发酵乳是指牛乳等动物乳经过巴氏杀菌后,通过添加乳酸菌发酵,使之发生酶解的一类乳制品。由于其有独特的风味且具有保健养生的作用,近年来消费量持续增长。目前在发酵乳生产过程中,对其进行感官质量控制的方法主要为人工感官评价。人工感官评价方法由于其具有主观性,存在难以复现、量化困难等问题,限制了发酵乳生产企业进一步提升良品率。针对人工感官评价方法的不足,本文提出三点解决方法:1)针对人工感官评价不足以满足当前发酵乳生产需求的问题,采用电子鼻检测发酵乳样品,获得发酵乳检测数据,并通过人工感官评价对其进行标记。使用Bagging集成学习方法对其建模,降低单模型的方差,生成发酵乳电子鼻检测数据与人工感官指标的映射模型。实验结果表明,基于BP神经网络的Bagging集成学习方法在发酵乳电子鼻检测数据集上达到96.67%的准确率,分类性能优于传统单模型,能够对发酵乳样品进行准确的感官三分类,初步实现了对发酵乳人工感官评价的辅助和替代。2)为进一步细化发酵乳感官评价模型的分类粒度,使之能够更加精确的描述发酵乳样品的感官特征,在单电子鼻检测数据的基础上,结合多种额外检测手段,分别采用色差计和酸度滴定法对发酵乳样品进行检测,获取额外的感官数据维度,构建数据集。为处理更复杂的数据集,应对更精细的分类目标,使用集成性能更强的Stacking集成模型,基于k NN、支持向量机、随机森林和XGBoost四种异构分类器构建Stacking集成模型。实验结果表明,在数据集特征维度增大、分类目标提升为四分类时,Stacking集成分类器仍然能达到96.55%的分类准确率,证明了融合多种检测手段、用学习能力更强的模型来提升感官评价模型性能的思路是可行的。3)针对基于数据挖掘的发酵乳感官评价模型可解释性差、无法具体描述感官与检测数据之间的相关性的问题,结合Pearson相关系数、随机森林特征重要性度量、XGBoost特征重要性度量,综合三种不同的相关性分析角度,为奶香味、典型酸奶味、奶油味、牛奶发酸味、尖酸味和异味六种发酵乳感官找出强相关性的7个关键传感器,建立起具体感官指标与电子鼻检测数据之间的相关关系,为未来发酵乳生产厂家研发便携式简易电子鼻系统提供思路。