目前对苹果的检测方法主要分两类：一类是感官分析，即通过专业人员根据掌握的知识、经验对苹果的品质好坏进行评价，该方法主观性强且耗时；另一类是使用大型色谱仪器分析，如气相色谱分析法，高效液相色谱分析法等。这类仪器检测方法会对苹果样品产生损坏，只能对单个样本进行分析、效率低，且无法进行整体评价。因此，使用电子鼻技术对贮藏期苹果实时监测及初期霉变的识别具有重要意义，已成为科研人员的研究热点。　　本课题以昌平地区种植的元帅系苹果为研究对象，依据电子鼻阵列中不同传感器对不同种类气体敏感度不同的原理，采用PEN3电子鼻和HeraclesⅡ型电子鼻分别对单个新鲜和霉变苹果进行气味分析，再使用 PEN3电子鼻对整体样本进行检测。因HeraclesⅡ型电子鼻的数据被加密，故开发了针对PEN3电子鼻技术的数据分析系统。　　具体研究内容包括：　　第一部分霉菌的分离、提纯和接种。取霉烂苹果坏掉的部分制成溶液，采用倒混菌平板法和平板划线法对其中的霉菌进行分离和提纯，挑取发病率高的霉菌进行培养。在本课题中，挑取的是黑霉菌、皮落青霉和扩展青霉三种霉菌，待其长成菌落后挑取活性高的部分接种于新鲜苹果上。　　第二部分PEN3电子鼻和HeraclesⅡ型电子鼻结合使用。首先采用PEN3电子鼻对接种霉菌的苹果进行检测，进而将接种过霉菌的苹果混入新鲜苹果中，对苹果整体气味进行检测。其次，采用科研人员最新研发的基于气象色谱原理的 HeraclesⅡ型电子鼻对接种霉菌的苹果的进行检测。然后对两种电子鼻测定结果进行数据分析、比较其性能差异。结果表明HeraclesⅡ型电子鼻比PEN3电子鼻更加灵敏，对于被皮落青霉和扩展青霉感染的苹果，PEN3电子鼻无法进行有效区分，而HeraclesⅡ型电子鼻则以98％的识别率将其识别。除此之外，采用HeraclesⅡ型电子鼻对霉变苹果和新鲜苹果的数据进行分析，可以发现其主要成分差异为乙醇和乙酸乙酯。因此，对基于气象色谱原理的便携式电子鼻开发已成为了研究热点。　　第三部分模式识别软件开发。针对 PEN3电子鼻的数据，采用 Matlab编写算法程序，使用 GUI图形可视化界面方便人机交互。该软件能读取 PEN3电子鼻的实验数据，选用PCA和LDA两种线性算法以及基于神经网络的BPNN和RBF算法分别对实验数据进行处理。　　本研究主要对PEN3电子鼻的数据进行分析，用LDA、BPNN、RBF算法分别建立模型以后带入测试集对接种不同霉菌的苹果进行分析，其检测准确率分别为80.00%、100.00%、85.00%；对混入不同霉菌的批量苹果进行检测，其检测准确率分别为80.00%、86.67%、86.67%。上述结果表明，在对电子鼻数据进行分析时，采用神经基于神经网络的模式识别算法比线性模式识别算法具有更高的准确度，在本实验中，BP神经网络算法的精确度最高。