水稻在受到稻飞虱危害时,能释放某些特殊的挥发物（或气味）来趋避害虫或吸引天敌。电子鼻是快速获取气体挥发物的一种有效手段,已被不少国内外专家证实,但用于稻飞虱虫情信息的快速获取,还有许多问题需要进一步探索。本课题拟以被褐飞虱危害前后的水稻为主要研究对象,采用电子鼻（PEN 3型）从以下3个方面入手,对水稻以及褐飞虱虫体挥发物的差异性进行研究,主要研究工作和取得的成果如下:（1）不同水稻品种发芽前后电子鼻响应的差异性采用电子鼻对华航31号、美香占2号、TN1、特优3813、五优1179和日本晴NIP等6个不同水稻品种处于稻谷、出芽期和苗期的气味数据进行采样,提取了最大值（Max）、平均微分值（Kave）、稳定值（Stable）和平均值(Zmean)4个电子鼻响应曲线的特征参数,并分别采用主成分分析（PCA,Principal Component Analysis）、线性判别分析（LDA,Linear Discriminant Analysis）和支持向量机（SVM,Support Vector Machine）分析方法对上述6个不同水稻品种发芽前后电子鼻响应的差异性进行了研究,试验结果表明:电子鼻各传感器在不同水稻品种的不同生长时期的响应曲线差异性显著（P=0.000）,采用方差分析（ANOVA）优选出水稻稻谷、出芽期、苗期应分别采用平均值、平均值、平均微分值为最优特征参数。采用载荷分析（Loading）在以上优选的特征参数的基础上进行传感器整列的优选,结果为传感器R8、R5、R2、R7、R4和R10包含了大部分的有用稻谷气味信息,R5、R8、R2、R6、R4和R10包含了大部分的有用出芽气味信息,R9、R3、R4、R7、R8、R6包含了大部分的有用的苗期气味信息,不同品种的稻谷与出芽期挥发物具有一定的相似性,苗期的挥发物的主要成分与稻谷与出芽期有较大差异。PCA与LDA对于不同水稻品种的识别上,识别率为稻谷>出芽期>苗期。采用SVM识别稻谷、出芽和苗期的识别准确率分别是88.89%、70%和57.14%。使用不同的识别方法下识别不同水稻品种,其识别率都是稻谷>出芽期>苗期,即从稻谷发育开始,不同品种水稻气体挥发物的差异性在逐渐降低,说明在水稻发育后期其品种对于气味的影响较小,为以后的不同水稻品种的田间稻飞虱监测提供了理论依据。（2）稻秆与褐飞虱虫体间电子鼻响应的差异性采用电子鼻对水稻茎秆、三龄上褐飞虱若虫（O3IN）和三龄下褐飞虱若虫（U3IN）进行电子鼻响应数据采样,研究水稻茎秆、O3IN和U3IN挥发物的相似性和识别率,以减小电子鼻对田间褐飞虱发生预测误判的可能性。通过分层聚类分析法（HCA,Hierarchical Cluster Analysis）、Loadings和PCA对数据进行处理,结果表明,水稻茎秆挥发物、O3IN和U3IN存在一定的相似性,O3IN与水稻茎秆的相似性强于U3IN与水稻茎秆的相似性。此外,前4个主成分的总贡献包含了大部分有用的样本信息,这些样本信息可以作为下次分析的特征值,进一步减少冗余信息,提高计算效率;采用SVM、k-最近邻算法（KNN,k-Nearest Neighbor）、概率神经网络（PNN,Pulse Neutron Neutron）分析方法进一步分析,训练集与测试集的样本数按2:1分配（总样本数90）,结果表明,它们对稻杆、O3IN、U3IN训练集的识别准确率均为100%,对验证集的识别准确率分别为93.33%、93.33%、90%。水稻茎秆和褐飞虱的KNN和PNN识别精度均为100%,KNN和PNN比SVM更适合解决水稻茎秆和褐飞虱的识别问题。（3）褐飞虱危害后不同抗性水稻品种间电子鼻响应的差异性采用电子鼻对特优3813（中抗）、五优1179（中抗）、华航31号（易感）、美香占2号（易感）、TN1（高感）、NIP（日本晴,高感）这6个不同抗性水稻品种被褐飞虱危害的过程进行采样,从采样的样本中提取了各传感器的最大值（Max）、平均微分值（Kave）、稳定值（Stable）和平均值(Zmean)为特征参数,使用ANOVA分析了各个传感器的时间序列差异性变化。结果表明:在整个褐飞虱感染不同抗性水稻品种的过程中,其电子鼻的响应没有差异。绘制优选传感器R1、R6、R3及R8响应的时间序列曲线,观察不同水稻品种在褐飞虱危害后的传感器响应变化。结果表明:在褐飞虱危害水稻过程中,芳香成分（R1与R3传感器选择性挥发物）在D4（第4个虫日）与D17（第17个虫日）时分别达到了最大值与最小值,甲烷（R6传感器选择性挥发物）在D4时出现小高峰而D17时达到峰值,乙醇（R8传感器选择性挥发物）在D4与D17分别达到了最小值与最大值。