基于气味变化规律采用电子鼻构建黄精霉变的快速判别模型

通过对不同霉变程度的黄精进行气味指纹分析,探究黄精霉变过程中的气味变化规律与其霉变程度的关系,根据电子鼻的响应强度建立判别黄精是否霉变的快速判别模型。运用α-FOX3000电子鼻对不同霉变程度的黄精进行气味指纹分析,利用雷达图解析电子鼻挥发性化合物的主要贡献成分,通过偏最小二乘法判别分析(PLS-DA)、最邻近分类法(KNN)、序列最小最优化算法(SMO)、随机森林(random forest)、朴素贝叶斯(naive Bayes)对特征数据进行处理。根据电子鼻的雷达图可以得出,随着黄精样品的霉变程度不断加深,传感器T70/2、T30/1、P10/2的响应值一直在增强,说明霉变后的黄精产生了烷烃类和芳香族类化合物;根据PLS-DA,3类黄精样品可以很好地被区分,对传感器进行变量重要性分析,筛选出对分类贡献较大的传感器有5根:T70/2、T30/1、PA/2、P10/1、P40/1;在KNN、SMO、random forest、native Bayes 4个分类模型中,4个模型的分类准确率均达到90%以上,其中KNN为最佳分类模型,准确率为97.2%。霉变前后的黄精具有明显气味变化,产生了不同的挥发性有机物,这种差异可以被电子鼻识别,并建立了快速判别模型,为后续黄精霉变过程中挥发性物质种类和含量的研究提供方法参考。