茶叶及制品中添加及非法添加检测方案

河南科学HENAN SCIENCE第32卷第5期2014年5月Vol.32 No.5May 2014 747张红梅，等：信阳毛尖茶品质和化学成分快速检测方法2014年5月 文章编号：1004-3918(2014)05-0746-06 DOI：10.13537/j.issn.1004-3918.2014.05.015 信阳毛尖茶品质和化学成分快速检测方法 张红梅， 何玉静， 李祥付 (河南农业大学机电工程学院，郑州 450002) 摘 要：探索茶叶品质和化学成分的快速检测方法，利用电子鼻技术对3个品质等级的信阳毛尖茶的挥发性气味进行了分析.对电子鼻检测信号进行主成分分析和线形判别分析结果显示3个品质的茶叶能被很好地区分，各个类的集中性也较强.采用二次多项式逐步回归分析分别建立传感器信号和信阳毛尖茶的氨基酸、茶多酚和咖啡碱含量之间的预测模型.通过测试集对二次多项式逐步回归模型进行验证得到氨基酸、茶多酚和咖啡碱含量的预测值和测试值的相关系数分别为0.95、0.94和0.92，预测标准误差分别为0.08、0.11和0.8，平均误差分别为0.9%、2.8%和1.5%.结果表明，电子鼻技术可以用于茶叶理化成分的快速检测. 关键词：信阳毛尖；快速检测；电子鼻技术；品质 中图分类号： TS212 文献标识码：A Method of Rapid Identification of Quality and ChemicalComposition of Xinyangmaojian Tea Zhang Hongmei，He Yujing，Li Xiangfu (College of Mechanical and Electrical Engineering， Henan Agricultural University， Zhengzhou 450002， China) Abstract： An electric nose was used to evaluate the quality and chemical composition of Xinyangmaojian tea atthree different quality levels. The multivariable analyses including principal component analysis and linear discriminationanalysis were applied to distinguish the tea samples. A correct classification was achieved for the tea sample of threedifferent quality levels and each group has strong convergence. The relationship between sensors signals and contentof amino acid， tea polyphenols and caffeine for Xinyangmaojian tea were developed using the quadratic polynomialstep regression analysis. The results showed that the quadratic polynomial step regression model represented goodability in predicting of chemical composition， with high correlation coefficients (R=0.95 for amino acid； R=0.94 fortea polyphenols； R=0.92 for caffeine， resrectively) between predicted and measured values， with relatively lowstandard error prediction(SEP)(0.08%，0.11%，0.8% for amino acid， tea polyphenols and caffeine， respectively)and a relatively low average percent error(ERR)(0.9%，2.8%，1.5% for amino acid，tea polyphenols and caffeine，respectively). These results prove that electronic noses has the potential of becoming a rapid instrument to assess thetea chemical compositions. Key words： Xinyangmaojian； rapid identification； electronic nose technology； quality 香气是茶叶最重要的品质之一，是决定茶叶品质的重要因素.