基于气体传感器技术的电子鼻主要用于苹果气味特征的识别。电子鼻也称智能仿生嗅觉系统，是通过模拟生物嗅觉功能来实现对检测对象的评价。它由气敏传感器阵列、信号处理和模式识别3部分组成，通过获取气味指纹信息对气体或挥发性成分做定性或定量的检测。电子鼻可以快速、实时监测苹果特征气体及其浓度，并应用于苹果的成熟度和新鲜度鉴别。
在检测苹果贮藏期品质变化方面，张鹏等利用PEN3型便携式电子鼻（Airsense 公司，德国）对不同货架期富士苹果挥发性成分进行检测，结果表明采用线性判别分析法的电子鼻系统可以对不同常温货架期和贮后货架期的富士苹果进行准确判别。李莹等利用PEN3型电子鼻检测低温储藏情况下富士苹果的香气变化情况，并一一对应测定苹果的硬度、可溶性固形物含量和可滴定酸含量，利用载荷分析优化电子鼻传感器阵列，研究发现线性判别分析能够较好地区分苹果的贮藏品质，苹果香气在贮藏60~90d时变化较大;多层感知器神经网络模型对苹果贮藏时间预测准确率均>92.00%;PLS对冷藏苹果硬度和可滴定酸含量的预测效果较优;利用BP神经网络所建立预测模型的决定系数均>0.93。刘志洋等采用电子鼻技术，利用PLS建立苹果贮藏期有机酸、SSC的数学模型，并对回归方法进行统计分析，以找到快速测定苹果贮藏期、贮藏期间总酸和SSC的方法。结果表明电子鼻各单元贡献率总计达到了90.62%，区分效果良好。樊丽等使用PEN3电子鼻和GC-MS技术研究在20 ℃贮藏期间嘎拉苹果芳香品质的变化，通过线性判别分析实现不同贮藏期苹果的有效区分。Saevels等利用Libra型电子鼻（Elba Island，意大利）结合GC-MS技术对Jonagold苹果的硬度和货架期的新鲜度进行检测，检测的硬度和货架期保质期的可靠度分别为0.95和0.98 。
电子鼻也可以用于苹果新鲜度、成熟度和腐烂程度检测。Valeria等利用物理化学分析和EOS835电子鼻（Sacmi，意大利）对鲜切苹果片保质期进行研究，测量4℃冷藏条件下在空气和N2中的鲜切苹果片的挥发性物质的变化，并与感官评价结果进行比较，研究表明通过多变量分析和PCA，电子鼻能够区分不同储存条件下四个采样时间的样品挥发性物质之间的差异。潘胤飞研制了一套适合苹果气味检测的电子鼻系统（图1），对超市所购得的好坏苹果各50个进行了检测，从每个传感器曲线中提取了5个特征参数，将其作为PCA的输入向量，检测结果表明该系统可以一定程度上区分好坏苹果，但有部分重叠，该方法和系统还适用于其他的水果。
惠国华等采用便携式电子鼻系统试验研究了苹果、梨、桃子、李子、葡萄5种水果的腐败过程，采用非线性随机共振技术提取水果霉变程度特征信息，结果表明电子鼻系统可以快速表征水果的腐败过程，这为水果腐败机理研究提供了一种新表征技术手段。Pathange等使用Cyranose 320型电子鼻（Model 320， Cyrano Sciences Inc.，加拿大）通过对淀粉指数和穿刺强度等成熟指数的测定来判断嘎拉苹果的成熟度，依成熟度对苹果分类的准确率为83%。
电子鼻也可以用来检测果品的损伤和病害。如Ren等使用PEN3型电子鼻对富士苹果从不同高度掉落受到的损害程度进行检测，采用的多层感知器神经网络对苹果的分离率达到100%，径向基函数神经网络模型与受损苹果的分类值具有极好的相关性（R2>0.98）。Li等使用Cyranose 320型电子鼻（Sensigent，美国）结合协方差矩阵自适应进化策略，使用PCA进行特征提取，将贝叶斯网络设为分类器，实现对苹果的损伤识别和分类。Jia等使用PEN3型电子鼻检测接种了扩展青霉和黑曲霉的Golden Delicious苹果，通过不同模式识别方法分析从特征传感器获得的数据，建立风味信息和新鲜、发霉苹果的有效预测模型，这也是电子鼻在区分接种不同霉菌的苹果的成功案例。
电子鼻能够对果品所释放的气味整体信息进行快速检测，对果品不同时期的质量进行一个较为准确的判定，如货架期品质、新鲜度、腐烂度、损伤、病害等情况，是无损检测技术中对于苹果香味品质检测方面的有益补充。该检测方法多使用商用的电子鼻产品，结合有效的模式识别算法实现对苹果品质的无损检测。
对于电子鼻技术，传感器的选择起着决定性作用。但合适的传感器和模式识别技术的选择往往较为困难，电子鼻系统中的传感器单元对苹果香味成分不具有针对性，因此需要大量样本数据训练并借助模式识别算法来提高检测的准确率。这也为针对具体检测对象的高性能气体传感器的研制和开发提出了需求，随着传感器技术和纳米技术的快速发展，高灵敏度、柔性的苹果香味传感器发展前景广阔。
来源：智慧农业期刊，转载请注明来源。
曹玉栋, 祁伟彦, 李娴, 李哲敏. 苹果无损检测和品质分级技术研究进展及展望[J]. 智慧农业, 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：文章仅供参考，如有不当，欢迎留言指正和交流。且读者不应该在缺乏具体的专业建议的情况下，擅自根据文章内容采取行动，因此导致的损失，运营方不负责。如文章涉及侵权或不愿我平台发布，请联系小编。
