水质在水产养殖中起着至关重要的作用，是水产养殖能够成功的关键因素。电子舌作为一种多传感器监测液体样品的味觉特征的新型仪器，可通过多元统计分析方法进行信号的模式识别，实现模拟人类味觉分析监测液体样品。
本文通过多参数检测仪器电子舌，并基于主成分分析法，研究电子舌对养殖水质的综合评价，为养殖水质监测提供理论依据，从而实现一种能够快速定性对养殖水质进行分析监测的方法。
电子舌工作原理简介
电子舌系统模拟人类味觉系统研制，主要由味觉传感器阵列、系统采集系统和模式识别系统组成。其中味觉传感器阵列将检测到的味觉成分转化为电信号量。
本文选用的电子舌为 AlphaMOS Astree 电子舌，其外观如图 1 所示。其可实现对 5 种基本味觉（酸、甜、苦、辣、咸）的检测，传感器电机接触到的样品溶液膜电压和参考电极电压的差值即为传感器响应信号。
主成分分析法简介
在多元统计分析中，主成分分析（Principal Components Analysis，PCA）是一种分析、简化数据集的技术。主成分分析经常用于减少数据集的维数，同时保持数据集中的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分而实现的。这样低阶成分往往能够保留住数据的最重要方面，但是，这也要视具体应用而定。由于主成分分析依赖所给数据，所以数据的准确性对分析结果影响很大。
其方法主要是通过对协方差矩阵进行特征分解，以得出数据的主成分（即特征向量）与它们的权值（即特征值）。PCA 是最简单的以特征量分析多元统计分布的方法。PCA 提供了一种降低数据维度的有效办法；如果分析者在原数据中除掉最小的特征值所对应的成分，那么所得的低维度数据必定是最优化的（也即，这样降低维度必定是失去讯息最少的方法）。
电子舌检测养殖水实验案例分析
在电子舌检测中，每次检测取 4 份 50 mL 水样进行检测，并检测 2 min，单次检测完后使用去离子水对传感器清洗 30 s。
为检验不同养殖条件（密度、温度、增氧条件及酸碱度）下养殖用水质的评价，本文使用 PCA 方法对同一养殖条件下不同水平的养殖用水的分析。
不同养殖温度条件
将不同养殖温度条件的养殖水样品，使用电子舌进行检测并进行主成分分析，由图 2 可得，主成分分析前 3 个主要成分贡献率为 98.7%，其中 PC1 和 PC2的表达占据大部分信息。从区分效果来看，3 种养殖温度可被明显分析出，且同一养殖温度的样品呈现明显的聚集特性。
不同养殖密度条件
将不同养殖密度条件的养殖水样品，使用电子舌进行检测并进行主成分分析，主成分分析前 3 个主要成分贡献率为 97.3%，其中 PC1 和 PC2 的表达占据大部分信息。从区分效果来看，3 种养殖密度可被明显分析出，且同一养殖密度的样品呈现明显的聚集特性。
不同增氧条件
将不同增氧条件的养殖水样品，使用电子舌进行检测并进行主成分分析，主成分分析前 3 个主要成分贡献率为 98.2%，其中 PC1 和 PC2 的表达占据 90%信息。从区分效果来看，3 种增氧可被明显分析出，且同一增氧条件的样品呈现明显的聚集特性。
将不同酸碱条件的养殖水样品，使用电子舌进行检测并进行主成分分析，主成分分析前 3 个主要成分贡献率为 98.7%，其中 PC1 和 PC2 的表达占据 95%信息。从区分效果来看，不同酸碱条件下的样品可被明显分析出，且同一酸碱度条件的样品呈现明显的聚集特性。
结语
本文使用 AlphaMOS Astree 电子舌对不同养殖条件下的养殖水进行检测，考察了传感器阵列对养殖水的不同养殖条件的区别能力，结果表明，同一养殖条件下的不同水平可被明显区分，且同一水平的样品呈现出明显的聚类特性。本文提出的方法可实现对养殖用水快速有效的检测，避免使用对养殖用水多种仪器进行检测。来源：感官科学与评定 转载请注明来源。
参考文献：刘大可,胡畔.基于主成分分析法的养殖水的电子舌快速分析检测[J].江苏科技信息,2017(05):48-49.
