基于氣體傳感器技術的電子鼻主要用于蘋果氣味特征的識別。電子鼻也稱智能仿生嗅覺系統，是通過模擬生物嗅覺功能來實現對檢測對象的評價。它由氣敏傳感器陣列、信號處理和模式識別3部分組成，通過獲取氣味指紋信息對氣體或揮發性成分做定性或定量的檢測。電子鼻可以快速、實時監測蘋果特征氣體及其濃度，并應用于蘋果的成熟度和新鮮度鑒別。
在檢測蘋果貯藏期品質變化方面，張鵬等利用PEN3型便攜式電子鼻（Airsense 公司，德國）對不同貨架期富士蘋果揮發性成分進行檢測，結果表明采用線性判別分析法的電子鼻系統可以對不同常溫貨架期和貯后貨架期的富士蘋果進行準確判別。李瑩等利用PEN3型電子鼻檢測低溫儲藏情況下富士蘋果的香氣變化情況，并一一對應測定蘋果的硬度、可溶性固形物含量和可滴定酸含量，利用載荷分析優化電子鼻傳感器陣列，研究發現線性判別分析能夠較好地區分蘋果的貯藏品質，蘋果香氣在貯藏60~90d時變化較大;多層感知器神經網絡模型對蘋果貯藏時間預測準確率均>92.00%;PLS對冷藏蘋果硬度和可滴定酸含量的預測效果較優;利用BP神經網絡所建立預測模型的決定系數均>0.93。劉志洋等采用電子鼻技術，利用PLS建立蘋果貯藏期有機酸、SSC的數學模型，并對回歸方法進行統計分析，以找到快速測定蘋果貯藏期、貯藏期間總酸和SSC的方法。結果表明電子鼻各單元貢獻率總計達到了90.62%，區分效果良好。樊麗等使用PEN3電子鼻和GC-MS技術研究在20 ℃貯藏期間嘎拉蘋果芳香品質的變化，通過線性判別分析實現不同貯藏期蘋果的有效區分。Saevels等利用Libra型電子鼻（Elba Island，意大利）結合GC-MS技術對Jonagold蘋果的硬度和貨架期的新鮮度進行檢測，檢測的硬度和貨架期保質期的可靠度分別為0.95和0.98 。
電子鼻也可以用于蘋果新鮮度、成熟度和腐爛程度檢測。Valeria等利用物理化學分析和EOS835電子鼻（Sacmi，意大利）對鮮切蘋果片保質期進行研究，測量4℃冷藏條件下在空氣和N2中的鮮切蘋果片的揮發性物質的變化，并與感官評價結果進行比較，研究表明通過多變量分析和PCA，電子鼻能夠區分不同儲存條件下四個采樣時間的樣品揮發性物質之間的差異。潘胤飛研制了一套適合蘋果氣味檢測的電子鼻系統（圖1），對超市所購得的好壞蘋果各50個進行了檢測，從每個傳感器曲線中提取了5個特征參數，將其作為PCA的輸入向量，檢測結果表明該系統可以一定程度上區分好壞蘋果，但有部分重疊，該方法和系統還適用于其他的水果。
惠國華等采用便攜式電子鼻系統試驗研究了蘋果、梨、桃子、李子、葡萄5種水果的腐敗過程，采用非線性隨機共振技術提取水果霉變程度特征信息，結果表明電子鼻系統可以快速表征水果的腐敗過程，這為水果腐敗機理研究提供了一種新表征技術手段。Pathange等使用Cyranose 320型電子鼻（Model 320， Cyrano Sciences Inc.，加拿大）通過對淀粉指數和穿刺強度等成熟指數的測定來判斷嘎拉蘋果的成熟度，依成熟度對蘋果分類的準確率為83%。
電子鼻也可以用來檢測果品的損傷和病害。如Ren等使用PEN3型電子鼻對富士蘋果從不同高度掉落受到的損害程度進行檢測，采用的多層感知器神經網絡對蘋果的分離率達到100%，徑向基函數神經網絡模型與受損蘋果的分類值具有極好的相關性（R2>0.98）。Li等使用Cyranose 320型電子鼻（Sensigent，美國）結合協方差矩陣自適應進化策略，使用PCA進行特征提取，將貝葉斯網絡設為分類器，實現對蘋果的損傷識別和分類。Jia等使用PEN3型電子鼻檢測接種了擴展青霉和黑曲霉的Golden Delicious蘋果，通過不同模式識別方法分析從特征傳感器獲得的數據，建立風味信息和新鮮、發霉蘋果的有效預測模型，這也是電子鼻在區分接種不同霉菌的蘋果的成功案例。