迄今为止，已从各种茶叶中分离出700多种香气物质，包括醇、醛、酮、酯、酸、等等10余大类化合物.但即便如此，单纯从成分的角度也难以反应茶叶香气的整体特征信息和茶叶的香气品质.电子鼻分析技术具有检测时间短、重复性好、不需要复杂的样品预处理过程、检测结果客观可靠等特点，更重要的是可以在一定程度上模拟人的感官给出有关茶叶香气的指纹信息，是目前茶叶品质检测研究的热点和发展趋势.于慧春等采用电子鼻技术对不同等级的龙井 ( 收稿日期：20 1 4-01-02 ) ( 基金项目：中国博士后基金(2009046054)；中国博士后基金特别资助(201003396) ) ( 作者简介：张红梅(1977-)，女，河南平舆人，副教授，博士，从事农产品加工工程与品质检测研究. ) 茶进行了研究； DuttaR等3利用电子鼻技术对5种不同加工工艺的茶叶进行分析和评价，结果表明采用RBF的模式识别方法时，可以100%区分5种不同加工工艺的茶叶； Bhattacharyya.N等4用电子鼻技术对红茶的发酵过程中的挥发性物质进行在线实时监测，避免发酵时间不当影响成品茶叶品质，同时在另一篇文章[51中对所采集的数据分析处理方法还作了进一步研究报道； Tudu B等利用TGS气敏传感器阵列对来自4个茶园的红茶质量进行检测，正确识别率可达82.18%； Yang Ziyin等7采用电子鼻技术结合主成分分析和聚类分析，对不同加工过程和不同干燥温度的日本绿茶样本进行了分析，结果显示电子鼻技术可以按绿茶的香豆素含量和不同干燥温度进行分类.这些都是利用茶叶的整体气味信息对其品质进行评价，但是利用智能感官分析技术与内部品质成分的关系来检测茶叶定性和定量信息的研究还不多.耿响等[81利用近红外光谱分析技术，建立茶叶咖啡碱近红外光谱模型，为快速检测茶叶中的咖啡碱含量的研究奠定了基础；李晓丽等提出了一种应用漫反射光谱技术的绿茶初制过程中含水率的无损快速检测方法；陈全胜等L10利用近红外光谱和机器视觉的多信息融合技术对4个等级的炒青绿茶的品质进行评判，结果表明基于近红外光谱和机器视觉技术的多传感信息融合技术评判茶叶综合品质的方法是可行的.本文利用电子鼻技术对信阳毛尖茶的品质等级进行检测，并建立信阳毛尖茶的氨基酸、咖啡碱和茶多酚3种内部化学成分含量的预测模型，以便为茶叶品质和化学成分快速无损检测方法研究奠定基础. 1 材料和方法 1.1 实验材料 茶叶样品来自河南信阳同一茶园和采用同一加工工艺的信阳毛尖炒青茶，共有3个品质等级.3个等级茶叶为2010年春季采摘，优质的鲜叶原料是炒制名茶的基础.信阳毛尖对鲜叶要求细嫩、匀整，1级1芽2叶初展；2、3级1芽2叶为主，兼采2叶嫩对夹叶.本文研究中分别用X、X和X来表示3个类别的茶叶：X为1级茶叶、X为2级茶叶、Xs为3级茶叶.对3个等级的信阳毛尖茶各取30个样品，每个样品5g.测试时把测试样本放入试样瓶中，静置60 min. 通过静态顶空采样，进行电子鼻测量.待测茶叶样本的挥发气味在传感器阵列室内与传感器阵列反应，产生电信号，通过采集电路把数据采集到计算机进行处理. 1.2 化学成分测定 氨基酸总量的测定采用 GB 8314一87《茶游离氨基酸总量测定》，茚三酮比色法.茶多酚的测定采用GB 8313—87《茶茶多酚测定》，酒石酸亚铁比色法1.咖啡碱的测定采用GB8312—87《茶咖啡碱测定》，紫外分光”光度法. 1.3 电子鼻系统及检测原理 试验是用德国 Airsense 公司的 PEN2电子鼻，包含有10个金属氧化物传感器组成的阵列.10个传感器名称分别为 W C、W，S、WC、W。S、W，C、W S、W W、WzS、WzW和WS，本文用x1至x10分别表示10个传感器的信号.传感器对不同的化学成分有不同的响应值.响应信号为传感器接触到样品挥发物后的电导率G与传感器在经过标准活性炭过滤气体的电导率Go的比值.测量时记录10个不同选择性传感器的 G/Go比值，作为进一步统计分析的数据.每次测量前后，都对传感器都进行清洗，这有效地保证了电子鼻测量数据的稳定性和精确度.结合电子鼻自带 WinMuster 软件对数据进行采集、和量和分析.仪器组成主要包含传感器通道、采样通道、计算机.该电子鼻具有自动调整、自动校准及系统自动富集的功能.本试验研究中，检测时间设定为 60 s，特征值提取时间点为45 s，清洗时间设置为90 s，可以基本使传感器响应恢复到初始状态. 由于茶叶香气成分复杂，仅用单个气体传感器是无法评定茶叶香气质量的，电子鼻的工作原理是建立在模拟人的嗅觉形成过程基础上的，将性能彼此重叠的多个气体传感器组成阵列，模拟人鼻内的大量嗅感受器细胞，借助精密测试电路，得到对气味瞬时敏感的阵列检测器.