中文摘要：

香气是体现蜂蜜品质差异的重要属性之一，智能嗅觉具有表征整体香气品质的优势，然而图谱信息挖掘技术的薄弱是目前智能嗅觉检测精度不高的重要原因之一。基于不同品质蜂蜜的香气差异体现在头香、前端香气、体香和尾香四个释放阶段，由此提出蜂蜜品质智能嗅觉表征的差异化信息挖掘研究。采用气相质谱（GC-MS）结合气相嗅辨仪（GC-O）提取四个释放阶段的蜂蜜主要香气，构建蜂蜜香气模拟体系。基于模拟体系的智能嗅觉图谱，确定不同蜜源、不同产区、真假蜂蜜在四个释放阶段的差异化信息图谱特征响应点。研究图谱特征向量提取技术，评价特征向量对蜂蜜品质差异性的判别能力，消除品质分类不明显信息和背景信息，强化图谱矩阵中的差异化信息。基于图谱差异化响应点选择和特征向量提取，建立高精度的蜂蜜品质智能嗅觉表征模型。为智能嗅觉图谱的信号挖掘提供理论基础，为解决蜂蜜品质评价及掺假鉴别提供新思路，为开发专用型智能感官检测系统和设备奠定基础。

结论摘要：

针对蜂蜜市场以次充好及蜂蜜品质检测领域耗时、耗财、手段单一问题，提出结合蜂蜜香气特征的智能嗅觉蜂蜜品质判别中的差异化信息挖掘技术研究。本项目采用HS-SPME-GCMS，对油菜、洋槐、椴树、荆花和枣花蜜分别鉴定出59、47、74、47、62种香气成分，主要为醇、酯、酸、醛、烷烃、酮、呋喃和苯及其衍生物类。其中油菜蜜主要是酯、烷烃、醛、酸和醇类物质，洋槐蜜主要是酯、醇、烷烃、酸和醛类，椴树蜜主要是醇、酯、呋喃和苯及其衍生物、酸、醛和萜烯类物质，荆花蜜主要是酯、烷烃、醛类物质，枣花蜜主要是酯、醛、醇、酮、烷烃类物质。不同蜂蜜在种类构成及含量、特有成分上存有较大差异。同一蜜源不同产地蜂蜜的香气差异研究发现电子鼻信息差异微小，真假蜜源研究中以油菜蜜和大米糖浆为掺假物，其不同掺假含量在电子鼻图谱得分空间体现线性的信号差异变化。基于市场上掺假物种类繁多，按照蜂蜜纯度的反向思维确定电子鼻蜂蜜掺假判别精度高达5%掺假量。本项目创建了基于蜂蜜香气性质与强度差异相结合的蜜源香气线性判别表征模式、基于蜂蜜中呈香物质恒定强度比原理的蜜源香气线性判别表征模式、基于生物进化论中香气物质自然组合优化特点的蜜源香气线性判别表征模式，深化了蜂蜜香气物质风味分析的化学计量学技术与应用。本项目采用主成分修正及奇异值分解法建立电子鼻原始图谱与漂移修正间的映射关系，解决了对未知蜂蜜样品图谱线性漂移的补偿。通过rbio1.3小波变换的多分辨率技术，6层分离图谱中的高频噪音、低频漂移和检测信号后，重组有效的差异化信息分阶段校正图谱非线性的漂移问题，让蜜源分类效果高达97%以上。本项目针对交叉敏感性传感器图谱信息全、噪声杂、信号冗余点，利用独立成分分析解决了交叉信号中代表不同品质差异蜂蜜的信号分离，采用信号矩阵响应时域空间排列、提取、统一和优化了不同独立成分数下的蜜源信息分离效果，基于遗传算法技术挖掘对应独立成分的特征响应点，构建了时域空间独立成分分析结合遗传算法的蜜源特征信号挖掘技术。本项目确立了针对小样品量、图谱非线性数据特征的支持向量机建模方法，解决了该方法中核函数参数r与惩罚参数c取值去经验化的遗传算法优化技术，确定在r为0.11、c为14.38时，分类效果最佳。本项目研究解决了电子鼻快速检测蜂蜜品质中的关键技术瓶颈，提供了实验室内部精确判别中基于蜂蜜风味分析的综合评估技术手段。