電子鼻能夠對果品所釋放的氣味整體信息進行快速檢測，對果品不同時期的質量進行一個較為準確的判定，如貨架期品質、新鮮度、腐爛度、損傷、病害等情況，是無損檢測技術中對于蘋果香味品質檢測方面的有益補充。該檢測方法多使用商用的電子鼻產品，結合有效的模式識別算法實現對蘋果品質的無損檢測。
對于電子鼻技術，傳感器的選擇起著決定性作用。但合適的傳感器和模式識別技術的選擇往往較為困難，電子鼻系統中的傳感器單元對蘋果香味成分不具有針對性，因此需要大量樣本數據訓練并借助模式識別算法來提高檢測的準確率。這也為針對具體檢測對象的高性能氣體傳感器的研制和開發提出了需求，隨著傳感器技術和納米技術的快速發展，高靈敏度、柔性的蘋果香味傳感器發展前景廣闊。
來源：智慧農業期刊，轉載請注明來源。
曹玉棟, 祁偉彥, 李嫻, 李哲敏. 蘋果無損檢測和品質分級技術研究進展及展望[J]. 智慧農業, 2019, 1(3): 29-45.
CAO Yudong, QI Weiyan, LI Xian, LI Zhemin. Research progress and prospect on non-destructive detection and quality grading technology of apple[J]. Smart Agriculture, 2019, 1(3): 29-45.
提醒：文章僅供參考，如有不當，歡迎留言指正和交流。且讀者不應該在缺乏具體的專業建議的情況下，擅自根據文章內容采取行動，因此導致的損失，運營方不負責。如文章涉及侵權或不愿我平臺發布，請聯系小編。
在檢測蘋果貯藏期品質變化方面，張鵬等利用PEN3型便攜式電子鼻（Airsense 公司，德國）對不同貨架期富士蘋果揮發性成分進行檢測，結果表明采用線性判別分析法的電子鼻系統可以對不同常溫貨架期和貯后貨架期的富士蘋果進行準確判別。李瑩等利用PEN3型電子鼻檢測低溫儲藏情況下富士蘋果的香氣變化情況，并一一對應測定蘋果的硬度、可溶性固形物含量和可滴定酸含量，利用載荷分析優化電子鼻傳感器陣列，研究發現線性判別分析能夠較好地區分蘋果的貯藏品質，蘋果香氣在貯藏60~90d時變化較大;多層感知器神經網絡模型對蘋果貯藏時間預測準確率均>92.00%;PLS對冷藏蘋果硬度和可滴定酸含量的預測效果較優;利用BP神經網絡所建立預測模型的決定系數均>0.93。劉志洋等采用電子鼻技術，利用PLS建立蘋果貯藏期有機酸、SSC的數學模型，并對回歸方法進行統計分析，以找到快速測定蘋果貯藏期、貯藏期間總酸和SSC的方法。結果表明電子鼻各單元貢獻率總計達到了90.62%，區分效果良好。樊麗等使用PEN3電子鼻和GC-MS技術研究在20 ℃貯藏期間嘎拉蘋果芳香品質的變化，通過線性判別分析實現不同貯藏期蘋果的有效區分。Saevels等利用Libra型電子鼻（Elba Island，意大利）結合GC-MS技術對Jonagold蘋果的硬度和貨架期的新鮮度進行檢測，檢測的硬度和貨架期保質期的可靠度分別為0.95和0.98 。