不同品质等级的茶叶，其香气挥发性成分有明显不同.电子鼻识别的主要机理是在阵列中的每个传感器对被测茶叶的香气都有不同的灵敏度，从而整个传感器阵列对不同香气产生不同的信号，信号再被传送到数据处理分析系统，最终通过模式识别实现对样品的识别. 1.4 数据处理 主成分分析(principal component analysis，PCA)是把多个指标化为少数几个综合指标的一种统计方法.由于 PCA 方法总是尽量多地提取样本空间的信息，所以在寻找方向时总是尽量兼顾诠差别较大的数据.如果 在 PCA分析过程中，将不同的传感器作为变量，那么传感器的选择性越好，即对不同气体敏感度的差别就越大，在选择投影方向时，这些传感器的贡献就越大，反映到主成分上的分量就越大. 线性判别(linear discrimination analysis，LDA)是一种常规的模式识别和样品分类方法. LDA注重类别的差异以及各种组之间的距离分析. 回归分析(Regression Analysis)是现代应用统计学的一个重要分支，是研究事物间量变规律的一种科学方法.、一般来说，回归分析研究一个变量或一组变量(即自变量)的变动对另一变量的变动的影响程度，其目的在于根据已知自变量的变异来估计或预测因变量的变异情况[121.现代的二次回归正交旋转设计试验，即把正交设计和回归分析有机地结合起来，在正交设计的基础之上，利用回归分析，在给出因素和和标之间，找出一个明确的函数表达式，建立因果关系的数学模型[13].对这类回归分析模型，也可对其进行逐步回归分析，只保留显著的项，剔除不显著的项，即为二次多项式逐步回归.回归模型的诊断：第一，方程的方差分析F值的显著水平p要小于或等于0.05，否则，所建立的回归方程不能使用；第二，各个回归系数的偏相关系数的显著水平最好也小于或等于0.05；第三，Durbin-Watson(DW)统计量d是否接近于2.其定义为DW=(e-e).e，表示第i个样本的预测误差。 模型分析中采用一些参数来评价模型的性能：①预测值与测量值的相关系数R；②方差分析F值、显著 水平； ③Durbin-Watson(DW)统计量d；④校准的标准误差 SEC=12(-y)：⑤预测标准误差 SEP-11-2(；-y.)，其中，为预测值；y 为实际值；Z.为校准数据集的数量；1，为确认数据集的数量；⑥平均JI1-误差百分比ERR=-yabs1-×100，其中y，为预测值；为测量值；n为样本数.采用二次多项式回归ni=1 t：分析分别建立传感器信号和信阳毛尖茶的氨基酸、茶多酚和咖啡碱含量之间的预测模型. 2 结果和讨论 2.1 化学成分测定结果 3个品质等级的信阳毛尖茶化学成分含量平均值和标准偏差如表1所示.茶叶的氨基酸主要有茶氨酸谷氨酸、天门冬氨酸、天门冬酰胺、精氨酸、丝氨酸、丙氨酸、组氨酸、缬氨酸、酪氨酸、苏氨酸、谷氨酰胺、苯丙胺酸、亮氨酸和异亮氨酸等25种以上.氨基酸，尤其是茶氨酸是形成茶叶香气和鲜爽度的重要成分，与茶叶品质的形成关系极为密切.氨基酸是构成茶汤鲜爽滋味的主体成分，某些氨基酸如谷氨酸、苯丙氨酸也具有一定的芳香.多项研究结果均表明，绿茶中的氨基酸含量与品质呈显著的正相关.氨基酸含量高，绿茶品质好[14].从表1可以看出氨基酸含量从1级到3级依次降低，说明所测样品中的氨基酸含量与品质呈显著的正相关.茶多酚(Tea polyphenols)是茶叶中多酚类物质的总称，包括黄烷醇类、花色苷类、黄酮类、黄酮醇类和酚酸类等.其中以黄烷醇类物质(儿茶素)最为重要.茶多酚又称茶鞣或茶单宁，是形成茶叶色香味的主要成分之一，也是茶叶中有保健功能的主要成分之一.表1说明1级茶叶的茶多酚含量较高.咖啡碱是构成茶汤滋味的重要物质，也是茶叶中主要的药理活性成分.虽然其本身味苦，但是与多酚类及其氧化产物形成络合物以后便具有一种鲜爽滋味.因此，茶叶咖啡碱含量与品质之间呈正相关，咖啡碱含量高，茶叶品质好[15].表1所示的咖啡碱含量也与茶叶品质明显的呈正相关.郭桂义等[16]究究，表明两个品种春季前期、中期、后期的信阳毛尖茶中的茶多酚、氨基酸和咖啡碱含量是不同的，由春季前期到后期，茶叶中茶多酚 表1 不同品质信阳毛尖茶的氨基酸、茶多酚和咖啡碱含量平均值和标准差 Tab.1 Mean values and standard deviation of content of amino acid，tea polyphenols and caffeine for Xinyangmaojian tea at different qualities 茶叶等级 氨基酸质量分数/% 茶多酚质量分数/% 咖啡碱质量分数/% X 4.96±0.11 29.55±2.19 4.46±0.005 X 4.88±0.13 29.46±0.23 4.24±0.005 X： 4.35±0.18 28.77±0.39 4.12±0.008 的含量逐渐增多，氨基酸含量逐渐减少，咖啡碱略有减少.该研究结果与本文结果一致. 