专利名称：：一种识别苹果品种和/或采收期和/或贮藏期的方法
技术领域：
：本发明涉及一种识别苹果品种和/或采收期和/或贮藏期的方法。
背景技术：
：据资料统计，我国的果园面积已占世界果园面积的21.3%，水果产量居世界第一，占世界总产量的14%，苹果和梨的产量遥居世界之首。1999年，我国水果产业的产值为1000亿元，成为我国种植业中位列粮食、蔬菜之后的第三大产业。但是，我国每年都要花大量的外汇进口高档水果，究其原因是我国水果检测手段落后和水果混等混级严重。为了促进水果业的发展，除了提高产量外还要提高水果的质量，于是对水果的质量检测(分类分级检测)就显得十分重要了。水果的成熟度是决定水果品质的主要因素。苹果从采收到食用需要一定的时间，即苹果的贮藏期。目前，对苹果品质、苹果采收期和苹果贮藏期的评价多采用传统的物理和化学方法检测，例如硬度计、气相色谱法等。比较现代的检测方法有视觉系统识别等，但是上述方法操作复杂，过程烦琐，不能真正快速、准确地检测和识别。电子鼻(ElectronicNose)，又称人工嗅觉分析系统(ArtificialOlfactory)，是20世纪90年代发展起来的一种新颖的分析、识别和检测技术，是由传感系统和自动化模式识别系统组成的针对各种气味进行识别的人工智能系统，它的工作原理类似人的鼻子，故称之为"电子鼻"。电子鼻融合了当今最为活跃的材料学、电子信号学、应用数学、传感和计算机科学等领域的新成果，一经产生就受到了国外科学界的极大的重视和普遍的关注。目前又出现了一种新型的电子鼻，HERACLESElectronicNose，它是根据气相色谱的原理制成的一种人工智能气味识别系统。它与传统的传感器型电子鼻相比，具有检测更快速、分析检测范围更大的特点，并且避免了传感器型电子鼻的传感器中毒现象。
发明内容本发明提供了一种识别苹果品种和/或采收期和/或贮藏期的方法。本发明提供的识别苹果品种和/或采收期和/或贮藏期的方法，是用服RACLESElectronicNose对待测苹果的品种和/或采收期和/或贮藏期进行识别。所述方法中，服RACLESElectronicNose的进样口温度可为150-30(TC，如150-230。C或230-3Q0。C。所述方法中，HERACLESElectronicNose的检测器温度可为120-300°C，如120-250。C或250-300°C。所述方法中，HERACLESElectronicNose的检测柱升温程序可为起始温度为30-4(TC，以1-15°C/s的速度升温至200'C保留l-15s。检测柱升温程序具体可为起始温度为30-35°C，以l-3°C/s的速度升温至20(TC保留P10s。检测柱升温程序具体还可为起始温度为35-40°C，以3-15°C/s的速度升温至20(TC保留10-15s。所述方法中，HERACLESElectronicNose的进样时间可为5-100s，如5_75s或75-100s。所述方法中，HERACLESElectronicNose的进样方式具体可为顶空气进样。当服RACLESElectronicNose采用顶空气进样时，涉及的参数如下顶空气发生温度可为30-100°C，如30-55。C或55-100°C。顶空气发生时间可为5-50rain，如5-30tnin或30-50min。顶空气进样量可为lml-9ml，如1ml-5ml或5ml-9ral。所述的识别苹果采收期的方法中，所述待测苹果的采收期应相差5天以上，优选相差6天以上。所述的识别苹果贮藏期的方法中，所述待测苹果为贮藏5-30天(矿C恒温贮藏)的苹果。所述的识别苹果贮藏期的方法中，所述待测苹果的贮藏期相差5天以上。本发明提供识别苹果品种和Z或采收期和/或贮藏期的方法，是利用HERACLESElectronicNose对苹果品种和/或釆收期和/或贮藏期进行检测和分析。采取本发明方法，样品前处理简单；整个实验过程没有利用有机溶剂，无污染；检测速度快，顶空气发生步骤所需时间与气相色谱的相应步骤接近，但每个样本的分析识别时间仅需3分钟左右，远小于气相色谱的0.5-1小时；识别准确率高；本发明方法步骤简单，操作方便，便于大规模推广应用。将本发明应用于苹果质量的检测，有助于提高苹果及相关加工产品的品质，促进水果业的发展，具有重大的经济价值。具体实施例方式以下的实施例便于更好地理解本发明，但并不限定本发明。下述实施例中的实验方法，如无特殊说明，均为常规方法。下述实施例中的试剂，如无特殊说明，均为从常规生化试剂可以购买得到的。以下实施例中所用的电子鼻为法国AlphaM0S仪器公司的HERACLESElectronicNose。以下实施例中所用的苹果样本为早熟品种津轻、中熟品种红星和乔纳金、晚熟品种富士，均釆自北京市昌平区中日友好观光果园。苹果采摘后均釆用4。C恒温贮藏。实施例1至实施例3中用到的苹果样本见表1。表1实施例1至实施例3中苹果样本的信息<table>tableseeoriginaldocumentpage5</column></row><table>注DAFB即完全开花期后的天数(daysafterfullblom)。每次采摘每个品种的苹果取5个样本。采摘后的第2天进行实施例1至实施例3的试验。实施例4至实施例6中用到的苹果样本见表2。表2实施例4至实施例6中苹果样本的信息<table>tableseeoriginaldocumentpage5</column></row><table>富士(13年)第二次采摘(H2)2006.10.20185(第三组样本)第三次采摘(H3)2006.11.6202注DAFB即完全开花期后的天数(daysafterfullblom)。每个品种的苹果每次采摘取5个样本。采摘后的第2天进行实施例4至实施例6的试验。实施例7至实施例9中用到的苹果样本见表3。