在中国人的餐桌上,各种各样美食离不开调味料,花椒作为一种主要调料被广泛使用,其中应用最广泛的花椒种类便是大红袍花椒,大红袍花椒广泛种植于中国的各地,由于各地的地理环境、气候条件等的不同导致花椒在色泽、气味和味道等多方面出现差异,因此花椒产地对花椒的品质有很大影响。为研究这些差异并且找到一种快速测定花椒产地的技术,本实验利用色差仪、扫描仪、电子鼻和电子舌等设备技术从视觉、嗅觉、味觉三个方面对不同产地的花椒进行测定,同时对已得数据进行主成分分析、神经网络分析、Fisher线性判别分析和支持向量机分类来快速测定花椒的产地。本文的主要研究内容及结果如下:(1)经色差仪、扫描仪对不同产地花椒色泽检测得出的结果L*、a*、b*、R(Red)、G(Green)、B(Blue)这几个变量,进行单因素方差分析可知,参数R对花椒色泽贡献度最好,将得出的6个参数在SPSS软件里进行主成分(PCA)分析,结果显示色差仪检测得到的变量主成分的贡献率为78.1%,扫描仪结合Photoshop测试变量主成分的贡献率为63.9%,两种PCA贡献率均小于85%,说明该分析方法未能有效提取变量的信息;对以上参数进行Fisher线性判别,判别率分别为66.7%和78.5%,花椒粉经分析得到两个模型方程,花椒整粒得到三个模型方程,虽然判别率都小于85%,但是使用花椒整粒作为实验样品对研究花椒色泽更有意义;进行人工神经网络分析,经色差仪检测判别成功率为100%,经扫描仪检测判别正确率为92%。在DPS软件中做支持向量机分类,拟合率为69.7%和78.8%。经训练测试做同样的分类分析,得出的结果与之前所做分析结果相近。由以上结果可知,人工神经网络对花椒色泽的判别分类效果较好,但总体来说,色差仪、扫描仪结合多变量分析对花椒产地的判别效果并不理想。(2)经电子鼻对花椒的香气进行检测,每个传感器得到其相应的响应值,经分析得知,第2个、第7个、第9个传感器对花椒气味的敏感值相对较大,对以上10个变量在SPSS软件中做主成分分析,得知主成分的贡献率为94.4%;以主成分作为研究变量进行Fisher判别,判别成功率达到93.9%,同时模拟出三个函数方程;进行人工神经网络分析,判别率为97%。在DPS软件中做支持向量机分类,拟合率为87.9%和90.9%。经训练测试做同样的分类分析,得出的结果与之前所做分析结果相近。在不同温度条件下对花椒的气味做同样的分析,得到的判别率也较高,但是在60℃条件下判别效果比25℃条件下差,说明温度对花椒的气味有所影响。总体来说,电子鼻结合多变量分析可以在嗅觉方面对不同产地的花椒进行区分,判别区分效果比对色泽的判别好。(3)经电子舌对花椒的味道进行检测,得到8个传感器的响应值,由结果得知,苦味和咸味对花椒味道有着明显的产地区别。对以上8个变量在SPSS软件中做多变量分析的PCA分析,得知40℃条件下主要成分的贡献率为98.2%,80℃条件下主成分的贡献率为97.7%;对40℃条件下的电子舌测试的原始数据做Fisher判别,判别成功率为100%,模拟出四个函数方程,将80℃下分析得到的主成分进行Fisher判别,判别成功率达到100%,模拟得出三个函数方程;两个温度下的参数进行人工神经网络分析,判别准确率为100%。在DPS软件中做支持向量机分类,LINEAR模型拟合率为100%,RBF模型下40℃的拟合率为100%,80℃下的拟合率为90.9%。经训练测试做同样的分类分析,得出的结果与之前所做分析结果相近。在不同温度条件下对花椒的味道做同样的分析,得到的判别率很高,但是在80℃条件下在支持向量机方面判别效果比40℃条件下差。总体来说,电子舌结合多变量分析可以在味觉方面对不同产地的花椒进行区分,判别区分效果比色泽、气味的判别都好。