主成分的貢獻(xiàn)率不同。[詳細(xì)]

  2018-08-16 10:00

  產(chǎn)品樣冊

  |

  • 
  • 
  • 
  • 

• 基于電子鼻多傳感器融合的茶葉存儲(chǔ)時(shí)間識(shí)別-德國AIRSENSE電子鼻

  基于電子鼻多傳感器融合的茶葉存儲(chǔ)時(shí)間識(shí)別-德國AIRSENSE電子鼻[詳細(xì)]

  2020-05-07 13:14

  應(yīng)用文章

  |

  • 
  • 
  • 
  • 

• PEN3-基于電子鼻判別富士蘋果貨架期的研究

  摘要:利用電子鼻對(duì)不同貨架期內(nèi)的富士蘋果揮發(fā)性成分進(jìn)行檢測。通過雷達(dá)圖和負(fù)荷加載(Loadings)分析研究主要傳感器響應(yīng)值的變化，利用主成分分析(PCA)、線性判別分析(LDA)模式判別方法進(jìn)行數(shù)據(jù)分析。結(jié)果表明，第7、8號(hào)傳感器在蘋果常溫貨架期判別中起主要作用，而第2、7號(hào)傳感器在蘋果貯后貨架期的判別中起主要作用。PCA、LDA方法均可準(zhǔn)確判別常溫不同貨架期的蘋果;與PCA相比，LDA方法可以更準(zhǔn)確對(duì)不同貯后貨架壽命蘋果進(jìn)行判別，并呈現(xiàn)出良好的集中性和單向趨勢。因此，電子鼻快速判別不同貨架期的蘋果具有可行性。關(guān)鍵詞:電子鼻，蘋果，貨架期，判別[詳細(xì)]

  2018-08-16 10:00

  產(chǎn)品樣冊

  |

  • 
  • 
  • 
  • 

• PEN3-一種基于電子鼻的辛味中藥材的分類鑒別方法研究

  摘要:為獲取新的氣味識(shí)別方法以提高智能傳感器模式分類識(shí)別準(zhǔn)確率和速度，使用了內(nèi)置10個(gè)傳感器的便攜式電子鼻PEN3對(duì)辛味中藥材進(jìn)行氣味采集檢測．將辛味中藥材在燒杯中進(jìn)行密封靜置待其形成穩(wěn)定的氣味頂空環(huán)境時(shí)，運(yùn)用電子鼻對(duì)其進(jìn)行檢測采樣得到樣品高維氣味數(shù)據(jù)信息．與傳統(tǒng)的線性數(shù)據(jù)分析方法不同，針對(duì)氣味蘊(yùn)含多種諸如濃度、各種揮發(fā)性物質(zhì)成分等特征，可知?dú)馕斗蔷€性的本質(zhì)特征，在本次分析中采用了流形算法中的非線性的局部線性嵌入(LocallyLinearEmbedding，LLE)算法對(duì)非線性的氣味數(shù)據(jù)進(jìn)行特征提取與降維，再采用基于Fisher的線性判別分析(LinearDiscriminantAnalysis，LDA)實(shí)現(xiàn)對(duì)特征子空間的模式聚類與分類，通過多次實(shí)驗(yàn)優(yōu)化LLE算法的參數(shù)，得到了**的辛味中藥材的模式識(shí)別效果．分析結(jié)果表明，運(yùn)用LLE和LDA相結(jié)合的算法(即LLE_LDA)可以很好地完成不同種類辛味中藥材的揮發(fā)性氣味信息的模式分類，為深層次地分析基于電子鼻的氣味數(shù)據(jù)信息提供了一種新方法．關(guān)鍵詞:模式識(shí)別;氣敏傳感器;局部線性嵌入_線性判別分析;分類鑒別;非線性降維[詳細(xì)]

