科创中国

酿造过程中SO2的监控是葡萄酒产业信息化和葡萄酒品质保障的关键。农业工程学报2022年发表了山东工商大学魏广芬等的“基于DFI-RSE电子鼻传感器阵列优化的葡萄酒SO2检测“一文，针对传统SO2测定方法操作复杂、耗费时间长等问题，该研究提出基于电子鼻技术建立葡萄酒中SO2检测方法。为提高电子鼻检测性能，提出一种基于动态特征重要度-递归传感器消除（Dynamic Feature Importance-Recursive Sensor Elimination，DFI-RSE）的气体传感器阵列优化算法。将最大信息系数（Maximum Information Coefficient，MIC）作为度量变量间关系的标准，定义DFI选择兼顾高有效性与低冗余性的特征构成特征子集。进一步计算特征子集中的传感器重要度，结合RSE移除重要度较低的传感器，获得最优阵列组合。采用偏最小二乘回归（Partial Least Squares Regression，PLSR）、多层感知器（Multi-Layer Perceptron，MLP）、支持向量回归（Support Vector Regression，SVR）和贝叶斯岭回归（Bayesian Ridge Regression，BRR）对DFI-RSE优化前后阵列的检测能力进行比较。结果表明，针对间隔40 mg/L、0～200 mg/L范围内不同SO2添加量的葡萄酒样品，优化后阵列的传感器数量由原来的16个降低为8个，特征数量减少了59%，4种回归模型的决定系数均高于0.98，其中MLP模型检测效果最佳，均方根误差为7.73 mg/L，优于原始阵列且节省了运行时间。所建立的基于电子鼻的葡萄酒SO2添加量检测和相应的阵列构建与优化方法为葡萄酒酿造过程中SO2的有效监控技术研究提供参考。

来源：魏广芬,李梦递,赵捷,孔维府,张小栓.基于DFI-RSE电子鼻传感器阵列优化的葡萄酒SO2检测[J].农业工程学报,2022,38(7):291-299. DOI:10.11975/j. issn.1002-6819.2022.07.032

http://www.tcsae.org/nygcxb/article/abstract/20220732?st=advanced_search