表3实施例7至实施例9中苹果样本的信息品种(树龄)釆摘阶段(简称)采摘日期DAFB(天)津轻(10年)(第一组样本)第三次采摘(H》2006.8.30134红星(13年)(第二组样本)第三次采摘(H2)2006.9.20155乔纳金(13年)(第三组样本)第三次采摘(H3)2006.10.12177每个品种的苹果采摘取30个样本。在贮藏期间，每隔5天取5个样本用电子鼻进行检测。以下区分指数(DiscriminationIndex,简称DI)代表电子鼻对样本的识别能力，由下列公式计算而来DI=[卜(每个组群空间面积的总和/包容所有组群的总空间面积)]XIOO。在样本的主成分分析(PCA)图谱中，如果组群之间没有叠加时，DI为正值，当组群之间有叠加时，DI为负值，表明样品之间不能完全区分。DI的最大值为100，DI在80-100之间就表明有效的区分，DI值越大，区分越好。实施例l、苹果品种的识别每个苹果样本分别进行检测，具体如下将苹果粉碎榨汁。将3ml苹果汁放入样品瓶中(样品瓶规格为10ml)，放置于顶空气发生装置，顶空气发生温度为3(TC，顶空气发生时间为50min。然后用电子鼻进样针抽取顶空气，注射到电子鼻进样口中，顶空气进样量为lral。电子鼻的设置如下进样口温度15(TC;检测器温度12(TC;进样时间5s;柱升温程序为起始温度为30°C，以1°C/S的速度升温至20(TC保留ls。每个样本进行6次重复试验。经过电子鼻自带的主成分分析(PCA)软件对所获取的数据进行分析。第一组样本的检测结果表明第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为90.682%、3.732%，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为91。其中PC1和PC2的累积方差贡献率之和为94.414%，大于85%，这说明PC1和PC2已经包含了样品很大的信息量，能够反映样品的整体信息。区分指数(DI)为91，这说明不同品种的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同品种的苹果，分析识别时间短，且样品前处理简单，实验过程中也没有利用有机溶剂。第二组样本的检测结果表明第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为91.332%、2.612%，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为92。这说明不同品种的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同品种的苹果。样品前处理简单，分析识别时间短，实验过程中也没有利用有机溶剂。第三组样本的检测结果表明第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为90.122%、2.192%，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为91。这说明不同品种的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同品种的苹果。样品前处理简单，分析识别时间短，实验过程中也没有利用有机溶剂。实施例2、苹果品种的识别每个苹果样本分别进行检测，具体如下将苹果粉碎榨汁。将3ml苹果汁放入样品瓶中(样品瓶规格为10ml)，放簟于顶空气发生装置，顶空气发生温度为55t:，顶空气发生时间为30min。然后用电子鼻进样针抽取顶空气，注射到电子鼻进样口中，顶空气进样量为5ml。电子鼻的设置如下进样口温度230'C;检测器温度250'C;进样时间75s;柱升温程序为起始温度为35'C，以3'C/s的速度升温至200'C保留10s。每个样本进行6次重复试验。经过电子鼻自带的主成分分析(PCA)软件对所获取的数据进行分析。第一组样本的检测结果表明第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为91.634%、2.121%，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指7数(DI)为92。其中PC1和PC2的累积方差贡献率之和为93.755%，大于85%，这说明PC1和PC2已经包含了样品很大的信息量，能够反映样品的整体信息。区分指数(DI)为92，这说明不同品种的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同品种的苹果，分析识别时间短，且样品前处理简单，实验过程中也没有利用有机溶剂。第二组样本的检测结果表明第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为92.752%、2.143%，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为93。这说明不同品种的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同品种的苹果。样品前处理简单，分析识别时间短，实验过程中也没有利用有机溶剂。第三组样本的检测结果表明第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为91.582%、2.453%，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为92。这说明不同品种的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。