蚕丝纤维是一种天然的动物蛋白质，享有“人体第二皮肤”的美誉。蚕丝纤维本身的优良特性赋予了蚕丝被优良的服用性能，具有贴身保健、透气保暖、提升睡眠质量等优良性能。但由于蚕丝被生产工序流程简单，行业门槛低，市面上出现了以次充好、以假乱真的现象，尤其是蚕丝被纤维含量问题最为突出。　　电子鼻技术作为一种新兴模拟人类嗅觉的智能仪器在各个领域都得到了广泛的应用，其工作原理是传感器阵列中10个传感器对各物质的敏感程度不同，最终通过不同的模式识别方法来区分不同的气体。　　本课题基于蚕丝被的生产现状和蚕丝被纤维含量存在的问题，通过电子鼻获取不同比例蚕丝/涤纶丝样本的数据集。提取不同特征值进行模式识别以区分不同比例的蚕丝/涤纶丝，以获得较佳的特征参数数据集。通过多层感知器神经网络和判别分析法对未知混合样品中蚕丝含量进行预测，为蚕丝被填充物中蚕丝含量的辨别提出一种新方法。主要研究内容与结论如下:　　(1)对浙江桑蚕丝和江苏桑蚕丝两种不同产地和不同时间段的蚕丝样品进行聚类分析。由聚类分析结果可知，不同产地及时间的4类蚕丝样品，20个样本被分为两类，其分类正确率达95％，因此不同产地及不同时间段的蚕丝样品基本可归为同一类。　　(2)利用方差分析、最小显著性分析和相对标准差分析，探究了影响电子鼻传感器响应特性的实验参数。最终确定较佳的试验参数为:顶空空间800ml，样本质量39，顶空生成时间在45min-60min为宜。　　(3)提取了15s，45s，75s，稳定值的电子鼻响应信号值进行主成分分析和线性判别分析，结果证明稳态值是较为有效的样本信息特征参数集。为提高后期模式识别分类器的性能，在此提取稳态值为特征值进行分析并建立模式文件。　　(4)在对不同蚕丝样品的检测中，通过对传感器响应信号值的分析和传感器载荷分析，发现传感器S2，S6，S7，S8，S9的贡献率最大。对这5个传感器数据进行主成分分析，前2个主成分的累计方差贡献率达到97.33％，比之前的贡献率提高9％左右。利用方差最大分析法对因子载荷矩阵进行正交旋转，第一主成分主要解释了S7，S2，S9传感器的信息。第一个公共因子可解释为含硫化合物和含氮化合物，而传感器S8，S6在第二主成分有较高的载荷，主要物质为醇类以及芳香族化合物。　　(5)提取稳态值特征参数数据集和逐步判别提取的14个参数数据集分别进行判别分析。15s，45s，75s三个不同时刻下，14个入选参数的样本数据集，其训练集的识别正确率为89.27％,验证集的正确率为88.57％。对经过传感器优化后的稳态值数据进行线性判别分析，其中训练集的整体判别正确率是91.43％，验证集的整体判别正确率为90％。　　(6)利用多层感知神经网络对样本进行分析，其训练集整体识别正确率为91.07％，测试集的整体识别正确率为90.78％，表明多层感知神经网络能够作为一种有效的检测蚕丝被中蚕丝含量的方法。　　本课题的研究对蚕丝被含量检测有一定的指导作用，有利于提高蚕丝制品检测的速度和精度、减少人为误差的产生，有助于企业对蚕丝制品品质的控制。