龙井茶叶中品质等级检测方案(感官智能分析)

农业 机械学报2007年7月第38卷第7期 农 业 机 械 学 报1042007年 龙井茶叶品质的电子鼻检测方法 于慧春 王 俊 张红梅 于 勇 【摘要】 针对茶叶品质感官审评的不足，采用电子鼻检测手段，对4个不同等级的龙井茶作等级判别。对传感器信号进行多因素方差分析得出：不同容器容积和不同采样时刻对传感器的响应信号有着显著的影响。通过主成分(PCA)、线性判别LDA)和BP神经网络方法对各茶叶样品进行了分类判别。 PCA 对于等级差别较近的茶叶区分结果不太理想；而LDA 相对于PCA 有较好的区分效果；设计BP神经网络拓扑结构为30-12-4，通过对网络进行适当训练，总的测试回判率可达到90%。 关键词：龙井茶 电子鼻 BP神经网络 中图分类号：TS272.7 文献标识码：A M easurem ent of the L ongJ ing Tea Quality by Using an Electronic Nose Yu HuichunW ang Jun Zhang HongmeiYu Yong(Zhejiang University) Abstract A n investigation wasmade to detemm ine the four tea samples w ith different quality grade byusing an electronic nose (e-no se).Theresponse signals of e no se were analyzed under differentsamp ling conditions by variance analysis and multivariance analysiss A nalytical results show edthat the different vo lum e of vials and the different collection times have significant effect on theresponse signals of the eno seeThen the data were p rocessed using principal components analysis(PCA)， linear discrim ination analysis (LDA) and artificial neural ntwork (ANN ).The resultsanalyzed by LDA were superior to that by PCA， which could distinguish all the tea samp lescomp letely. How ever， PCA method could not estimate sample of A 280 correctly. Further 90%correct classification was achieved for all the tea samples using the BP neural network. Key words LongJing tea， Electronic no se， BP neural network 引言 目前，茶叶品质大多数是通过人的感官评定的。人感觉器官的灵敏度易受外界因素的干扰而改变，从而影响评定的准确性。电子鼻技术的兴起让人们看到综合评价气味整体信息的巨大潜力。近年来，电子鼻得至了广泛的研究和应用，尤其在食品和饮料工业方面2刀。其中，最主要的一个方面就是根据各样品的不同挥发物进行识别分类。 电子鼻把具有 不同特性的气体传感器组合成气体传感器阵列，使其检测范围更宽；同时，在模式识别数据处理方面池在不断发展完善各种识别方法，如线性识别函数法、人工神经网络法等。人工神经网络的最大优点就是可实现复杂的非线性映射，并且具有良好的容错性，有助于提高气体检测的精度8。 本文运用电子鼻对不同等级的西湖龙井茶叶香气进行检测，然后进行适当的特征提取，结合统计模式识别方法和神经网络分析方法对输入的茶叶香气信号进行模式识别， ( 收稿日期：2 0 06- 0 2- 2 4 ) ( *国家自然科学基金资助项目(项目编号：30571076)和国家教育部新世纪优秀人才支持计划资助项目(项目编号：NCET- 04-054 4 ) ) ( 于慧春 浙江大学生物系统工程与食品科学学院 博士生，3 1 0029 杭州市 ) ( 王 俊 浙江大学生物系统工程与食品科学学院 教授 博士生导师 通讯作者 ) ( 张红梅 浙江大学生物系统工程与食品科学学院 博士生 ) ( 于 勇 浙江大学生物系统工程与食品科学学院 博士后 ) 实现对龙井绿茶等级的评定。 试验材料、仪器、方法与信号处理 1.1 试验材料和仪器 茶叶来自于浙江大学茶学系的西湖龙井，试验前锡纸袋密封贮藏。不同等级的茶叶样品分别编号为A120、A280、A380、A600。 试验采用德国ARSENSE 公司的PEN2型便携式电子鼻(portable electronic no se)，包含10个金属氧化物传感器。该电子鼻具有自动调整、自动校准及系统自动富集的功能。 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后的电导率Go 的比值。仪器主要包含：传感器通道、采样通道、计算机。 1.2 试验方法 对龙井茶A280进行取样，每个样品5g。 分别放置在 50mL、150mL、250mL、500mL的烧杯中，瓶口用双层薄膜密封静置，静置时间分别为45m in和120min。 各样品重复测量15次，每次采样时间为60s，每秒采样一次，电子鼻软件每秒自动记录一次数据。通过对上述试验数值的分析，确定出在本试验中(针对5g茶叶样品)应采用的最佳烧杯容积和样品静置时间的搭配，以获得较佳响应信号。然后再对4个不同等级的龙井茶进行测量，各个等级的茶叶分别重复测量45次。i试验在室温25℃下进行。 1.3 数据处理方法 采用单因素及多因素方差分析来确定较优的试验条件和特征提取点；采用主成分分析、线性判别分析以及BP神经网络对不同茶叶样品进行定性判别。 2 结果与讨论 2.1 方差分析 2.1.1 多因素方差分析 A280 级茶叶在不同静置时间和不同烧杯容积的条件下重复15次，测得的数值进行多因素方差分析，考察顶空静置时间A(45m in、 120m in)、烧杯容积B(50mL、150mL、250mL、500mL)和采样时刻C(l~60 s)3个因素的变化对响应信号影响的显著性。 使用SAS 数据处理软件进行多元方差分析，分析结果如表1所示。 从表1可以知：F(B)=31.505> Fo.01(3，oo)=3.78，对电子鼻响应信号有极显著的影响； F(C)=2.091> F0.01(59，oo)=1.47，F(4×B)=4.225>F0.01(3，)=3.78，对电子鼻响应信号影响高度显著；而F(A)=0.478< F0.os(1，oo)= 3.84，F(A× C)= 0.006样品：4个不同等级的龙井茶仪器：德国AIRSENSE电子鼻实验结果：    (1) 通过3 因素方差分析表明对于一定质量的样品, 试验容器的容积对其响应信号的影响极为显 著; 对茶叶来说, 不同顶空静置时间对其信号影响不大; 对4 个等级茶叶响应值方差分析确定出: 在第60s时各等级茶叶的响应值差异最明显, 最有益于样本的识别分类。所以选取60s时的数据进行PCA和LDA 分析。    (2) PCA 分析可以将等级差别明显的样品区分开, 而对于等级差别较小的样品不能很好地实现分类, 存在很大的局限; LDA 分析可以将各个等级的样品完全分开, 效果优于PCA 分析。   (3) 从每个传感器响应曲线中提取3 个特征值,组成包含30 个特征值的特征向量作为神经网络识别分析的输入矢量, 网络测试总体回判率达到90%。研究意义：      目前, 茶叶品质大多数是通过人的感官评定的。人感觉器官的灵敏度易受外界因素的干扰而改变,从而影响评定的准确性。近年来,电子鼻得到了广泛的研究和应用, 尤其在食品和饮料工业方面。电子鼻把具有不同特性的气体传感器组合成气体传感器阵列, 使其检测范围更宽; 同时, 在模式识别数据处理方面也在不断发展完善各种识别方法, 如线性识别函数法、人工神经网络法等。人工神经网络的zui大优点就是可实现复杂的非线性映射, 并且具有良好的容错性,有助于提高气体检测的精度。本文运用电子鼻对不同等级的西湖龙井茶叶香气进行检测, 然后进行适当的特征提取, 结合统计模式识别方法和神经网络分析方法对输入的茶叶香气信号进行模式识别,实现对龙井绿茶等级的评定。