  2018-08-16 10:00

  產(chǎn)品樣冊

  |

  • 
  • 
  • 
  • 

• 基于電子鼻檢測鴨梨新鮮度及損傷程度---德國AIRSENSE電子鼻

  摘要：目的 探究鴨梨果實(shí)流通過程中新鮮度變化及損傷程度。方法 以不同跌落角度處理（0°、20°、40°、60°）的鴨梨為試材,測定鴨梨果實(shí)呼吸速率、乙烯釋放速率的變化,同時(shí)利用電子鼻結(jié)合主成分分析（principal components analysis,PCA）、線性判別分析（linear discriminant analysis,LDA）和載荷分析（loading analysis,LA）研究不同貯藏時(shí)間和不同損傷程度下果實(shí)的揮發(fā)性氣體變化。結(jié)果 完好果實(shí)在貯藏4 d時(shí)出現(xiàn)呼吸高峰和乙烯釋放高峰;與完好果實(shí)相比,機(jī)械傷處理提高了呼吸速率和乙烯釋放速率,并且損傷越嚴(yán)重,變化趨勢越明顯。LDA對(duì)不同貯藏點(diǎn)和不同損傷程度鴨梨的區(qū)分效果優(yōu)于PCA。LA結(jié)果表明當(dāng)果實(shí)成熟和受損時(shí),傳感器W1S、W5S、W1W、W2W、W2S變化較為明顯,意味著刺激了甲烷、氮氧化合物、有機(jī)硫化物和芳香族化合物、醇類物質(zhì)的生成。結(jié)論 傳感器W1S、W5S、W1W、W2W、W2S可反映鴨梨的揮發(fā)性氣體變化情況,其中W2S傳感器響應(yīng)值可區(qū)分果實(shí)損傷程度,這對(duì)于實(shí)時(shí)監(jiān)測果實(shí)品質(zhì)具有重要意義。 關(guān)鍵詞：鴨梨;機(jī)械損[詳細(xì)]

  2022-10-08 10:47

  期刊論文

  |

  • 
  • 
  • 
  • 

• PEN3-電子鼻法鑒別食用植物油與地溝油的研究

  摘要:目的嘗試?yán)秒娮颖羌夹g(shù)建立一種簡便、快速的鑒別食用植物油與地溝油的篩查方法。方法樣品包括采集自各超市的9個(gè)品種共103個(gè)正常植物油，采集自多家餐飲企業(yè)的24個(gè)煎炸廢棄油脂，采集自餐廚垃圾集中處置定點(diǎn)公司的36個(gè)餐廚廢棄油脂，以及本課題組自主制備的25個(gè)精煉地溝油。利用電子鼻采集各樣品的氣味信息，通過數(shù)據(jù)主成分分析(PCA)和線性判別分析(LDA)2種方法進(jìn)行分析和判定。結(jié)果電子鼻可以相互區(qū)分食用植物油、餐廚廢棄油脂和精煉地溝油，無法區(qū)分食用植物油和煎炸廢棄油脂。結(jié)論本實(shí)驗(yàn)結(jié)果表明，經(jīng)過系列的氧化及劣變過程，地溝油中的氣味分子成分與正常植物油相比已經(jīng)發(fā)生了劇烈的變化。電子鼻技術(shù)作為鑒別地溝油的一種新興手段，值得更深入的探索和研究。[詳細(xì)]

  2018-08-16 10:00

  產(chǎn)品樣冊

  |

  • 
  • 
  • 
  • 

• PEN3－基于電子鼻的蘋果低溫貯藏時(shí)間及品質(zhì)預(yù)測

  【目的】研究利用電子鼻對(duì)蘋果低溫貯藏時(shí)間及品質(zhì)的預(yù)測效果，為蘋果低溫貯藏品質(zhì)的無損檢測及合理加工利用提供參考?！痉椒ā恳愿皇刻O果為試材，在（０±１）℃低溫條件下貯藏，分別在貯藏后的第０，３０，６０，９０，１２０，１５０和１８０天，隨機(jī)選取３０個(gè)果實(shí)，利用ＰＥＮ３型電子鼻檢測其香氣，并一一對(duì)應(yīng)測定蘋果的主要品質(zhì)指標(biāo)（硬度、可溶性固形物含量和可滴定酸含量）。利用載荷分析優(yōu)化電子鼻傳感器陣列，對(duì)優(yōu)化后的電子鼻檢測數(shù)據(jù)進(jìn)行線性判別分析，建立蘋果低溫貯藏品質(zhì)的偏Z小二乘預(yù)測模型、ＢＰ神經(jīng)網(wǎng)絡(luò)預(yù)測模型和貯藏時(shí)間的多層感知器預(yù)測模型，并對(duì)預(yù)測效果進(jìn)行了比較?！窘Y(jié)果】線性判別分析能夠較好地區(qū)分蘋果的貯藏品質(zhì)，且蘋果香氣在貯藏６０～９０ｄ時(shí)變化較大；建立的多層感知器神經(jīng)網(wǎng)絡(luò)模型對(duì)蘋果貯藏時(shí)間有較好的預(yù)測效果，預(yù)測準(zhǔn)確率均＞９２．０％；利用偏Z小二乘法和ＢＰ神經(jīng)網(wǎng)絡(luò)均能對(duì)果實(shí)的品質(zhì)建立有效的預(yù)測模型，其中偏Z小二乘法對(duì)冷藏蘋果硬度和可滴定酸含量的預(yù)測效果優(yōu)于對(duì)可溶性固形物含量的預(yù)測，利用ＢＰ神經(jīng)網(wǎng)絡(luò)所建立預(yù)測模型的決定系數(shù)均＞０．９３０　０，預(yù)測效果較偏Z小二乘法更好?！窘Y(jié)論】利用電子鼻的快速無損檢測功能可以實(shí)現(xiàn)對(duì)蘋果低溫貯藏時(shí)間及品質(zhì)的預(yù)測。[詳細(xì)]