釆用本发明的方法识别不同品种的苹果。样品前处理简单，分析识别时间短，实验过程中也没有利用有机溶剂。实施例3、苹果品种的识别每个苹果样本分别进行检测，具体如下将苹果粉碎搾汁。将3ml苹果汁放入样品瓶中(样品瓶规格为10ml)，放置于顶空气发生装置，顶空气发生温度为IO(TC，顶空气发生时间为5min。然后用电子鼻进样针抽取顶空气，注射到电子鼻进样口中，顶空气进样量为9ml。.电子鼻的设置如下进样口温度30(TC;检测器温度30(TC;进样时间100s;柱升温程序为起始温度为4(TC，以15tVs的速度升温至20(TC保留15s。每个样本进行6次重复试验。经过电子鼻自带的主成分分析(PCA)软件对所获取的数据进行分析。第一组样本的检测结果表明第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为92.465%、2.756%，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为93。其中PC1和PC2的累积方差贡献率之和为95.221%，大于85%，这说明PC1和PC2已经包含了样品很大的信息量，能够反映样品的整体信息。区分指数(DI)为93，这说明不同品种的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同品种的苹果，分析识别时间短，且样品前处理简单，实验过程中也没有利用有机溶剂。第二组样本的检测结果表明第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为90.752%、1.973%，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为90。这说明不同品种的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同品种的苹果。样品前处理简单，分析识别时间短，实验过程中也没有利用有机溶剂。第三组样本的检测结果表明第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为91.116%、1.254%,由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为91。这说明不同品种的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同品种的苹果。样品前处理简单，分析识别时间短，实验过程中也没有利用有机溶剂。实施例4、苹果采收期的识别方法同实施例l。每个样本进行6次重复试验。第一组样本的检测结果表明第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为90.445%、2.938%，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为90。其中PC1和PC2的累积方差贡献率之和为93.383%,大于85%，.这说明PC1和PC2已经包含了样品很大的信息量，能够反映样品的整体信息。区分指数(DI)为90，这说明不同采收期的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同采收期的苹果，分析识别时间短，且样品前处理简单，实验过程中也没有利用有机溶剂。第二组样本的检测结果表明第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为91.331%、2.476%，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为91。这说明不同采收期的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同采收期的苹果，分析识别时间短，且样品前处理简单，实验过程中也没有利用有机溶剂。第三组样本的检测结果表明第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为9.664%、2.879%，由PCI(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为93。这说明不同采收期的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同采收期的苹果，分析识别时间短，且样品前处理简单，实验过程中也没有利用有机溶剂。实施例5、苹果采收期的识别方法同实施例2。每个样本进行6次重复试验。第一组样本的检测结果表明第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为93.691%、1.876%，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为93。其中PC1和PC2的累积方差贡献率之和为95.567%，大于85%,这说明PC1和PC2已经包含了样品很大的信息量,能够反映样品的整体信息。区分指数(DI)为93，这说明不同采收期的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同采收期的苹果，分析识别时间短，且样品前处理简单，实验过程中也没有利用有机溶剂。第二组样本的检测结果表明第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为93.691%、1.876%,由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为93。