基于集成气体传感器阵列的电子鼻系统

介绍一种基于集成气体传感器阵列的电子鼻系统硬件实现方法。描述了系统的一般组成,重点介绍了所采用的集成气体传感器及其信号拾取方法。该系统可实现对检测气体的自动数据采集、微机传送,具有高的灵敏性和可靠性。另外,对采用的集成气体传感器系列,该电子鼻系统具有一定的通用性。利用该系统对五种葡萄酒进行了检测,结果表明:该电子鼻系统可有效地用于葡萄酒的定性识别,识别准确率达到100%。

电子鼻系统预处理方法和模式识别技术概述

文章回顾在目前电子鼻系统应用中涉及到的预处理方法和模式识别技术。对电子鼻数据进行预处理可以减少环境因素的影响,也有利于后续特征提取和模式识别;而模式识别技术的选择则是电子鼻数据分析的关键。文章对预处理方法和模式识别技术的详细介绍旨在对电子鼻系统的应用起到指导作用。

基于阵列声表面波传感器的电子鼻系统及应用初步

本文探讨电子鼻系统的建立及其气味识别能力。在建立了基于阵列声表面波传感器的电子鼻系统之后,将该电子鼻系统用于气味识别,证明它具有良好的识别气味的能力。电子鼻是一种新型分析仪器,由具备部分专一性的阵列电子化学传感器和适当的模式识别系统组成,能识别简单或复杂气味。电子鼻的应用前景是令人振奋的,诸如食品、饮料、石化。

模糊神经网络在电子鼻系统定量识别中的应用

提出并实现了两种类型的模糊神经网络用于电子鼻系统的定量识别。阐述了模糊神经网络用于电子鼻系统定量识别的基本原理,简要介绍了两种模糊神经网络的结构特点并进行了比较,并通过具体实例说明了模糊神经网络用于电子鼻系统的定量识别的可行性以及识别的效果。在该系统中,基于径向基网络模型的模糊神经网络的预测性能在整体上要优于基于感知器模型的模糊神经网络。

多组分气体定量识别的电子鼻系统设计

为同时实现多种单一气体和混合气体的定量识别,设计了一种新型便携式电子鼻系统。系统选用4个商用气体传感器作为传感器阵列,在多组分气体识别过程中,针对训练样本不平衡的特点,提出了一种新的基于反向传播神经网络的层次分类器(BPNN-HC)以提高模式识别的准确率。在每一种模式下,利用偏最小二乘回归(PLSR)分别建立多元回归模型以实现对应组分的体积分数估计。实验结果表明:该电子鼻系统可同时实现6种单一气体及3种二元混合气体的定量识别。

利用电子鼻系统检测乙醇喷雾对品丽珠、美乐及其葡萄酒挥发物的影响

在转色期用5％（v／v）的乙醇对葡萄果实喷雾后，利用两种电子鼻系统（电导聚合物型和表面声波型）来检测葡萄和葡萄酒挥发物的变化。乙醇喷雾可导致果实乙烯含量迅速上升，然后逐渐降低。

电子鼻系统在物流农产品质量安全判别与控制研究进展

电子鼻系统是近年来新兴的快速无损检测系统,文章阐述了电子鼻系统在农产品品质等级评判、农产品加工过程质量控制、环境监测、电子鼻数据网络化等方面的最新研究进展,并提出将电子鼻系统应用于农产品物流过程,并对其开发潜力和应用价值以及可能存在的问题进行分析,旨在探讨电子鼻系统在农产品物流过程的质量控制提供一种方法。

基于电子鼻系统的猪饲料风味分析

本试验采用自主开发的智能电子鼻系统,对同一饲料厂的8种猪饲料样品进行分味检测并分析。结果表明,饲料种类不同,其风味挥发物质也不尽相同,风味挥发物检测信息经随机共振处理后以信噪比谱的形式表达,从而实现对饲料风味的智能分析。企业可根据饲料风味分析结果,结合猪对饲料风味的喜好情况,改良饲料产品。此系统还可以增加饲料的可溯性并保护饲料企业品牌。

基于电子鼻系统的粮食霉变检测方法研究

粮食霉变是食品质量安全领域不容忽视的问题。本文研制出一套能快速检测粮食霉变程度的电子鼻系统,该系统主要包括数据采集、调理与传输单元,传感器阵列和气室以及供气动力装置三大部分。使用该系统连续7d检测红皮花生、荞麦、大米、燕麦4种粮食的霉变程度,以随机共振方法处理实验数据,通过信噪比谱特征信息量化粮食霉变程度,较好地反映了粮食霉变的过程。该方法可以克服传感器基线漂移的不利影响,快速、准确地检测粮食霉变过程中的气味挥发物,并监测粮食霉变程度,应用前景较好。

