我国农产品种类特别丰富,而如何简洁、快速、正确地评价农产品品质,鉴别农产品的种类、等级是众多企业单位、管理部门面临的难题。目前农产品品质的评价方法主要有感官评定和理化分析两大类。感官评定主观性强、评定结果变异大、重复性差、不易量化,理化分析则有仪器复杂、检测费用高、周期长、不易自动化,不易实时检测的缺点。电子鼻则具有样品处理简单、检测速度快、识别效果好、实时、无损的优点,目前,电子鼻已在食品行业显示出巨大的潜力。本文首先介绍了所选取的几种典型农产品：猪肉、鱼类、果蔬,同时介绍了这些农产品在贮藏过程中的品质变化及其在贮藏过程中所挥发出来的气体,从而确定了农产品品质检测的关键因子,它们主要有CO2、O2、C2H4、C2H5OH和H2S、NH3等。根据农产品的这些特征气体选择传感器,通过对传感器阵列进行优化及建模分析构建电子鼻系统,对选定的几种农产品进行检测实验,开发电子鼻无损检测技术在农产品检测上的应用潜力。本文应用电子鼻对选取的猪肉、带鱼、草莓、西兰花等几种农产品进行了品质检测实验,同时应用相应的国标检测方法如猪肉和带鱼的TVBN值,草莓的腐烂指数,西兰花的感官评价等指标来做对比实验,作为电子鼻进行模式识别的依据。通过对实验数据进行前处理、PCA分析和应用改进的BP神经网络算法建立农产品品质检测的数学模型来实现对样品新鲜度识别和货架期预测。本文对于上述农产品分别建立了专用识别模型,并进行模型参数估值和验证试验研究。PCA分析结果表明电子鼻系统可以有效区分新鲜和腐败的样品,也可以区分不同保存天数的样品。同时,应用改进的BP神经网络算法则可以对未知样品实现较好的品质评价。本文验证了电子鼻系统的适用性,实现了特征气体的快速、灵敏的无损检测。本文最后介绍了电子鼻在农产品品质现场分析的应用,在南京苏果马群生鲜配送中心及苏果超市进行了物流跟踪实验,包括对水果、猪肉、鱼类等农产品从仓储、包装、运输到门店进行销售的整个过程进行了物流跟踪,现场实验表明,该电子鼻系统基木能够区分出新鲜和腐败的样品以及农产品的货架期。因此,本论文验证了该电子鼻系统的适用性。