水产品新鲜度检测是当前食品质量安全问题的一个重要话题,由于中华绒螯蟹在濒临死亡或死亡的状态下挥发出有毒的物质,而人体一旦食用将会造成严重的威胁,在当前市场贸易中,对中华绒螯蟹新鲜度的传统检测为感官检测,这往往受到主观性的影响,在大量中华绒螯蟹处于捆绑的情况下,最终所得到的结果是有偏的,因此研究无损、实时、准确的中华绒螯蟹新鲜度检测技术是当前水产品市场发展的迫切需求,特别是基于机器嗅觉的中华绒螯蟹新鲜度检测技术研究具有更重要的现实意义。理化指标(挥发性盐基氮)可以实现中华绒螯蟹的新鲜度检测,但是需要以蟹肉为实验对象,整个实验包含高温蒸馏等诸多复杂环节,这无法满足市场快速交易的目的,伴随着传感器技术和模式识别技术的发展,机器嗅觉系统来实现水产品的完整活体检测将具有广泛的应用前景,本课题对基于机器嗅觉的中华绒螯蟹新鲜度检测技术进行了研究,主要成果有:结合完整活体的检测目的搭建了机器嗅觉系统,考虑中华绒螯蟹的外形、体积因素,采用静态顶空法设计气味采样平台,针对活体状态下所挥发出的特征性气体,研究机器嗅觉传感器阵列的选型,为了后续的信息采集和处理,编写了上位机界面,实现软件系统的各个模块功能。鉴于当前尚未有以中华绒螯蟹完整活体的状态进行气味信息采集的研究,需要在试验中对诸如顶空温度、顶空体积、顶空时间、洗气时间、采样时间等参数设置进行分析研究,确定合理的实验方案。然后对气味信息依次进行均值滤波、基线处理和异常数据的剔除等操作,选择稳态信息和瞬时信息两方面有效特征。由于所使用的传感器为非线性的金属半导体材质,那么所获得的气味信息也必定包括非线性的特性,传统的线性降维算法无法提取其中的非线性特征,本课题提出基于拉普拉斯特征映射算法用于气味信息的特征提取,最终的可视化分类结果相对于传统算法有很大的区分度。以挥发性盐基氮作为新鲜度评价的标准,用多元线性回归模型建立了气味响应与挥发性盐基氮含量的相关性,从而反映用气味信息来评价新鲜度是切实可行的,本课题基于BP神经网络对中华绒螯蟹新鲜度建立预测模型,基本上可以认为该模型对于评价中华绒螯蟹新鲜度是有效的。