随着人们对生活质量的要求不断提高，环境中有害气体检测以及农产品质量检测越来越受到关注。SnO2基气体传感器具有灵敏度高、功耗低、稳定性好、使用寿命长和成本低等优点，使其在有害气体监测和农产品霉变检测方面具有巨大优势。本文主要研究利用SnO2气体传感器对有害气体（己醛和2-甲基-2,4-戊二醇（MPD））进行检测，并利用微滴注等方法制备出SnO2基气体传感器阵列。通过与模式识别方法结合，研发出一套简易电子鼻系统，并研究该电子鼻系统对早期不同霉变程度的烟丝和甜玉米的定性区分和预测能力以及烟丝中霉菌菌落总数和甜玉米中黄曲霉毒素的定量预测能力。　　（1）通过水热法制备了具有金红石结构，大小均一，呈球形，直径约为10nm，比表面积为143.702m2/g的SnO2气敏材料；　　（2）通过丝网印刷和金丝球焊等技术制备出SnO2气体传感器。在最佳工作温度下，该SnO2气体传感器对己醛和MPD均具有良好的气敏性能：在最佳工作温度350℃下，该SnO2气体传感器对100ppm己醛响应值为156.1，响应时间为3s，且在五种不同类型的干扰气体（乙醚、甲醛、氨气、二甲苯和环己烷）存在时，该气体传感器对己醛也具有非常好的选择性；在最佳工作温度400℃下，该SnO2气体传感器对100ppm MPD响应值为7.4，响应时间为25s，且在五种不同类型的干扰气体（乙醚、甲醛、氨气、二甲苯和环己烷）存在时，该气体传感器对MPD也具有好的选择性。良好的气敏性能使得该SnO2气体传感器适用于监测己醛和MPD气体；　　（3）电子鼻对早期不同霉变程度的烟丝和甜玉米的电信号首先被系统聚类分析和载荷分析进行处理，以优化传感器阵列。传感器阵列优化后，判别函数分析（DFA）结果表明，电子鼻对早期不同霉变程度的烟丝和甜玉米的分类正确率分别达到了96.7％和-100％，且各类内聚集集中。多层感知器神经网络（MLPNN）对早期不同霉变程度的烟丝和甜玉米的分类正确率均达到了100％，并且与阵列优化前相比，烟丝中霉菌菌落总数预测值和实际值的线性拟合相关系数由0.99508升高到0.99612，平均相对误差由0.42％降低至0.25％；甜玉米中黄曲霉毒素的预测值和实际值的线性拟合相关系数由0.99636升高到0.99871，平均相对误差由1.58％降低至0.92％。高的分类正确率和低的预测相对误差使得该电子鼻可以被用于早期不同霉变阶段的烟丝和甜玉米检测。