这说明不同采收期的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。釆用本发明的方法识别不同采收期的苹果，分析识别时间短，且样品前处理简单，实验过程中也没有利用有机溶剂。第三组样本的检测结果表明第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为94.644%、2.236%，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为95。这说明不同采收期的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同采收期的苹果，分析识别时间短，且样品前处理简单，实验过程中也没有利用有机溶剂。实施例6、苹果采收期的识别方法同实施例3。每个样本进行6次重复试验。第一组样本的检测结果表明第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为92.143%、2.342%，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为93。其中PCl和PC2的累积方差贡献率之和为94.485y。，大于85%，这说明PC1和PC2已经包含了样品很大的信息量，能够反映样品的整体信息。区分指数(DI)为93，这说明不同采收期的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同采收期的苹果，分析识别时间短，且样品前处理简单，实验过程中也没有利用有机溶剂。10第二组样本的检测结果表明第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为92.286%、2.119%，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为93。这说明不同采收期的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同采收期的苹果，分析识别时间短，且样品前处理简单，实验过程中也没有利用有机溶剂。第三组样本的检测结果表明第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为93.341%、3.212%，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为94。这说明不同采收期的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同采收期的苹果，分析识别时间短，且样品前处理简单，实验过程中也没有利用有机溶剂。实施例7、苹果贮藏期的识别方法同实施例1。每个样本进行6次重复试验。第一组样本的检测结果表明在贮藏期为第5-30天的时候，第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为92.312%、2.653%，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为92。其中PC1和PC2的累积方差贡献率之和为94.965%，大于85%，这说明PC1和PC2已经包含了样品很大的信息量，能够反映样品的整体信息。区分指数(DI)为92，这说明不同贮藏期的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同贮藏期的苹果，分析识别时间短，且样品前处理简单，实验过程中也没有利用有机溶剂。第二组样本的检测结果表明在贮藏期为第5-30天的时候，第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为93.455%、2.873%，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为93。这说明不同贮藏期的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同贮藏期的苹果，分析识别时间短，且样品前处理简单，实验过程中也没有利用有机溶剂。第三组样本的检测结果表明在贮藏期为第5-30天的时候，第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为93.219%、2.873%,由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为93。这说明不同贮藏期的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同贮藏期的苹果，分析识别时间短，且样品前处理简单，实验过程中也没有利用有机溶剂。实施例8、苹果贮藏期的识别方法同实施例2。每个样本进行6次重复试验。第一组样本的检测结果表明在贮藏期为第5-30天的时候，第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为95.642%、2.835%，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为95。其中PC1和PC2的累积方差贡献率之和为95.477%,大于85%，这说明PC1和PC2已经包含了样品很大的信息量，能够反映样品的整体信息。区分指数(DI)为95，这说明不同贮藏期的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同贮藏期的苹果，分析识别时间短，且样品前处理简单，实验过程中也没有利用有机溶剂。