电子鼻快速检测煎炸油品质

利用PEN3型电子鼻系统分析了高温煎炸过程中大豆色拉油挥发性成分的动态变化规律。大豆色拉油于180℃油浴锅控温无料煎炸,每隔6h取样电子鼻检测分析。结果发现,随着煎炸时间的延长,油中芳香苯类、氨氧化物、氨类、烷烃、硫化氢、乙醇等挥发性成分均有一定升高,尤其是氨氧化物、氨类、烷烃、硫化氢、醇类是煎炸油气味变化及品质恶化的主要来源。利用主成分分析方法(PCA)及线性判别分析方法(LDA)对不同煎炸时间的大豆色拉油进行归类区分,发现LDA分析效果优于PCA。采用负荷加载(Loadings)分析可判别不同传感器对于第一、第二主成分的贡献率及相关性,S1、S2、S3、S5、S6、S7、S8、S9等可作为优选传感器应用于分析煎炸油品质变化。因此利用电子鼻系统快速分析辨别煎炸油新鲜程度及品质是可行的。

基于电子鼻技术的混合气体识别研究

为了评估恶臭对人类和环境的影响,需要有效鉴别出恶臭成分,设计并研发了以传感器阵列为核心的在线检测恶臭成分的电子鼻系统。针对传感器响应曲线几何特征提取方式的不足,提出分段拟合曲线的方式进行特征值提取。采用主成分分析(PCA)和线性判别分析(LDA)两种降维方式对原始数据降维,并结合支持向量机(SVM)和BP神经网络进行分类识别。结果表明,SVM和BP神经网络结合LDA都能100%识别出三种恶臭物质,SVM结合PCA识别率为92%,BP神经网络结合PCA识别率为94%。

基于支持向量机的电子鼻参数补偿的研究

简要介绍采用HART协议的电子鼻系统和其电子元件,利用连续相位的FSK调制和解调技术使数据传输受到最小扰动。着重说明支持向量机算法适合在小样本数据情况,其核函数可以向高维空间非线性映射的优点.对系统前端传感器构建其非线性回归预测的数学模型,实现在软件上对参数补偿,提高了电子鼻系统的精度,其拟合度R=99.777 7%,方差MSE=9.354 13e-05。

基于气味检测的茶叶种类识别方法研究

提出一种利用电子鼻系统检测茶香气味辨别茶叶种类的识别方法,使用主成分分析(PCA)、K-means聚类和卷积神经网络(CNN)3种机器学习方法对10种茶叶种类进行识别。实验结果表明,基于PCA降维特征的K聚类精度为85.17%,比基于原始特征的K聚类精度78.83%更优,基于PCA降维特征的CNN算法识别率达到95%,基于茶香气味检测的茶叶种类识别方法方便快捷,具有可行性。

基于传感器阵列的气体检测与分析系统设计

工业生产环境中存在各种严重危害人体健康的气体,其中比较常见的有乙醇和丙酮。该设计搭建了一个基于传感器阵列的电子鼻系统,用于乙醇和丙酮的快速检测,可以实现对乙醇、丙酮混合气体的分类。为研究不同的阵列组合,设计了阵列PCB板,分别采集了单一传感器TGS2620与传感器阵列在0~200 ppm目标气体浓度范围内的阻值数据,按照分段拟合的方式进行特征提取,并结合带高斯核的支持向量机(SVM)模型来实现分类。结果表明,该模型能有效识别出乙醇和丙酮,单一传感器条件下的分类正确率为77.1%,传感器阵列条件下的分类正确率为92.5%,传感器阵列条件下识别的精度显著增高,具有明显优势,能够满足工业生产检测需求。

基于DN-LSSVM模型的危险气体定量识别

本文设计了一套高性能且便于操作的电子鼻系统,采用树突神经网络和最小二乘支持向量机模型,可以实现对甲烷、一氧化碳和氢气三种气体的高精度定性识别与浓度预测。

挤压温度对豌豆粉特征风味化合物的影响

为探究挤压处理方式对豌豆粉特征风味化合物的影响规律,改善豌豆粉的风味品质,本文以豌豆粉为研究对象,采用电子鼻系统和气相离子色谱(gas chromatography-ion mobility spectrometry,GC-IMS)技术开展挤压温度(120、150、180℃)对豌豆粉挥发性风味物质的影响研究。结果表明,GC-IMS共识别鉴定出醛、醇、酮、酸、酯、吡嗪、呋喃和醚类化合物8类共53种挥发性物质。经挤压处理,醇类、酮类、酸类、酯类、醚类物质相对含量减少,吡嗪类和呋喃类物质相对含量增加。其中挤压温度180℃时,豌豆粉的特征不良风味物质反-2-辛烯醛、己醛、1-辛烯-3醇、正己醇、1-戊醇、正丁醇和2-戊基呋喃的相对含量分别减少了23.53%、33.23%、50.44%、88.82%、77.69%、84.51%、26.19%;具有焙烤香味的2, 5-二甲基吡嗪、2-甲基吡嗪和2-呋喃甲醇相对含量分别增加了16.16、23.92、7.95倍。相对气味活度值(ROAV)表明生豌豆粉的关键风味物质包括正壬醛、3-甲基丁醛、己醛、正辛醛、1-辛烯-3-醇、庚醛、乙酸乙酯、正丁醛、反-2-辛烯醛、2-戊基呋喃、2-乙基呋喃和正己醇。主成分得分分析确定挤压温度180℃,豌豆粉风味品质最佳。