本研究旨在开发一种基于气敏传感器阵列的燕窝掺假鉴别的智能系统。210个燕窝样本用于试验,其中包括10个纯燕窝样本;160个掺假比例分别为10%,25%,50%,75%,掺假物为蛋清、猪皮、琼脂和银耳的掺假样本;以及40个纯蛋清、猪皮、琼脂和银耳样本(每种包括10个样本)。智能系统主要包括色素阵列传感器,便携式图像采集系统和分层鉴别模型。色素阵列传感器捕捉样本的挥发性成分,便携式图像采集系统采集色素阵列传感器的图像信号,从图像信号中提取传感器反应前后的颜色差值作为样本的特征值组成一个数据矩阵,用于构建分层模型。分层模型的构建主要分成两步,第一步利用反向神经网络(BPNN)区分纯燕窝和掺假燕窝,第二步,利用另一BPNN区分不同的掺假类型,最后利用PLS模型建立掺假量的预测模型。研究结果表明鉴别纯燕窝和掺杂燕窝及不同种类掺假燕窝之间的识别率高达90%。掺假物含量定量预测模型校正和预测集预测模型的相关系数均高于0.886和0.869。