第二组样本的检测结果表明在贮藏期为第5-30天的时候，第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为95.642%、2.835°/。，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为95。这说明不同贮藏期的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同贮藏期的苹果，分析识别时间短，且样品前处理简单，实验过程中也没有利用有机溶剂。第三组样本的检测结果表明在贮藏期为第5-30天的时候，第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为96.378%、2.336%，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为96。这说明不同贮藏期的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同贮藏期的苹果，分析识别时间短，且样品前处理简单，实验过程中也没有利用有机溶剂。实施例9、苹果贮藏期的识别方法同实施例3。每个样本进行6次重复试验。第一组样本的检测结果表明在贮藏期为第5-30天的时候，第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为93.550%、2.653%,由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为95。其中PC1和PC2的累积方差贡献率之和为96.203%，大于85%,这说明PC1和PC2已经包含了样品很大的信息量，能够反映样品的整体信息。区分指数(DI)为95,这说明不同贮藏期的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同贮藏期的苹果，分析识别时间短，且样品前处理简单，实验过程中也没有利用有机溶剂。第二组样本的检测结果表明在贮藏期为第5-30天的时候，第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为94.520%、2.351%，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为95。这说明不同贮藏期的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同贮藏期的苹果，分析识别时间短，且样品前处理简单，实验过程中也没有利用有机溶剂。第三组样本的检测结果表明在贮藏期为第5-30天的时候，第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为95.316%、2.078°/。，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为97。这说明不同贮藏期的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同贮藏期的苹果，分析识别时间短，且样品前处理简单，实验过程中也没有利用有机溶剂。1权利要求1、一种识别苹果品种和/或采收期和/或贮藏期的方法，是用HERACLESElectronicNose对待测苹果的品种和/或采收期和/或贮藏期进行识别。2、如权利要求l所述的方法，其特征在于所述方法中，HERACLESElectronicNose的进样口温度为150-300°C;HERACLESElectronicNose的检测器温度为120-300°C。3、如权利要求1或2所述的方法，其特征在于所述方法中，HERACLESElectronicNose的检测柱升温程序为起始温度为30-40。C，以1-15°C/s的速度升温至20(TC保留1-15s。4、如权利要求1至3中任一所述的方法，其特征在于所述方法中，HERACLESElectronicNose的进样时间为5-100s。5、如权利要求1至4中任一所述的方法，其特征在于所述方法中，HERACLESElectronicNose的进样方式为顶空气进样。6、如权利要求5所述的方法，其特征在于所述方法中，顶空气发生温度为30-100°C;顶空气发生时间为5-50min。7、如权利要求5或6所述的方法，其特征在于所述方法中，顶空气进样量为lml-9ral。8、如权利要求1至7中任一所述的识别苹果采收期的方法，其特征在于所述待测苹果的采收期相差5天以上。9、如权利要求1至7中任一所述的识别苹果贮藏期的方法，其特征在于所述待测苹果为贮藏5-30天的苹果。10、如权利要求9所述的识别苹果贮藏期的方法，其特征在于所述待测苹果的贮藏期相差5天以上。全文摘要本发明公开了一种识别苹果品种和/或采收期和/或贮藏期的方法。本发明提供的识别苹果品种和/或采收期和/或贮藏期的方法，是利用HERACLESElectronicNose对苹果品种和/或采收期和/或贮藏期进行检测和分析。采取本发明方法，样品前处理简单；整个实验过程没有利用有机溶剂，无污染；检测速度快，识别准确率高；本发明方法步骤简单，操作方便，便于大规模推广应用。将本发明应用于苹果质量的检测，有助于提高苹果的品质，促进水果业的发展，具有重大的经济价值。文档编号G01N30/00GK101487823SQ20091007882公开日2009年7月22日申请日期2009年3月3日优先权日2009年3月3日发明者倪元颖,张晓华,张树明,阳李,李景明,李淑燕,石宝霞,陈晓明,马丽艳申请人:中国农业大学
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
