{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,5,14]]，“日期-时间”：“2024-05-14T12:01:43Z”，“时间戳”：1715688103516}，“引用-计数”：38，“发布者”：“MDPI AG”，“问题”：“8”，“许可证”：[{“开始”：{/“日期-零件”：[2022,4,14]]4-14T00:00:00Z“，”时间戳“：1649894400000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“资助者”：[{“名称”：“江苏省农业科技创新基金”，“奖项”：[“CX（21）3058”，“202110307004S”]}]，”content-domain“：{”domain“:[]，”crossmark-restriction“：false}，”short-container-title“：[”Sensors“]，”abstract“：”苹果是世界上种植最广泛的水果之一，年产量极高。应解决几个问题，以避免在苹果质量分级过程中损坏样品（例如，检测周期长和无法检测苹果的内部质量）。本研究设计了一种基于K近邻支持向量机（KNN-SVM）的苹果品质分级电子鼻检测系统，并通过计算流体动力学（CFD）模拟对电子鼻的鼻腔结构进行了优化。针对传统支持向量机的不足，提出了一种KNN-SVM分类器。通过以下步骤对所开发设备的性能进行了实验验证。根据苹果的外部和内部质量，将其分为三组。在特征提取之前对电子鼻数据进行预处理，然后使用主成分分析（PCA）和线性判别分析（LDA）来降低数据集的维数。PCA\u2013KNN-SVM分类器的识别准确率为96.45%，LDA\u2013 KNN-SSVM分类器的识别正确率为97.78%。与其他常用分类器（传统的KNN、SVM、决策树和随机森林）相比，KNN-SVM在训练时间和分类精度方面更有效。一般来说，苹果分级系统可以用来评估苹果在储存过程中的质量<\/jats:p>“，”DOI“：”10.3390\/s22082997“，”type“：”journal-article“，”created“：{”date-parts“：[2022,4,19]]，”date-time“：”2022-04-19T06:39:31Z“，”timestamp“：1650350371000}，”page“：“2997”，“source”：“Crossref”，“is-referenced-by-count”：13，“title”：[“基于计算流体动力学仿真和K-最近邻支持向量机的苹果品质分级电子鼻检测系统设计“]，前缀：“10.3390”，卷：“22”，作者：[{“ORCID”：“http://\/ORCID.org\/00000-0002-8074-7555”，“authenticated-ORCID”：false，“given”：从属关系“：[]}，{“给定”：“晨阳”，“家族”：“王”，“序列”：“附加”，“从属关系”：[]{，{“给定”，“曼”，“家庭”：“罗”，“顺序”：“额外”，“隶属关系”：[]}cid“：false，”给定“：”莹莹“，”family“：”Liu“，”sequence“：”additional“，”affiliation“：[]}，{”given“：”Shikai“，”family”：“Zhang”，“sequence”：“additional”，“affiliance”：[]{，“given”：“Yungang”，”failment“：”Bai“，“se序列”：“附加”，“从属关系”：[]}，“ORCID”：，“sequence”：“附加”，“affiliation“：[]}，{”given“：”Wentian“，”family“：”Zhang“，”sequence“：”additional“，”affiliance“：[]}，“given”：“Steven W.”，“family”：“Su”，“sequence”：“additional”，“affiliationation”：[]2]，“member”：“1968”，“published-on-line”：{“date-parts”：[2022,4,14]}，”reference“：“10.1016\/j.compag.2020.105634”}，{“键”：“参考2”，“doi-asserted-by“：”publisher“，”doi“：”10.1016\/j.compag.2019.104882“}，{“key”：“ref3”，“doi-assert-by”：“publisher”，“doi”：“10.3390\/s19040949”}，“key“：”ref4“，”doi-assered-by“：”publisher“，”doi“：“doi”：“10.1016\/j.postharvbio.2018.12.007”}，{“key”：“ref6”，“doi-asserted-by”：“publisher“，”DOI“：”10.1111\/1541-4337.2123“}，{“key”：“ref7”，“DOI-asserted-by”：“publisher”，“DOI”：“10.1111\/j.1745-4557.2009.00286.x”}，“key“：”ref8“，”DOI-assert-by“：”publisher j.postharvbio.2007.07.003“}，{“key”：“ref10”，“DOI-asserted-by”：“publisher”，“DOI”：“10.3390\/s150100899“}，{“key”：“ref11”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.snb.2007.02.035”}，}“key”：“ref12”，“首页”：“389”，“article-title”：“电子鼻识别七种苹果，成熟等级后”，“volume”：”4“author”：“Calu”，“year”：“2010”，“journal-title“：”Lucr.Stinitifice USAMVB“}，{“key”：“ref13”，“首页”：“82”，“article-title“：“利用电子鼻预测富士苹果贮藏时间的方法”，“卷”：“6”，“作者”：“慧”，“年份”：“2012”，“期刊标题”：“食品分析”。