在检测苹果贮藏期品质变化方面，张鹏等利用PEN3型便携式电子鼻（Airsense 公司，德国）对不同货架期富士苹果挥发性成分进行检测，结果表明采用线性判别分析法的电子鼻系统可以对不同常温货架期和贮后货架期的富士苹果进行准确判别。李莹等利用PEN3型电子鼻检测低温储藏情况下富士苹果的香气变化情况，并一一对应测定苹果的硬度、可溶性固形物含量和可滴定酸含量，利用载荷分析优化电子鼻传感器阵列，研究发现线性判别分析能够较好地区分苹果的贮藏品质，苹果香气在贮藏60~90d时变化较大;多层感知器神经网络模型对苹果贮藏时间预测准确率均>92.00%;PLS对冷藏苹果硬度和可滴定酸含量的预测效果较优;利用BP神经网络所建立预测模型的决定系数均>0.93。刘志洋等采用电子鼻技术，利用PLS建立苹果贮藏期有机酸、SSC的数学模型，并对回归方法进行统计分析，以找到快速测定苹果贮藏期、贮藏期间总酸和SSC的方法。结果表明电子鼻各单元贡献率总计达到了90.62%，区分效果良好。樊丽等使用PEN3电子鼻和GC-MS技术研究在20 ℃贮藏期间嘎拉苹果芳香品质的变化，通过线性判别分析实现不同贮藏期苹果的有效区分。Saevels等利用Libra型电子鼻（Elba Island，意大利）结合GC-MS技术对Jonagold苹果的硬度和货架期的新鲜度进行检测，检测的硬度和货架期保质期的可靠度分别为0.95和0.98 。
电子鼻也可以用于苹果新鲜度、成熟度和腐烂程度检测。Valeria等利用物理化学分析和EOS835电子鼻（Sacmi，意大利）对鲜切苹果片保质期进行研究，测量4℃冷藏条件下在空气和N2中的鲜切苹果片的挥发性物质的变化，并与感官评价结果进行比较，研究表明通过多变量分析和PCA，电子鼻能够区分不同储存条件下四个采样时间的样品挥发性物质之间的差异。潘胤飞研制了一套适合苹果气味检测的电子鼻系统（图1），对超市所购得的好坏苹果各50个进行了检测，从每个传感器曲线中提取了5个特征参数，将其作为PCA的输入向量，检测结果表明该系统可以一定程度上区分好坏苹果，但有部分重叠，该方法和系统还适用于其他的水果。
惠国华等采用便携式电子鼻系统试验研究了苹果、梨、桃子、李子、葡萄5种水果的腐败过程，采用非线性随机共振技术提取水果霉变程度特征信息，结果表明电子鼻系统可以快速表征水果的腐败过程，这为水果腐败机理研究提供了一种新表征技术手段。Pathange等使用Cyranose 320型电子鼻（Model 320， Cyrano Sciences Inc.，加拿大）通过对淀粉指数和穿刺强度等成熟指数的测定来判断嘎拉苹果的成熟度，依成熟度对苹果分类的准确率为83%。
电子鼻也可以用来检测果品的损伤和病害。如Ren等使用PEN3型电子鼻对富士苹果从不同高度掉落受到的损害程度进行检测，采用的多层感知器神经网络对苹果的分离率达到100%，径向基函数神经网络模型与受损苹果的分类值具有极好的相关性（R2>0.98）。Li等使用Cyranose 320型电子鼻（Sensigent，美国）结合协方差矩阵自适应进化策略，使用PCA进行特征提取，将贝叶斯网络设为分类器，实现对苹果的损伤识别和分类。Jia等使用PEN3型电子鼻检测接种了扩展青霉和黑曲霉的Golden Delicious苹果，通过不同模式识别方法分析从特征传感器获得的数据，建立风味信息和新鲜、发霉苹果的有效预测模型，这也是电子鼻在区分接种不同霉菌的苹果的成功案例。
电子鼻能够对果品所释放的气味整体信息进行快速检测，对果品不同时期的质量进行一个较为准确的判定，如货架期品质、新鲜度、腐烂度、损伤、病害等情况，是无损检测技术中对于苹果香味品质检测方面的有益补充。该检测方法多使用商用的电子鼻产品，结合有效的模式识别算法实现对苹果品质的无损检测。
对于电子鼻技术，传感器的选择起着决定性作用。但合适的传感器和模式识别技术的选择往往较为困难，电子鼻系统中的传感器单元对苹果香味成分不具有针对性，因此需要大量样本数据训练并借助模式识别算法来提高检测的准确率。这也为针对具体检测对象的高性能气体传感器的研制和开发提出了需求，随着传感器技术和纳米技术的快速发展，高灵敏度、柔性的苹果香味传感器发展前景广阔。
来源：智慧农业期刊，转载请注明来源。
曹玉栋, 祁伟彦, 李娴, 李哲敏. 苹果无损检测和品质分级技术研究进展及展望[J]. 智慧农业, 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：文章仅供参考，如有不当，欢迎留言指正和交流。且读者不应该在缺乏具体的专业建议的情况下，擅自根据文章内容采取行动，因此导致的损失，运营方不负责。如文章涉及侵权或不愿我平台发布，请联系小编。