  2018-08-16 10:00

  產(chǎn)品樣冊

  |

  • 
  • 
  • 
  • 

• PEN3－基于電子鼻技術(shù)監(jiān)測羊奶發(fā)酵前后不同階段風(fēng)味的變化

  摘要:本文利用電子鼻PEN3分析了羊奶發(fā)酵前后不同階段的風(fēng)味變化。結(jié)果表明，新鮮羊奶經(jīng)過發(fā)酵后，特征揮發(fā)性成分在電子鼻傳感器上的響應(yīng)由原來的傳感器6(甲烷)為主轉(zhuǎn)變成以傳感器7(充化氫)、傳感器9(有機(jī)芳香硫化物)和傳感器2(氮氧化合物)為主的揮發(fā)性物質(zhì)，改變了羊奶的氣味。采用PCA及LDA分析發(fā)現(xiàn):PCA分析法能準(zhǔn)確區(qū)分羊奶發(fā)酵前后的不同階段，LDA體現(xiàn)出了發(fā)酵前后的不同階段揮發(fā)性成分明顯的變化趨勢，且變化趨勢與理論分析相符。[詳細(xì)]

  2018-08-16 10:00

  產(chǎn)品樣冊

  |

  • 
  • 
  • 
  • 

• 一種基于計(jì)算機(jī)嗅覺的卷煙等級(jí)識(shí)別方法

  一種基于計(jì)算機(jī)嗅覺的卷煙等級(jí)識(shí)別方法[詳細(xì)]

  2024-09-21 07:46

  期刊論文

  |

  • 
  • 
  • 
  • 

• PEN3－基于電子鼻技術(shù)研究保鮮方法對(duì)鮮切菠蘿貯藏品質(zhì)的影響

  摘要：采用三種保鮮方式對(duì)鮮切菠蘿進(jìn)行處理（有機(jī)酸處理、漂燙處理、酸+漂燙綜合處理），通過電子鼻技術(shù)結(jié)合感官分析對(duì)鮮切菠蘿的貯藏品質(zhì)變化進(jìn)行研究。感官評(píng)價(jià)結(jié)果表明：不同保鮮處理的效果從菠蘿貯藏中期（3~5d）開始出現(xiàn)差異性（p＜0.05），酸結(jié)合漂燙處理在貯藏中后期（3~7d）分值較高，即酸結(jié)合漂燙處理能夠更好的保持鮮切菠蘿的貯藏品質(zhì)；香氣損失的線性判別分析（LDA）分析表明，酸結(jié)合漂燙處理能夠有效延緩菠蘿香氣的損失；傳感器貢獻(xiàn)率分析（LA）表明，酸結(jié)合漂燙處理與對(duì)照組菠蘿香氣主要成分Z為接近?？傮w來看，電子鼻分析結(jié)果與感官分析的結(jié)果基本一致，即電子鼻可用于快速評(píng)價(jià)菠蘿貯藏品質(zhì)；酸結(jié)合漂燙處理能夠較好的保持菠蘿原有特征香氣及貯藏品質(zhì)。關(guān)鍵詞：電子鼻技術(shù)，鮮切菠蘿，貯藏品質(zhì)，快速檢測[詳細(xì)]

