伏安电子舌是一种模仿人类味觉机制的新型检测仪器,近年来在食品检测领域发挥着重要作用,然而现有电子舌设备存在成本高、体积大以及难以实现现场快速检测等缺点,同时其现有的模式识别方法较为单一,大大制约了伏安电子舌的发展。本文基于以上问题,主要研究内容如下:(1)开发了一套便携式伏安电子舌系统,该系统主要由多传感器阵列、手持式检测终端、无线传输系统和上位机终端四部分组成。系统的检测终端与识别系统分离,具有体积小,便于携带的优点,可以满足食品现场快速检测的需求。(2)提出一种基于改进希尔伯特-黄变换结合粒子群优化最小二乘支持向量机的伏安电子舌模式识别方法,对四种不同产地的枸杞进行产地溯源分析。首先采用集合经验模态分解对电子舌原始信号分解得到一组本征模态函数,采用奇异谱熵对有效本征模态函数分量进行筛选,并将奇异谱熵和希尔伯特边际谱作为特征向量。在此基础上,采用线性判别分析来实现数据可视化分析,并利用基于粒子群优化的最小二乘支持向量机建立枸杞产地预测模型。实验结果表明,与特征点提取、主成分分析、离散小波变换等特征提取方法相比,改进希尔伯特-黄变换在线性判别分析上具有更好的分类效果;采用粒子群优化的最小二乘支持向量机对枸杞产地进行区分,其中总体分类精度和Kappa系数分别为98.5%和0.98。(3)提出一种基于自适应变分模态分解-希尔伯特谱分析结合极限学习机的伏安电子舌模式识别方法,对五种不同植物源蜂蜜进行了检测。通过引入能量损失函数使变分模态分解能够自适应分解,随后结合希尔伯特谱分析求取希尔伯特边际谱作为特征向量,并通过主成分分析和极限学习机验证其特征提取效果。实验结果表明,该特征提取方法与主成分分析相结合,能够有效地对五种蜂蜜样本进行区分,而基于面积法、离散小波变换、希尔伯特黄变换的主成分分析模型均存在样本的重叠现象。随后利用极限学习机对该特征提取方法进行了验证,其训练集准确度、预测集准确度和Kappa系数分别为100%、99.60%和0.962。