2.2 茶叶品质的定性分析 图1显示了电子鼻检测和区分不同品质信阳毛尖茶的 PCA 和LDA分析图.在PCA分析中，第1主成分PC1和第2主成分PC2的贡献率分别为67.39%和19.56%，总的贡献率为86.95%.总贡献率大于85%，说明主成分能较好地反映原始高维矩阵数据的信息.因为PCA只对原始数据分析，不考虑分类情况，其区分情况与品质实际情况一致.按照1级、2级、3级茶叶的情况，可以将不同等级的茶叶完全区分开，而且效果比较好.由图1分析可知，不同品质茶叶的挥发性气味有明显的差异，沿第1主成分轴依次排列.在LDA分析中，线性判别函数LD1和LD2的贡献率分别为57.94%和12.37%，总的贡献率为70.31%.LDA对不同等级的茶叶判定，虽然前2个判别式的贡献率的仅占总贡献率的70.31%，但仍可以将其区分开.从PCA和LDA分析中可以得到，3个等级的茶叶可以较好地用电子鼻进行区分. 图1 不同品质茶叶的PCA和LDA分析图 Fig.1 Principal components analysis and linear discrimination analysis score plot of green tea at different qualities 2.3 信阳毛尖茶化学成分氨基酸、茶多酚和咖啡碱含量的预测模型 将10个传感器对茶叶的响应信号作为自变量，内部化学成分(氨基酸、茶多酚和咖啡碱含量)分别作为因变量.电子鼻系统所测的3个品质的茶叶：每个等级30个样品共90个数据，从每个等级茶叶所测数据中随机抽取25个共75个作为训练集用于建立回归模型，剩余的15个作为测试集用于对所建模型进行验证. 运用二次多项式逐步回归分析方法得到的氨基酸、茶多酚和咖啡碱含量回归模型如下： AA=1 125.24-2180.22x5-822.18xs+166.13x，+256.66xj×x3-253.98xj×x9-836.22x3×x4+1284.06x3×x5+ 方程中AA、TP和C分别表示茶叶化学成分氨基酸、茶多酚和咖啡碱的含量； x到xo分别表示1到10，10个传感器的信号. 对回归方程进行检验：回归方程(1)显著性检验F值=109.08，显著水平p<10“，相关系数R=0.98， Durbin-Watson(DW)=2.06，DW接近于2，方程中各个回归系数的偏相关系数显著水平也小于0.01.回归方程(2)显著性检验F值=125.55，显著水平p<10-4，相关系数R=0.96，Durbin-Watson(DW)=2.16，DW接近于2.回归方程(3)显著性检验F值=56.5，显著水平p<104，相关系数R=0.95，Durbin-Watson(DW)=2.11，DW接近于2.说明所建的3个回归方程是都是有效的. 利用测试组数据测试所建模型的预测能力.通过回归方程计算得信阳毛尖茶氨基酸、茶多酚和咖啡碱含量的预测值和实际值之间的相关系数分别为0.95、0.94和0.92，标准预测误差分别为0.08、0.11和0.8.3个模型对建立模型的训练组和测试组数据的预测结果都显示在表2中.对测试组的计算值和测试值之间的拟和结果如图2所示.从这些分析结果可以看出所建模型对信阳毛尖茶的化学成分氨基酸、茶多酚和咖啡碱含量具有很高的预测能力. 表2基于电子鼻信号的二次多项式逐步回归模型对氨基酸、茶多酚和咖啡碱含量的预测结果 Tab.2Results of calibration and prediction for content of amino acid， tea polyphenols and caffeine for Xinyangmaojian tea atdifferent qualities on the base of electronic nose signal by quadratic polynomial step regression model 理化成分 训练集 测试集 R SEC ERR/% R SEP ERR/% 氨基酸 0.98 0.05 0.8 0.95 0.08 0.9 茶多酚 0.96 0.12 2.08 0.94 0.11 2.8 咖啡碱 0.95 0.45 0.8 0.92 0.8 1.5 (a)氨基酸 (b)茶多酚 (c)咖啡碱 图2二次多项式逐步回归模型的预测值与实测值的关系图 Fig.2.2Correspondence of prediction values and true values of quadratic polynomial step regression model 3 结论 利用电子鼻技术并结合化学成分分析，对3个品质的信阳毛尖茶叶进行了分析.试验证明： 1测试结果表明3个品质茶叶的氨基酸含量从1级到3级依次降低，说明所测样品中的氨基酸含量与品 一 质呈显著的正相关.咖啡碱含量也与茶叶品质明显的呈正相关. 