茶叶中贮藏时间检测方案(感官智能分析)

2016年9月第42卷第5期西南民族大学学报(自然科学版)Journal of Southwest University for Nationalities (Natural Science Edition)Sept. 2016Vol. 42 No.5 559第5期杨春兰，等：基于电子鼻技术的茶叶贮藏时间检测方法 doi：10.11920/xnmdzk. 2016.05.015 基于电子鼻技术的茶叶贮藏时间检测方法 杨春兰，薛大为 (蚌埠学院电子与电气工程系，安徽 蚌埠 233030) 摘 要：主要探索茶叶贮藏时间的检测方法.以黄山毛峰茶为研究对象，利用电子鼻对7个不同贮藏时间下的干茶叶进行检测.根据电子鼻传感器阵列响应特点选取了特征变量，以特征变量为自变量，以茶叶贮藏时间为因变量，建立了茶叶贮藏时间的 BP神经网络预测模型.通过测试样本对模型进行实验分析，结果表明：该模型对于7个不同贮藏时间茶叶样本最大预测误差为42.1天；预测误差超过10天的最大样本数为5个，占总样本数的7.14%.验证了所建立的茶叶贮藏时间BP神经网络预测模型的可行性. 关键词：茶叶；电子鼻；贮藏时间；BP神经网络 中图分类号：TP212.6；TS272.7 文献标志码：A 文章编号：2095-4271(2016)05-0558-05 Detection method for storage time of tea based on electronic nose technology YANG Chun-lan，XUE Da-wei (Department of Electronic and Electrical Engineering，Bengbu University，Bengbu 233030，P. R. C.) Abstract： Explored in this paper is a method to detect storage time of tea. The detection for dry HuangShanMaoFeng tea under 7different storage times was made. Characteristic variables were chosen according to response of electronic nose sensors. Then，thestorage time prediction model was built by using characteristic variables as independent variables and storage time as dependentvariable. The experimental analysis showed that the maximum prediction errors for tea under 7 different storage times were 42.1days；the maximum sample size with prediction errors exceeding 10 days were 5 samples，7. 14% of total samples. The feasibilityof the prediction model for storage time of tea was verified. Key words：tea；electronic nose；storage time；BP neural network 茶叶的品质不仅与茶叶的等级有关，也与茶叶的的贮藏时间有关.一般情况下，茶叶的等级越高其品质也越好，对于同一等级的茶叶随着贮藏时间的增长其品质会逐渐降低.当前，对于茶叶品质的评价通常采用两种方法，即感官评价法和理化检测法.感官评价法对于评价人员的要求较高，且容易收到主观因素的影响，评价结果客观性较差.理化检测法采用试验的方法测定理化指标，评价结果准确，但操作程序复杂且费时.因此，探索一种更加简便、快速、准确的 茶叶品质检测方法有着重要意义. 茶叶会散发出挥发性香气，不同品质的干茶叶其产生的香气也不同.可见，香气中蕴含着与茶叶品质相关的信息，可作为评价茶叶品质的重要依据.但茶叶产生的香气是由上百种挥发性物质共同作用形成的一种综合状态的反映，构成复杂，依靠少量几个传感器很难对其进行有效的检测.电子鼻作为一种仿生物嗅觉功能的仪器，可以对挥发性气体反映的综合状态进行检测，为从香气检测茶叶品质提供了可能. ( 收稿日期：2016-05-23 ) ( 作者简介：杨春兰(1980-)，女，汉族，讲师，硕士，研究方向：仪器仪表与智能检测，食品品质检测，等 . ) ( 通信作者：薛大为(1978-)，男，副教授，硕士，研究方向：仪器仪表与智能检测，模式识别，等. ) ( 基金项目；安徽省高等学校省级自然科学研究项目(KJ2013Z195)；安徽省高等学校优秀青年人才基金项目(2012SQRL218) ) 近年来，电子鼻在水果[2.3]、肉类[45]等食品品质检测领域已经有了广泛的应用.根据文献，电子鼻在茶叶品质检测方面也有一定的报道6.7，但大都是对于不同等级茶叶的品质检测，而对于不同贮藏时间茶叶品质检测的报道很少.本研究拟以黄山毛峰茶为研究对象，利用电子鼻对不同贮藏时间的干茶叶进行检测，探索茶叶贮藏时间的预测方法.首先，根据电子鼻传感器阵列响应选择特征变量，再以特征变量作为自变量，以茶叶贮藏时间作为因变量，建立黄山毛峰茶贮藏时间的 BP(Back propagation)神经网络预测模型. 电子鼻 研究中使用德国 Airsense 公司生产的 PEN2型便携式电子鼻.该电子鼻主要由传感器阵列、数据采集及处理软件、解吸附装置等部分组成.传感器阵列包含10个半导体金属氧化物传感器，其特性如表1所示.传感器响应为接触挥发性物时的电导率G与经过解吸附装置处理之后电导率G，的比值，即 G/G .传感器响应典型曲线如图1所示. 表1 各传感器特性 Table 1 The properties of the sensors 传感器 响应特性 检测范围(mL/m²) W1C(S1) 对芳香成分灵敏 10 W5S(S2) 对氨氧化合物很灵敏 1 W3C (S3) 对芳香成分、氨水灵敏 10 W6S(S4) 对氢气灵敏 100 W5C(S5) 对芳香成分、烷烃灵敏 1 W1S(S6) 对甲烷灵敏 100 W1W(S7)， W2S(S8) 对烃和硫的有机成分、硫化成分灵敏 对乙醇灵敏 100 W2W(S9) 对有机硫化物、芳香成分灵敏 1 W3S(S10) 对烷烃灵敏 100 图1 传感器典型响应曲线 Fig.1TTypical response curve ofsensors 2 BP神经网络及学习算法 模式识别方法是电子鼻系统中重要的组成部分.BP神经网络189具有非线性逼近能力强、结构简单、设计方便、泛化能力强等优点，是模式识别中常用的方法之一.本研究中电子鼻传感器阵列响应与茶叶贮 藏时间之间是一种复杂的非线性关系，因此选用 BP神经网络作为模式识别方法. BP神经网络由输入层、中间层和输出层组成，其中中间层可以有多个.BP神经网结构如图2所示. 图2 3层BP神经网络结构 Fig.22：Structure of three-layer BP neural network BP神经网络的学习过程(10-11)，就是利用训练样本的预测值与期望值之间的误差，通过误差反向传播不断修正网络的连接权和阈值，直到网络误差达到预设的精度或训练次数达到设定值，则学习结束.具体学习算法如下： ωj (m+1)=wz(m)+Aωp(m+1)， (1) ω；(m+1)=ω；(m)+Aω；(m+1)， (4) 式中，i，j，k分别为输入层、中间层和输出层的节点； net；为节点i的输入，o；为节点i的输出；ω；为节点i和节点j间连接权；Aw为连接权的修正值，0摘要：主要探索茶叶贮藏时间的检测方法.以黄山毛峰茶为研究对象,利用电子鼻对7个不同贮藏时间下的干茶叶进行检测.根据电子鼻传感器阵列响应特点选取了特征变量,以特征变量为自变量,以茶叶贮藏时间为因变量,建立了茶叶贮藏时间的BP神经网络预测模型.通过测试样本对模型进行实验分析,结果表明:该模型对于7个不同贮藏时间茶叶样本最大预测误差为42.1天;预测误差超过10天的最大样本数为5个,占总样本数的7.14%.验证了所建立的茶叶贮藏时间BP神经网络预测模型的可行性. 关键词：茶叶;电子鼻;贮藏时间;BP神经网络;