苹果具有营养价值高和耐储藏等特点,但在仓储过程中由于自身的高糖和高水分,加上复杂的外部环境因素,苹果易受腐败菌侵染导致腐败变质,重则危害消费者的身体健康。因此针对苹果腐败监测的基础研究,可为仓储监测提供理论基础,减少采后经济损失,保障消费者的食用安全。气体传感器技术作为一种无损的监测技术,已广泛应用于食品、环境和医药等领域,具有批量样本监测的独特优势,在苹果腐败监测领域具有巨大应用潜力。本论文尝试利用气体传感器技术探索苹果腐败监测的可行性,具体研究内容和结论如下:（1）苹果腐败程度和腐败菌的气体传感器判别方法研究。分别获取苹果接种腐败菌前后的挥发性气体信息,分析腐烂过程中挥发性成分的差异。研究发现电子鼻的S2、S6、S7和S9传感器对苹果腐败的挥发性气体响应敏感。针对腐败程度的主成分分析（PCA）结果表明,其中新鲜和腐败苹果样本判别效果较好,新鲜和严重腐败样本未存在误判,而腐败苹果样本之间均存在误判现象。针对腐败菌的PCA结果表明,链格孢和扩展青霉样本误判明显,扩展青霉、产黄青霉和黑曲霉的样本存在较少的误判。利用线性和非线性算法构建苹果腐败菌和腐败程度判别模型,反向人工神经网络（BP-ANN）腐败程度的判别模型最佳,扩展青霉、产黄青霉、黑曲霉和链格孢预测集识别率分别为95.61%、98.37%、95.24%和93.11%;利用严重腐败样本构建的BP-ANN腐败菌判别模型识别率最佳,预测集识别率达97.68%。结果表明气体传感器技术结合模式识别方法可用于苹果腐败菌和腐败程度的判别。（2）苹果腐败程度的气体传感器定量描述方法研究。通过蒙特卡罗采样剔除异常数据后,接种扩展青霉、产黄青霉、黑曲霉和链格孢的苹果样本分别为113、117、112和114个样本数据。将数据按照3:2划分为校正集和预测集,利用联合区间（Si）、遗传算法（GA）、模拟退火（SA）、连续投影算法（SPA）、蚁群优化（ACO）和竞争性自适应重加权法（CARS）六种变量选择方法处理传感器数据,分别建立苹果腐败面积的偏最小二乘（PLS）的定量预测模型。研究表明变量选择方法可有效提取特征变量,剔除无关和冗余数据,建立的PLS模型均优于全数据模型,黑曲霉、扩展青霉、产黄青霉和链格孢样本的最佳模型均为CARS-PLS,校正集相关系数（Rc）分别为0.897、0.942、0.924和0.903,预测集相关系数（Rp）分别为0.886、0.941、0.908和0.902。结果表明气体传感器结合化学计量学可用于苹果腐败程度的快速定量检测。（3）苹果腐败气体传感监测预警系统研发。分析气体检测终端的整体架构,明确检测需求和关键技术,采用硬件和软件联合开发的方式,研发通用型气体检测终端。硬件包括气体传感器、单片机、气室、气路元器件等,软件系统主要包括数据采集参数的设置、传感器数据的实时显示和传感器数据的存储等功能。利用通用型检测终端获取苹果腐败过程中的挥发性气体信息,利用线性和非线性算法构建苹果腐败前时间的判别模型。其中,BP-ANN判别模型识别率最高,校正集和预测集识别率分别为98.83和96.33%。并通过变量选择方法筛选特征变量建立苹果腐败前时间的预测模型,其中SA-PLS模型效果最佳,Rc和Rp分别为0.988和0.979。最后综合考虑苹果仓储库中的实际问题,分析苹果腐败过程中的主要气体成分,结合温湿度传感器构建传感器阵列,研发了针对苹果仓储监测的专用型检测终端。（4）苹果腐败预警模型和远程监测预警平台研究。为解决苹果仓储库的多气体远程动态监测和腐败预警的难点,首先通过专用型检测终端对批量的苹果样本展开腐败研究。利用专用型检测终端连续获取苹果模拟仓储库的传感器数据,利用SA、ACO、GA和CARS四种变量选择方法筛选传感器数据,融合温度、湿度、气体等环境因素,建立苹果腐败预警模型。其中,最佳预警模型为SA-PLS,Rc和RMSEC分别为0.942和0.763,Rp和RMSEP分别为0.936和0.828。根据最佳模型结果导出腐败预警模型的因变量、自变量和系数。其次设计苹果远程监测预警平台的总体架构,实现数据上传、远程监测和腐败预警主要模块,搭建远程监测预警平台。最后将模拟仓储库数据和腐败预警模型上传至监测平台,验证各模块基本功能,通过折线图和仪表盘等表现形式实现苹果仓储库传感器数据和腐败等级的可视化。研究结果表明,通过苹果专用型检测终端结合远程监测预警平台可实现仓储库的远程监测预警。