金华火腿盛产于浙江省金华市，历史悠久、风味独特、色泽鲜艳、品质卓越，距今已有1400多年的历史，是浙江省金华市最富有盛名的地方特产。因其色、香、形、味“四绝”驰名中外，誉满全球。据统计，金华火腿的年消费量400万只，出口量3000多吨，火腿总销售额超过20亿元，占全国市场的70%左右。但是由于生产原料、加工季节、天气状况和加工技术等因素的影响，导致火腿成品等级存在差异。限于现在的技术，火腿的分级操作主要由专业技师通过打签闻味来完成，而感官评价易受主观因素影响且易疲劳。而电子鼻作为一种仿照人类嗅觉的仪器，可以用来对综合气味进行判别。因此，本研究通过自制火腿专用的电子鼻，并结合相关算法对火腿等级做出判别。首先搭建应用于检测金华火腿等级的便携式电子鼻平台。首先使用此电子鼻检测了切碎处理的不同等级火腿，探究了如何提取关键性差异特征；然后基于三签法处理的不同等级火腿，探究了如何提高电子鼻检测金华火腿等级的稳定性；最后在火腿生产车间环境中使用电子鼻检测了不同等级火腿，探究了怎样有效的提高电子鼻地抗干扰能力。主要研究内容和结论如下：
　　（1）采用气相色谱-离子迁移谱仪检测了不同等级金华火腿挥发性成分，并采用GC-IMS Library Search V2.2.1分析软件对结果进行分析。金华火腿的挥发性化合物主要有醛类、酮类、酯类、醇类、烯烃类和吡嗪类，基于此结果可以针对性的选择相关气敏传感器。且从分析结果来看，不同等级火腿的挥发性气味成分的浓度存在差异，这也给电子鼻区分金华火腿等级提供了理论支撑。基于此分析结果选择气敏传感器，搭建应用于检测不同等级火腿的便携式电子鼻硬件平台。
　　（2）使用便携式电子鼻对经过切碎处理的不同等级金华火腿内部挥发性气味进行检测，针对电子鼻检测火腿信号中存在大量不相关和冗余信息的问题，提出了一种基于filter-wrapper框架的特征选择方法，并将其应用于电子鼻检测火腿数据的处理中，用以提取电子鼻特征集中的关键差异性特征信息。经过与其它特征选择算法对比，本研究提出的方法不仅提高了电子鼻预测准确率，还减少了电子鼻数据建模的计算量，最终支持向量机与所提出的算法对应的特征子集的组合具有最佳的分类效果（测试集预测准确率96.06%），且减少了计算量（17.32s）。本研究搭建的电子鼻硬件平台可以用来检测不同等级火腿，且搭配提出的特征选择算法具有较好的分类效果。
　　（3）使用便携式电子鼻检测附着在竹签上的不同等级火腿挥发性气味，减少对实验样品的破坏。在此过程中，检测竹签上附着的火腿气味会流失部分信息，导致数据稳定性较差，因此，针对检测过程中遇到的电子鼻数据稳定性较差的特性，提出一种基于双层集成卷积神经网络的模式识别算法对火腿等级进行分类。经过与常用于电子鼻的分类算法，如支持向量机、逻辑斯蒂回归、K近邻等分类算法的对比，本研究所提出的集成卷积神经网络算法具有较好模型拟合效果（训练集预测准确率98.33%），且表现最佳的分类能力（测试集预测准确率87.50%），有效的提高了电子鼻检测附着在竹签上的不同等级火腿挥发性气味的稳定性，进而提高电子鼻的预测能力。
　　（4）使用便携式电子鼻在实验室、金华火腿生产车间环境下对同批次的不同等级火腿进行检测，研究车间环境干扰带来的影响以及如何有效的降低干扰导致的影响。使用特征选择后的电子鼻数据集训练多种分类算法以建立预测建模，根据预测结果分析，使用火腿生产车间环境下采集的数据集建立的模型预测准确率均低于实验室环境下采集的数据集建立的模型预测准确率，说明车间环境的干扰对电子鼻产生了不小的影响。因此，本研究提出一种基于离散化分析的数据处理方法对火腿生产车间环境下采集的数据集进行处理，然后训练多种支持向量机、逻辑斯蒂回归、K近邻和本研究提出的集成卷积神经网络等分类算法以建立预测模型，结构发现不同分类算法预测准确率均有所提升（SVM：3.33%，LR：2.50%，KNN：8.34%，集成卷积神经网络:3.34%），说明基于离散化分析的数据处理方法可以降低来之火腿车间环境中的干扰，提高电子鼻的预测准确率。