基于电子鼻表征霉心病苹果特征气味及无损检测模型建立

摘要

为探究电子鼻检测技术对霉心病苹果的判别效果,以富士健康苹果和霉心病苹果为试材,基于SIMCA软件对采集的不同病变程度霉心病苹果的电子鼻信息进行表征,基于SPSS 23.0软件建立霉心病苹果Fisher函数、多层感知器神经网络(muhilayer perceptron neural network, MLPNN)和径向基函数神经网络(radial basis function neural network, RBFNN)判别模型。结果表明,健康果的特征传感器有W5C、W1C和W3C,重度果的特征传感器有W1S、W2S、W1W和W5S;MLPNN模型的判别效果最好,其对训练集和验证集的总体预测判别率分别为88.61%和88.46%;RBFNN模型的判别效果次之,其对训练集和测试集的总体预测判别率分别为93.50%和80.95%;Fisher判别函数判别效果最差,其对训练集和验证集的总体预测判别率分别为91.50%和79.27%。另外,3种判别模型对健康果和重度果都有很好的判别效果,对健康果和轻度果的判别效果不理想,需要在今后的研究中进一步优化。