基于电子鼻多传感器融合的茶叶存储时间识别-德国AIRSENSE电子鼻

      笔者尝试以中国十大名茶之一的安徽黄山毛峰茶为研究对象，用电子鼻对已存储 60、120、180、240、300、360 d 的干茶进行检测，获取茶叶香气的特征信息；分别采用主成分回归(PCR)、偏最小二乘回归(PLS)、BP 神经网络(BPNN)方法，建立茶叶存储时间的预测模型，并对 3 种预测模型性能进行对比分析，以寻求茶叶存储时间的z佳识别方法。

检测样品：茶叶样本为从安徽黄山当地茶厂订购的黄山毛峰明前茶

主要仪器：德国Airsense的PEN3便携式电子鼻

检测指标：茶叶香气的特征信息

实验结果：借助电子鼻检测存储 60、120、180、240、300、360 d 的黄山毛峰茶香气信息，根据电子鼻各传感器响应曲线变化特点，选取出 1 组能够表征不同香气信息的基本特征变量，分别采用主成分回归(PCR)、偏最小二乘回归(PLS)和 BP 神经网络(BPNN)方法，建立茶叶存储时间的预测模型。测试样本集对 3 种预测模型的检验结果表明：PCR、PLS、BPNN 模型的预测标准误差分别为 10.05、6.04、3.21 d；zui大预测相对误差分别为 11.03%、7.02%、5.89%；平均预测相对误差分别为 6.73%、4.74%、3.62%；预测值与实际值之间的决定系数 R 2 分别为 0.862、0.896、0.987。3 种模型都能较好地对茶叶存储时间进行预测，相比较而言，BPNN 模型性能z优，PLS 模型性能优于 PCR 模型。

结论：茶叶香气与茶叶品质密切关联，是评定茶叶品质的重要依据。本研究为茶叶存储时间识别建立了一种方法。

     本文献来源于“蚌埠学院电子与电气工程学院”。