2)对传感器阵列进行主成分分析和线形判别分析结果显示3个品质的茶叶能被很好的区分，各个类的集中性也比较强. 3)采用二次多项式回归分析分别建立传感器信号和信阳毛尖茶的氨基酸、茶多酚和咖啡碱含量之间的预测模型.对模型进行验证结果显示所建的3个模型都是有效的.对于测试集通过模型计算得到的氨基酸、茶多酚和咖啡碱含量的预测值和测试值的相关系数R分别为0.98、0.96和0.95， SEC 分别为0.05、0.12和0.45，ERR分别为0.8%、2.08%和0.8%.通过测试集对二次多项式逐步回归模型进行计算得到的氨基酸、茶多酚和咖啡碱含量的预测值和测试值的相关系数分别为0.95、0.94和0.92， SEP分别为0.08、0.11和0.8，相应的ERR分别为0.9%、2.8%和1.5%.结果表明电子鼻技术可以用于茶叶理化成分的快速检测. 本试验获得的预测模型能够对信阳毛尖茶理化成分氨基酸、茶多酚和咖啡碱含量进行很好的预测，为在实际流通和消费过程中预测茶叶品质等级和理化成分快速检测的应用打下了理论基础. ( 参考文献： ) ( 于欣洋，岳文杰，李金辉，等.茶叶香气研究进展[J].茶叶科学技术，2008(3)：9-13. ) ( 于慧春，王 俊.电子鼻技术在茶叶品质检测中的应用研究[J].传感技术学报，2008，21(5)：748-752. ) ( Dutta R ， Hines E L ， G a rdner J W， e t al . T e a quality prediction u s ing a t i n oxide-based el e ctronic nose：an artificial intelligenceapproach[J]. Sensors and Actuators B，2003，94(2)：228-237. ) ( 4 B hattacharyya N，S e th S ， Tudu B， et a l . De t ection of optimum ferm e n t ation time f or b l ack tea manufacturing u sing electronic noseJ]. Sensors and Actuators B，2007 ， 122(2)：627-634. ) ( 5] Bhattacharyya N， Seth S， Tutu B， et al. M o nitoring of blac k tea fermentation pr o cess using electro n ic nose [J]. Journal of F oo d Engineering，2007，80(4)： 11 46-1156. ) ( 6 T udu B， Jana A ， Metla A， et al. Electronic nose for black tea quality evaluatio n b y a n incremental RBF network [J]. Sensors and A ctuators B： Chemical，2009，138(1 ) ：90-95. ) ( 7 ] Y ang Ziyin，D o ng Fang， Shimizu Kazuo， et a l. Identi c a tion of coumarin-enr i ched Japanese green teas an d their particular avor using electronic nose [ J]. Journa l of Food Engineering，2009，92(3)：312-316. ) ( 8 ]耿 响，陈 斌，叶 青，等.茶叶咖啡碱近红外光谱模型简化方法[J].农业工程学报，2 0 09，25(10)：345-349. ) ( [9] 李晓丽，程术希，何 勇.基于漫反射光谱的初制绿茶含水率无损检测方法[J].农业工程学报，2010，26(5)：195-201. ) ( [10] 陈全胜，赵杰文，蔡健荣，等.基于近红外光谱和机器视觉的多信息融合技术评判茶叶品质[J].农业工程学报，2008，24 (3)：5-10. ) ( [11] 黄意欢.茶学实验技术[M].北京：中国农业出版社，1997. ) ( 12 张小蒂.应用回归分析[M].杭州：浙江大学出版社，1991. ) ( |13 唐启义，冯明光.实用统计分析及其 DPS数据处理系统[M].北京：科学出版社，2005. ) ( [14] 郭桂义，胡孔锋，袁 丁.信阳毛尖茶的化学成分[J].食品科技，2006(9)：298-301. ) ( 郭桂义，胡孔锋，袁 丁.信阳毛尖茶的化学成分研究[J].食品工业科技，2006，27(12)：162-167. ) ( 郭桂义，胡 强，刘 黎，等.信阳毛尖茶春季不同时期化学成分与品质的变化[J].河南农业科学，2007(12)：48-50. ) ( (编辑 孟兰琳) )