通常人们通过感官分析来判别芒果品质的好坏,但是该方法具有主观性强,缺乏科学依据且不利于统一芒果品质的标准等缺陷。为解决该问题,本文以电子鼻技术作为背景和理论支撑,自行研制一种对芒果在货架期的品质快速实时的监测系统,并进行试验研究。主要研究内容和结论如下:（1）选择STM32F407作为主控制器,并合理选择传感器阵列、无线模块ATK-ESP8266等设备,结合编译平台（MDK5）和Qt完成控制逻辑、操作界面和数据处理的程序编写。按总体设计要求,完成芒果气味采集系统的搭建后,共采集到244个芒果气味样本,59个芒果硬度和糖度样本,115个芒果重量损失率样本。（2）首先对气味样本数据采用主成分分析（Principal Components Analysis,PCA）、t分布-随机邻近嵌入（T-Stochastic Neighbor Embedding,T-SNE）、线性判别分析（Linear Discriminant Analysis,LDA）降维处理后,建立K-近邻（K-Nearest Neighbor,KNN）、LDA、支持向量机（Support Vector Machine,SVM）、随机森林（Random Forest,RF）、和人工神经网络（Artificial Neural Networks,ANN）预测芒果货架期天数的模型,以F1分数（F1）和几何均数（G-Mean）作为不平衡数据集的评估指标。进行二维和多维交叉验证,试验结果表明:采用PCA-SVM方法效果最好,其F1为0.9144,G-Mean为0.9488。（3）再对理化值样本数据（硬度、糖度、重量和重量损失率）剔除异常样本后,建立偏最小二乘（Partial Least Squares,PLS）、SVM和ANN预测芒果理化值模型,以决定系数（~2）、均方根误差（RMSE）和相对分析误差（RPD）作为评估指标。试验结果表明:硬度用PLS模型预测最优,其测试集~2=0.9194,RMSE=4.3859,RPD=3.60;糖度用SVM模型预测最优,其测试集~2=0.9265,RMSE=1.1603,RPD=2.95;重量损失率用ANN模型预测最优,其测试集~2=0.9151,RMSE=0.6924,RPD=3.51;重量预测模型不能达到研究目标,故抛弃;最后,通过线性模型建立芒果货架期天数与理化值之间的关系,其评估指标~2=0.9661,RMSE=0.2309,RPD=10.54。（4）最后完成系统测试,测试结果表明:25个芒果样本,采用气味预测货架期,准确率达100%,用线性模型预测准确率为96%;理化值测试评估指标中,硬度的~2、RMSE和RPD分别为0.9643、0.9643和5.21;糖度为0.9311、0.9014和3.41;损失率为0.9634、0.4109和5.28。综上,该系统通过模型训练、移植和测试均达到本文设计的预期,为芒果在货架期的品质快速实时监测提供方法。