提醒：文章仅供参考，如有不当，欢迎留言指正和交流。且读者不应该在缺乏具体的专业建议的情况下，擅自根据文章内容采取行动，因此导致的损失，运营方不负责。如文章涉及侵权或不愿我平台发布，请联系处理。
本文通过多参数检测仪器电子舌，并基于主成分分析法，研究电子舌对养殖水质的综合评价，为养殖水质监测提供理论依据，从而实现一种能够快速定性对养殖水质进行分析监测的方法。
电子舌工作原理简介
电子舌系统模拟人类味觉系统研制，主要由味觉传感器阵列、系统采集系统和模式识别系统组成。其中味觉传感器阵列将检测到的味觉成分转化为电信号量。
本文选用的电子舌为 AlphaMOS Astree 电子舌，其外观如图 1 所示。其可实现对 5 种基本味觉（酸、甜、苦、辣、咸）的检测，传感器电机接触到的样品溶液膜电压和参考电极电压的差值即为传感器响应信号。
主成分分析法简介
在多元统计分析中，主成分分析（Principal Components Analysis，PCA）是一种分析、简化数据集的技术。主成分分析经常用于减少数据集的维数，同时保持数据集中的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分而实现的。这样低阶成分往往能够保留住数据的最重要方面，但是，这也要视具体应用而定。由于主成分分析依赖所给数据，所以数据的准确性对分析结果影响很大。
其方法主要是通过对协方差矩阵进行特征分解，以得出数据的主成分（即特征向量）与它们的权值（即特征值）。PCA 是最简单的以特征量分析多元统计分布的方法。PCA 提供了一种降低数据维度的有效办法；如果分析者在原数据中除掉最小的特征值所对应的成分，那么所得的低维度数据必定是最优化的（也即，这样降低维度必定是失去讯息最少的方法）。
电子舌检测养殖水实验案例分析
在电子舌检测中，每次检测取 4 份 50 mL 水样进行检测，并检测 2 min，单次检测完后使用去离子水对传感器清洗 30 s。
为检验不同养殖条件（密度、温度、增氧条件及酸碱度）下养殖用水质的评价，本文使用 PCA 方法对同一养殖条件下不同水平的养殖用水的分析。
不同养殖温度条件
将不同养殖温度条件的养殖水样品，使用电子舌进行检测并进行主成分分析，由图 2 可得，主成分分析前 3 个主要成分贡献率为 98.7%，其中 PC1 和 PC2的表达占据大部分信息。从区分效果来看，3 种养殖温度可被明显分析出，且同一养殖温度的样品呈现明显的聚集特性。
将不同养殖密度条件的养殖水样品，使用电子舌进行检测并进行主成分分析，主成分分析前 3 个主要成分贡献率为 97.3%，其中 PC1 和 PC2 的表达占据大部分信息。从区分效果来看，3 种养殖密度可被明显分析出，且同一养殖密度的样品呈现明显的聚集特性。
不同增氧条件
将不同增氧条件的养殖水样品，使用电子舌进行检测并进行主成分分析，主成分分析前 3 个主要成分贡献率为 98.2%，其中 PC1 和 PC2 的表达占据 90%信息。从区分效果来看，3 种增氧可被明显分析出，且同一增氧条件的样品呈现明显的聚集特性。
将不同酸碱条件的养殖水样品，使用电子舌进行检测并进行主成分分析，主成分分析前 3 个主要成分贡献率为 98.7%，其中 PC1 和 PC2 的表达占据 95%信息。从区分效果来看，不同酸碱条件下的样品可被明显分析出，且同一酸碱度条件的样品呈现明显的聚集特性。
结语
本文使用 AlphaMOS Astree 电子舌对不同养殖条件下的养殖水进行检测，考察了传感器阵列对养殖水的不同养殖条件的区别能力，结果表明，同一养殖条件下的不同水平可被明显区分，且同一水平的样品呈现出明显的聚类特性。本文提出的方法可实现对养殖用水快速有效的检测，避免使用对养殖用水多种仪器进行检测。来源：感官科学与评定 转载请注明来源。
参考文献：刘大可,胡畔.基于主成分分析法的养殖水的电子舌快速分析检测[J].江苏科技信息,2017(05):48-49.
提醒：文章仅供参考，如有不当，欢迎留言指正和交流。且读者不应该在缺乏具体的专业建议的情况下，擅自根据文章内容采取行动，因此导致的损失，运营方不负责。如文章涉及侵权或不愿我平台发布，请联系处理。