方法“}，{”key“：”ref14“，”doi-asserted-by“：”publisher“，”doi“：”10.17221\/113\/2014-CJFS“}”，{“key”：“ref15”，“首页”：“782”，“article-title”：“便携式智能电子鼻系统及其在葡萄货架寿命评估中的应用”，“volume”：”30“，”author“：”Fu“，“year”：“2017”，“journal-title“：”Chin.J.Sens.Actuator“}“”doi-asserted-by“：”crossref“，”first page“：”1969“，”doi“：”10.1007\/s11694-017-9579-1“，”article-title“：”电子鼻系统的制作及其在芒果（M.Indica cv.Datainong）质量快速测定中的应用探索“，”volume“：“11”，”author“：”Shao“，”year“：”2017“，”journal-title”：“J.Food Meas。性格。“}，{”key“：”ref17“，”doi-asserted-by“：”publisher“，”doi“：”10.3390\/s19071526“}、{”key“：“ref18”、“doi-assert-by”：“publisher”、“doi”：“10.1007\/s13042-013-0226-9”}、“key”：“ref19”、“doi-asserted-by”“：”publisher“，”doi“：“10.1006\/jtbi.1996.0347 serted-by“：”publisher“，”doi“：”10.3390\/s20154239“}，{“key”：“ref21”，“doi-asserted-by”：“publisher“，”DOI“：”10.3906\/elk-1903-103“}，{“key”：“ref22”，“DOI-asserted-by”：“publisher”，“DOI”：“10.1016\/j.snb.2019.04.023”}，“{”key“：”ref23“，”DOI-assert-by“：”publisher-013-9482-8“}，{”key“：”ref25“，”DOI-asserted-by“：”publisher“，”DOI“：”10.1016\/j.mseb.2017.12.036“}，{“key”：“ref26”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.snb.2013.05.085”}，“key“：”ref27“，”doi-assert-by“：”crossref“，”first page“：：“Trucano”，“年份”：“2002”，“journal-title“：”节目。Aerosp.航空公司。科学。“}，{”key“：”ref28“，”doi-asserted-by“：”publisher“，”doi“：”10.1109“/TSP.2012.225055“}由“：”publisher“，”doi“：”10.1109\/TNNLS.2017.2673241“}插入，{”key“：”ref32“，”doi-asserted-by“：”publisher“，”doi“：”10.1016\/j.comcom.2019.11.053“}，{“key”：“ref33”，“doi-assert-by”：“publisher”，“doi”：“10.3390\/s21154990”}，“key“：”ref34“，”first page“：.Learn.Res.“}，{”键“：”参考35“，”doi-asserted-by“：”publisher“，”doi“：”10.3390\/chemosensors9060142“}，{“key”：“ref36”，“doi-assert-by”：“publisher”，“doi”：“10.3390\/agnetricy1201035”}，“key“：”ref37“，”doi-asserted-by“:”publishers“，”doi“：“10.1016\/j.enbuild.2010.04.006”}、{“key”：”ref38“，”首页“：”374“，”article-title“：”决策树和随机森林“，”卷“：”1“，”作者“：”Fratello”，“年份”：“2019年”，“新闻标题”：“Encycl。生物信息。计算。Biol.“}]，“容器标题”：[“传感器”]，“原始标题”：[]，“语言”：“en”，“链接”：[｛“URL”：“https:\/\/wwwmdi.com\/1424-8220\/22\/8\/2997\/pdf”，“内容类型”：“未指定”，“内容版本”：“vor”，“预期应用程序”：“相似性检查”}]，“存放”：｛“日期部分”：[[2022,4,19]]，“日期时间”：“2022-04-19T07:36:34Z”，“时间戳”：16503537979 4000｝，”score“：1，”resource“：{”primary”：{“URL”：“https:\\/www.mdpi.com//1424-8220\/22\/8\/2997”}}，”subtitle“：[]，”shorttitle“：[]，”issued“：{date-parts”：[2022,4,14]]}，“references-count”：38，“journal-issue”：{issue“8”，“published-online”：{date-parts“：[2022,4]]}}”，“alternative-id”：[“s22082997”]，“URL”：“http://\/dx.doi.org\/10.3390\/s22082997”，“关系”：{}，“ISSN“：[”1424-8220“]，”ISSN-type“：[{”value“：”1424-8120“，”type“:”electronic“}]，”subject“：【】，”published“：{”date-parts“：[2022,4,14]]}}}