鱼是人类膳食的重要组成部分。近年来,我国鱼类总产量连年上升,同时鱼类食用安全性也日趋受到人们的广泛关注。微生物污染、重金属残留和渔药残留是影响鱼食用安全性的主要因素。目前,鱼微生物污染程度的检测方法主要是传统的平板计数法,重金属、渔药残留的检测方法主要是理化分析法。平板计数法耗时长,操作步骤繁琐；理化分析法一般成本较高、时间长且操作不便。因此,鱼微生物污染程度的快速、简便检测新技术以及鱼重金属、渔药残留的低成本、简便检测新技术的研究具有重要的意义。本研究尝试采用味觉传感新技术,即电子舌技术和味觉可视化技术结合模式识别算法对鱼微生物污染程度、重金属残留和渔药残留进行检测分析。研究的主要内容如下：1.基于电子舌技术的鱼微生物污染程度及渔药残留检测新方法研究采用电子舌技术建立鱼微生物污染程度的检测新方法。以鲫鱼为对象,采用传统的平板计数法测得4℃下不同冷藏天数鱼样体内的细菌总数,作为鱼微生物污染程度的指标值。同时,采用电子舌系统对鱼肉样品的去离子水匀浆液进行检测分析。研究对比采用Fisher判别分析、贝叶斯判别分析和距离判别分析构建鱼微生物污染程度的定性判别模型。结果显示,Fisher别模型的训练集和测试集的识别正确率分别为92.71%和85.42%,贝叶斯判别模型训练集和测试集识别正确率分别为100%和93.75%,距离判别模型的训练集和测试集的识别正确率均为100%,效果最好。研究以电子舌传感器数据作为输入、鱼体内细菌总数作为输出,构建鱼微生物污染程度的定量预测模型。对比采用了偏最小二乘(Partial Least Squares Regression, PLS)、支持向量机(Support vector machine, S VM)和BP-人工神经网络(BP-artificial neural network, BP-ANN)等三种不同算法。结果显示,PLS模型、SVM模型和BP-ANN模型的预测集相关系数分别为0.859,0.968和0.993,预测均方根误差(Root mean square error of prediction, RMSEP)分别为0.927 In CFU/g,0.516 In CFU/g和0.217 In CFU/g, SVM模型和BP-ANN模型的预测效果较线性的PLS模型好。采用电子舌技术开发渔药残留检测的新方法。采用高效液相色谱法(High performance liquid chromatography, HPLC)对鲫鱼样本中氟喹诺酮类渔药(恩诺沙星和沙拉沙星)含量进行检测分析,所得结果作为电子舌技术对渔药残留检测的参考量值。然后以磷酸盐缓冲溶液浸提鱼样中的渔药所得到的样液作为供试液,采集样液中渔药残留的电子舌传感器信息。分别采用SVM算法和BP-ANN算法构建基于电子舌技术的渔药残留定量预测模型。结果显示,SVM模型对测试集鱼样中恩诺沙星和沙拉沙星的预测值和实测值相关系数分别为0.732和0.843,RMSEP分别为23.77 μg/kg和3.478 μg/kg; BP-ANN模型测试集相关系数分别为0.816和0.844,RMSEP分别为16.64 μg/kg和4.118 μg/kg。BP-ANN模型对渔药残留的预测效果较SVM模型的好。2.创建鱼体内重金属、渔药残留的新型味觉传感器检测方法研究了吡啶偶氮类化合物和卟啉类化合物与金属离子发生配位反应后产生颜色变化的机理,创建基于新型味觉传感机理的鱼体内重金属检测方法。筛选出5种吡啶偶氮类和4种卟啉类化学显色剂作为敏感材料,构建新型味觉可视化传感器阵列,用于鱼体内重金属残留检测。首先利用常规的电感耦合等离子体质谱法检测鱼样中Pb, Cd, Hg的含量作为味觉可视化技术对鱼体内重金属残留检测的参考量值。然后以氢氧化钠溶液调节鱼样的酸式微波消解液至弱酸性,用于新型味觉可视化传感器的检测分析。分别采用SVM算法和BP-ANN算法构建基于味觉可视化技术的鱼体内重金属残留预测模型。BP-ANN模型测试集对鱼体内Pb,Cd,Hg残留量的预测值和实测值之间的相关系数分别为0.807,0.811和0.865,RMSEP分别为0.133 mg/kg,0.023 mg/kg和0.017 mg/kg。SVM模型测试集相关系数分别为0.745,0.74和0.718,RMSEP分别为0.107 mg/kg,0.013 mg/kg和0.023 mg/kg;结果表明,此处BP-ANN模型优于SVM模型。构建新型味觉可视化传感器阵列用于渔药残留检测。依照金属卟啉类等化合物可与有机小分子通过配位作用、氢键、π-π堆积作用等分子间作用力产生颜色变化的原理,筛选出4种卟啉类、7种金属卟啉类和1种金属酞菁类化学显色剂作为敏感材料,组建新型味觉可视化传感器阵列,进行渔药残留检测。以鱼样中恩诺沙星和沙拉沙星残留量的HPLC法测试结果作为味觉可视化技术对渔药残留检测的参考量值。然后以磷酸盐缓冲溶液浸提鱼样中的渔药所得到的样液作为供试液,用于新型味觉可视化传感器的检测分析。分别以SVM算法和BP-ANN算法构建基于味觉可视化技术的渔药残留定量预测模型。结果显示,对于鱼体内恩诺沙星和沙拉沙星残留量的预测,SVM模型测试集相关系数分别为0.778和0.746, RMSEP分别为18.61 μg/kg和6.43 μg/kg;相比于SVM模型,BP-ANN模型测试集相关系数分别提高到了0.83和0.779,RMSEP分别为12.98 μg/kg和4.913 μg/kg,效果较好。3.开发多传感器信息融合的渔药残留智能化预测方法将电子舌信息与味觉可视化信息融合,开发多传感器信息融合的渔药残留智能化预测方法。以磷酸盐缓冲液浸提鱼样中的氟喹诺酮类渔药,所得到的样液作为供试液,分别采集渔药残留的电子舌传感器和味觉可视化传感器信息。将电子舌传感器和味觉可视化传感器的特征变量信息进行组合,并采用线性函数转换法对传感器数据进行归一化处理。以渔药残留的HPLC法测试结果作为参照,分别采用SVM和BP-ANN算法构建基于特征层融合技术的渔药残留预测模型。结果显示,用于鱼体内恩诺沙星和沙拉沙星预测的SVM融合模型测试集相关系数分别为0.867和0.87,RMSEP分别为17.09 μg/kg和3.33 μg/kg;研究构建的用于鱼体内恩诺沙星和沙拉沙星预测的BP-ANN融合模型测试集相关系数分别为0.852和0.864,RMSEP分别为13.28 μg/kg和4.83 μg/kg。可见,基于电子舌、味觉可视化融合技术的SVM和BP-ANN模型对鱼样中渔药残留的预测效果较单独使用电子舌或味觉可视化技术为优。研究结果表明：建立的电子舌检测新方法可以实现鱼微生物污染程度的定性判别和鱼体内细菌总数、渔药残留的定量预测；创建的新型味觉传感器检测方法可以实现鱼体内重金属残留及渔药残留的定量预测；开发的渔药残留多传感器信息融合智能化预测方法可以获得较单独使用电子舌或味觉可视化技术更优的预测效果。研究结果显示了味觉传感技术在鱼食用安全性检测方面的潜力。