摘要采用正常玉米樣品40個，發霉玉米樣品41個，建立了電子鼻對霉變與正常樣品的識別模型，優化了10個傳感器的組合，并對32個未知樣品進行判別，其中霉變樣品15個，正常樣品17個。結果表明傳感器優化前后主成分分數分別為86．34％和97．54％，優化后提高了11．2％。采用Euclid、Malahanobis、Correla—tion以及DFA四種算法對檢驗集未知樣品進行判定，優化前總判別率分別為Euclid：68．75％，Malahanobis：75％，Correlation：84．38％，DFA：81．25％；優化后總判別率分別為Euclid：68．75％，Malahanobis：75％，Correla-tion：90．63％，DFA：87．5％。優化后Correlation和DFA法的判別率比優化前提高，其中Correlation法達90．63％。在對霉變和正常玉米判別時，霉變樣品的判別率要遠高于正常樣品的判別率。