  2018-08-16 10:00

  產(chǎn)品樣冊

  |

  • 
  • 
  • 
  • 

• 基于電子鼻和高光譜成像技術(shù)的冷鮮牛肉微生物的生長模型構(gòu)建-airsense電子鼻

  摘要：[目的]本文旨在探究基于電子鼻和高光譜成像技術(shù)實(shí)現(xiàn)冷鮮牛肉中微生物生長曲線擬合的可行性。[方法]采用平板計(jì)數(shù)法測定4℃恒溫貯藏下冷鮮牛肉中的菌落總數(shù)，并采集其電子鼻和高光譜數(shù)據(jù)；采用Huang模型和Baranyi模型建立基于傳統(tǒng)平板計(jì)數(shù)法、電子鼻和高光譜特征信息的生長模型，并對(duì)其進(jìn)行比較。[結(jié)果]基于傳統(tǒng)平板計(jì)數(shù)法構(gòu)建的生長模型精度較高，模型決定系數(shù)R2高達(dá)0.993;與平板計(jì)數(shù)法相比，基于電子鼻特征信息的方法ⅰ和ⅱ所建的生長模型精度略低，R2大于0.871,二者之間的相關(guān)系數(shù)r為0.917～0.994?；诟吖庾V信息的方法Ⅰ所建模型R2與之相當(dāng)，r高達(dá)0.998;而基于高光譜響應(yīng)值的方法Ⅱ所建的模型表現(xiàn)稍差，R2為0.749～0.918,r為0.761～0.859。[結(jié)論]電子鼻和高光譜特征信息可用于冷鮮牛肉微生物生長曲線擬合，這為無損檢測技術(shù)在預(yù)測微生物學(xué)領(lǐng)域的應(yīng)用提供了理論支持和技術(shù)參考。 關(guān)鍵詞：電子鼻;高光譜成像;冷鮮牛肉;菌落總數(shù);曲線擬合;[詳細(xì)]

  2024-08-02 17:48

  期刊論文

  |

  • 
  • 
  • 
  • 

• PEN3-提高食醋電子鼻識(shí)別率方法的研究

  摘要：以兩種不同品牌的山西食醋為樣品，通過對(duì)電子鼻測定數(shù)據(jù)的區(qū)間分析，確定樣品處理方式，并采用正交試驗(yàn)方法對(duì)傳感器的選用進(jìn)行優(yōu)化并建立模板；用歐氏距離、相關(guān)性、馬氏距離和判別函數(shù)分析同時(shí)鑒別新樣品的歸屬，誤判率明顯降低（由18.2%降低為5.4%），識(shí)別率得到較大提高（由81.8%提高至94.6%）。[詳細(xì)]

  2018-08-16 10:00

  產(chǎn)品樣冊

  |

  • 
  • 
  • 
  • 

• 基于電子鼻技術(shù)的金華火腿鑒別與分級(jí)

  基于電子鼻技術(shù)的金華火腿鑒別與分級(jí)[詳細(xì)]

  2024-09-20 06:20

  標(biāo)準(zhǔn)

  |

  • 
  • 
  • 
  • 

• 基于電子鼻與多元統(tǒng)計(jì)分析判別三七品質(zhì)---德國AIRSENSE電子鼻

  摘要：目的基于電子鼻與多元統(tǒng)計(jì)分析判別三七Panax notoginseng（Burk.） F.H.Chen的品質(zhì)。方法在優(yōu)化電子鼻檢測條件基礎(chǔ)上,對(duì)傳感器響應(yīng)信號(hào)進(jìn)行多元統(tǒng)計(jì)與神經(jīng)網(wǎng)絡(luò)分析。結(jié)果電子鼻檢測三七較佳條件為樣品量1.5 g;頂空生成時(shí)間15 min;頂空體積250 mL;載氣體積流量400 mL/min。多元統(tǒng)計(jì)表明主成分分析和典則判別分析均能區(qū)分三七主根與支根,但后者效果優(yōu)于前者;利用三七主根和支根氣味信息結(jié)合典則判別分析,可實(shí)現(xiàn)對(duì)三七產(chǎn)地的定性判別,其中主根氣味信息的判別效果更好。多層感知器神經(jīng)網(wǎng)絡(luò)分析可以實(shí)現(xiàn)對(duì)三七主根、支根及產(chǎn)地的定量判別,主根與支根分類準(zhǔn)確率達(dá)99.49%;主根產(chǎn)地判別準(zhǔn)確率為99.49%;支根產(chǎn)地判別準(zhǔn)確率為95.95%。結(jié)論電子鼻結(jié)合多元統(tǒng)計(jì)與神經(jīng)網(wǎng)絡(luò)分析可以實(shí)現(xiàn)對(duì)三七品質(zhì)的判別,且該方法高效快速可用于實(shí)際生產(chǎn)。 關(guān)鍵詞：三七;電子鼻;多元統(tǒng)計(jì);MLP神經(jīng)網(wǎng)絡(luò)分析; [詳細(xì)]

  2022-07-11 11:23

  期刊論文

  |

  • 
  • 
  • 
  •