電子鼻也可以用于蘋果新鮮度、成熟度和腐爛程度檢測。Valeria等利用物理化學分析和EOS835電子鼻（Sacmi，意大利）對鮮切蘋果片保質期進行研究，測量4℃冷藏條件下在空氣和N2中的鮮切蘋果片的揮發性物質的變化，并與感官評價結果進行比較，研究表明通過多變量分析和PCA，電子鼻能夠區分不同儲存條件下四個采樣時間的樣品揮發性物質之間的差異。潘胤飛研制了一套適合蘋果氣味檢測的電子鼻系統（圖1），對超市所購得的好壞蘋果各50個進行了檢測，從每個傳感器曲線中提取了5個特征參數，將其作為PCA的輸入向量，檢測結果表明該系統可以一定程度上區分好壞蘋果，但有部分重疊，該方法和系統還適用于其他的水果。
惠國華等采用便攜式電子鼻系統試驗研究了蘋果、梨、桃子、李子、葡萄5種水果的腐敗過程，采用非線性隨機共振技術提取水果霉變程度特征信息，結果表明電子鼻系統可以快速表征水果的腐敗過程，這為水果腐敗機理研究提供了一種新表征技術手段。Pathange等使用Cyranose 320型電子鼻（Model 320， Cyrano Sciences Inc.，加拿大）通過對淀粉指數和穿刺強度等成熟指數的測定來判斷嘎拉蘋果的成熟度，依成熟度對蘋果分類的準確率為83%。
電子鼻也可以用來檢測果品的損傷和病害。如Ren等使用PEN3型電子鼻對富士蘋果從不同高度掉落受到的損害程度進行檢測，采用的多層感知器神經網絡對蘋果的分離率達到100%，徑向基函數神經網絡模型與受損蘋果的分類值具有極好的相關性（R2>0.98）。Li等使用Cyranose 320型電子鼻（Sensigent，美國）結合協方差矩陣自適應進化策略，使用PCA進行特征提取，將貝葉斯網絡設為分類器，實現對蘋果的損傷識別和分類。Jia等使用PEN3型電子鼻檢測接種了擴展青霉和黑曲霉的Golden Delicious蘋果，通過不同模式識別方法分析從特征傳感器獲得的數據，建立風味信息和新鮮、發霉蘋果的有效預測模型，這也是電子鼻在區分接種不同霉菌的蘋果的成功案例。
電子鼻能夠對果品所釋放的氣味整體信息進行快速檢測，對果品不同時期的質量進行一個較為準確的判定，如貨架期品質、新鮮度、腐爛度、損傷、病害等情況，是無損檢測技術中對于蘋果香味品質檢測方面的有益補充。該檢測方法多使用商用的電子鼻產品，結合有效的模式識別算法實現對蘋果品質的無損檢測。
對于電子鼻技術，傳感器的選擇起著決定性作用。但合適的傳感器和模式識別技術的選擇往往較為困難，電子鼻系統中的傳感器單元對蘋果香味成分不具有針對性，因此需要大量樣本數據訓練并借助模式識別算法來提高檢測的準確率。這也為針對具體檢測對象的高性能氣體傳感器的研制和開發提出了需求，隨著傳感器技術和納米技術的快速發展，高靈敏度、柔性的蘋果香味傳感器發展前景廣闊。
來源：智慧農業期刊，轉載請注明來源。
曹玉棟, 祁偉彥, 李嫻, 李哲敏. 蘋果無損檢測和品質分級技術研究進展及展望[J]. 智慧農業, 2019, 1(3): 29-45.
CAO Yudong, QI Weiyan, LI Xian, LI Zhemin. Research progress and prospect on non-destructive detection and quality grading technology of apple[J]. Smart Agriculture, 2019, 1(3): 29-45.
提醒：文章僅供參考，如有不當，歡迎留言指正和交流。且讀者不應該在缺乏具體的專業建議的情況下，擅自根據文章內容采取行動，因此導致的損失，運營方不負責。如文章涉及侵權或不愿我平臺發布，請聯系小編。
