声明
摘要
第一章 绪论
1.1 研究背景与意义
1.2 电子鼻、电子舌和气质联用技术
1.2.1 电子鼻系统
1.2.2 电子舌系统
1.2.3 气相色谱-质谱联用技术
1.2.4 电子鼻和电子舌在果蔬检测领域中的研究现状
1.2.5 电子鼻、电子舌与气质联用技术的国内外研究现状
1.3 现有研究的不足
1.3.1 电子鼻和电子舌在水果检测领域的不足
1.3.2 电子鼻和电子舌的数据分析方法不足
1.3.3 电子鼻、电子舌和气质联用技术在融合过程中的不足
1.4 课题来源
1.5 主要研究内容和方法
1.6 本章小结
第二章 实验材料与仪器
2.1 实验材料与处理
2.2 实验仪器
2.2.1 电子鼻系统
2.2.2 电子舌系统
2.2.3 气质联用技术
2.2.4 其他装置
2.3 检测条件
2.3.1 实验方案设计
2.3.2 电子鼻检测方法
2.3.3 电子舌检测方法
2.3.4 顶空气质联用技术检测方法
2.3.5 定量描述分析法
2.3.6 理化指标检测方法
2.4 本章小结
第三章 数据分析方法
3.1 传感器信号分析
3.2 统计方法
3.2.1 方差分析
3.2.2 双向方差分析法
3.3 数据降维
3.3.1 主成分分析
3.3.2 线性判别分析
3.3.3 局部保持投影
3.4 随机森林
3.5 极限学习机
3.6 支持向量机以及其他方法
3.7 数据划分和模型性能的比较
3.8 本章小结
第四章 基于极限学习机的采摘期柑橘品质检测
4.1 前言
4.2 实验方案
4.2.1 样品采摘
4.2.2 理化参数的检测
4.2.3 挥发性香气成分的检测
4.2.4 电子鼻和电子舌检测
4.3 结果与讨论
4.3.1 不同采收期的理化参数变化
4.3.2 不同采收期的挥发性香气成分变化
4.3.3 电子鼻和电子舌对柑橘果汁的检测
4.3.4 传感器信号与挥发性物质、理化参数的相关性分析
4.4 电子鼻和电子舌对采摘期内的柑橘区分
4.4.1 极限学习机对采摘期内的柑橘区分
4.4.2 支持向量机和学习向量量化对采摘期内的柑橘区分
4.4.3 三种算法比较
4.5 电子鼻和电子舌对柑橘品质变化的追溯
4.5.1 基于极限学习机的柑橘品质预测
4.5.2 基于支持向量机和多元线性回归的柑橘品质预测
4.5.3 三种算法比较
4.6 本章小结
第五章 不同贮藏条件的柑橘品质检测
5.1 前言
5.2 实验方案
5.2.1 柑橘的贮藏条件
5.2.2 理化参数的检测
5.2.3 挥发性香气成分的检测
5.2.4 电子鼻和电子舌检测
5.3 结果与讨论
5.3.1 贮藏过程中理化参数的交化
5.3.2 贮藏过程中挥发性芳香物质的变化
5.3.3 电子鼻和电子舌对柑橘果汁的检测
5.4 贮藏条件对柑橘品质参数的影响
5.4.1 基于双向方差分析的理化参数变化的分析
5.4.2 基于双向方差分析的挥发性芳香成分变化的分析
5.5 电子鼻和电子舌对不同贮藏条件的柑橘区分
5.5.1 基于极限学习机的不同贮藏条件的柑橘区分
5.5.2 基于支持向量机的不同贮藏条件的柑橘区分
5.6 电子鼻和电子舌对不同贮藏条件的柑橘品质追溯
5.6.1 基于极限学习机的理化参数和挥发性芳香成分的预测
5.6.2 基于偏最小二秉回归法的理化参数和挥发性芳香成分的预测
5.7 本章小结
第六章 混合果汁的感官品质分析
6.1 前言
6.2 实验方案
6.2.1 样品制备
6.2.2 电子鼻和电子舌检测
6.2.3 挥发性香气成分的检测
6.2.4 混合果汁的感官特性检测
6.3 结果与讨论
6.3.1 混合果汁的香气成分变化
6.3.2 混合果汁感官特性的分析结果
6.3.3 电子鼻和电子舌的信号分析
6.3.4 传感器信号值与香气、感官特性的内在相关性
6.4 电子鼻和电子舌对混合果汁的区分
6.5 基于电子鼻和电子舌的混合果汁品质追溯
6.5.1 基于电子鼻和电子舌的感官特性预测
6.5.2 基于电子鼻和电子舌的挥发性芳香物质预测
6.6 本章小结
第七章 超高压处理果汁的区分模型优化—多个降维方法的比较
7.1 前言
7.2 实验方案
7.2.1 样品准备
7.2.2 超高压处理
7.2.3 电子鼻检测
7.3 结果与讨论
7.3.1 电子鼻传感器的信号分析和特征值提取
7.3.2 基于主成分分析的数据降维
7.3.3 基于线性判别分析的数据降维
7.3.4 基于局部保持投影的数据降维
7.3.5 基于极限学习机的超高压果汁分类
7.3.6 基于支持向量机的超高压果汁分类
7.4 本章小结
第八章 柑橘果汁中添加剂含量的预测
8.1 前言
8.2 实验方案
8.2.1 样品制备
8.2.2 电子鼻和电子舌检测
8.3 果汁中苯甲酸含量预测
8.3.1 电子鼻和电子舌对含有苯甲酸柑橘汁的检测
8.3.2 电子鼻、电子舌和融合数据集的数据结构分析
8.3.3 基于主成分回归的苯甲酸含量预测
8.3.4 基于随机森林的苯甲酸含量预测
8.3.5 基于极限学习的苯甲酸含量预测
8.3.6 基于支持向量机的苯甲酸含量预测
8.4 果汁中壳聚糖含量的预测
8.4.1 电子鼻和电子舌对柑橘汁检测
8.4.2 电子鼻、电子舌和融合数据集的数据结构分析
8.4.3 基于主成分回归的壳聚糖含量预测
8.4.4 基于随机森林的壳聚糖含量预测
8.4.5 基于极限学习的壳聚糖含量预测
8.4.6 基于支持向量机的壳聚糖含量预测
8.5 本章小结
第九章 总结与展望
9.1 主要结论
9.2 主要创新点
9.3 展望
参考文献
致谢
插图清单
表格清单
主要缩略词清单
研究生期间主要成果