,, ,,

(湖南農(nóng)業(yè)大學(xué)園藝園林學(xué)院,國家植物功能成分利用工程技術(shù)研究中心,茶學(xué)教育部重點(diǎn)實(shí)驗(yàn)室,湖南省植物功能成分利用協(xié)同創(chuàng)新中心,湖南長沙 410128)

長久以來,茶葉品質(zhì)主要是通過感官審評(píng)和理化檢測(cè)來評(píng)定的。茶葉感官審評(píng)方法的發(fā)展時(shí)間較長,且經(jīng)過了研究人員的大量探索和優(yōu)化,逐步形成了較為統(tǒng)一的審評(píng)標(biāo)準(zhǔn),如GB/T 23776-2018《茶葉感官審評(píng)方法》、GB/T 14487-2017《茶葉感官審評(píng)術(shù)語》等,檢測(cè)方法和步驟相對(duì)規(guī)范。感官審評(píng)方法作為最基礎(chǔ)的茶葉品質(zhì)評(píng)價(jià)方法,以人的直觀感受作為評(píng)判依據(jù),目前仍具有其不可替代性,但也存在一些缺陷,如審評(píng)師須經(jīng)過長時(shí)間的培訓(xùn)和大量經(jīng)驗(yàn)積累,審評(píng)結(jié)果受審評(píng)環(huán)境、個(gè)人感官靈敏度差異、審評(píng)人員身體狀態(tài)等多方面因素的干擾和影響,導(dǎo)致審評(píng)結(jié)果主觀性較強(qiáng)。相比于感官審評(píng)方法,茶葉品質(zhì)的理化檢測(cè)技術(shù)較成熟,檢測(cè)結(jié)果較準(zhǔn)確、客觀,但理化檢測(cè)只能檢測(cè)茶葉成分的種類、含量,結(jié)果比較單一,而茶葉品質(zhì)是茶葉各成分相互配合、彼此協(xié)調(diào)的綜合反映,故單純的理化檢測(cè)并不能全面反映茶葉的品質(zhì)狀況。多年來,茶葉科研人員致力于茶葉品質(zhì)的量化評(píng)價(jià),利用一些科學(xué)儀器和新技術(shù),建立理化檢測(cè)與感官審評(píng)之間的聯(lián)系,尋求更接近感官審評(píng)結(jié)果的現(xiàn)代智能評(píng)價(jià)方法,以期實(shí)現(xiàn)更客觀、準(zhǔn)確、快捷、全面的茶葉品質(zhì)評(píng)判。

1 茶葉色澤品質(zhì)評(píng)價(jià)

1.1 計(jì)算機(jī)視覺圖像處理技術(shù)

在日新月異的信息化時(shí)代,互聯(lián)網(wǎng)技術(shù)的應(yīng)用已經(jīng)發(fā)展成為茶葉生產(chǎn)和品質(zhì)評(píng)價(jià)與鑒定的重要突破點(diǎn)。計(jì)算機(jī)視覺圖像處理技術(shù)是一種將計(jì)算機(jī)運(yùn)用到圖像處理的技術(shù)。由于計(jì)算機(jī)圖像的精度優(yōu)于人的視覺精度,對(duì)顏色和外形變化的反應(yīng)更靈敏,具有快速、精確、可量化的特點(diǎn),因此用于茶葉色澤和外形的品質(zhì)評(píng)價(jià)具有可行性[1-2]。

在茶葉篩選評(píng)級(jí)方面,計(jì)算機(jī)視覺圖像處理技術(shù)多結(jié)合感官審評(píng)結(jié)果進(jìn)行評(píng)價(jià),董春旺等[3]、余洪等[4]在感官審評(píng)基礎(chǔ)上,通過計(jì)算機(jī)視覺對(duì)茶葉色澤及紋理特征進(jìn)行提取,采用多種不同的校正算法,建立了茶葉品質(zhì)評(píng)價(jià)的量化模型和分級(jí)模型,具有較高的識(shí)別率,實(shí)現(xiàn)了對(duì)茶葉生產(chǎn)中品質(zhì)的實(shí)時(shí)監(jiān)控和茶葉等級(jí)的判定。張堅(jiān)強(qiáng)[5]比較了色差計(jì)法和計(jì)算機(jī)視覺法對(duì)兩種綠茶干茶色澤的評(píng)價(jià)結(jié)果,發(fā)現(xiàn)基于計(jì)算機(jī)視覺的評(píng)價(jià)法其決定系數(shù)R2大于色差計(jì)評(píng)價(jià)法,均方根誤差RMSE(CV/P)小于色差計(jì)評(píng)價(jià)法,決定系數(shù)R2越大、均方根誤差RMSE(CV/P)越小,說明該方法準(zhǔn)確度越好,與真實(shí)值更接近。由此可見,基于計(jì)算機(jī)視覺的評(píng)價(jià)方法優(yōu)于色差計(jì)法。研究表明,利用計(jì)算機(jī)視覺圖像處理技術(shù)與反向傳播神經(jīng)網(wǎng)絡(luò)(back propagation neural network,BPNN)[6-9]、卷積神經(jīng)網(wǎng)絡(luò)[10]模型相結(jié)合,改善了傳統(tǒng)的單一依據(jù)茶葉顏色和形狀進(jìn)行分析的弊端,形成茶葉分選識(shí)別網(wǎng)絡(luò),能更好的模擬人工識(shí)別，對(duì)茶葉進(jìn)行分選,大大提高了品質(zhì)分類評(píng)級(jí)效率。

在茶葉加工方面,計(jì)算機(jī)視覺圖像處理技術(shù)較單純的理化檢測(cè)具有更強(qiáng)的實(shí)時(shí)性和準(zhǔn)確性。王娜[11]、牛青[12]、李蔚[13]等利用計(jì)算機(jī)圖像處理技術(shù)測(cè)定茶葉萎凋過程中的色澤變化,從而間接地對(duì)鮮葉萎凋程度進(jìn)行了量化,研究發(fā)現(xiàn),在鮮葉圖像提取的RGB(R=red,G=green,B=blue)顏色系統(tǒng)中,R(紅)和G(綠)都能有效反映鮮葉的萎凋變化,但R的變化程度更高,作為萎凋程度判斷的依據(jù)更佳。李文萃等[14]利用計(jì)算機(jī)視覺技術(shù)對(duì)綠茶在制品色澤變化進(jìn)行量化研究,結(jié)果表明G色澤參數(shù)變化幅度較大,能較好地反映綠茶加工過程中的色澤變化。洪文娟[15]、顏玲[16]、楊龍[17]等運(yùn)用計(jì)算機(jī)視覺圖像技術(shù)研究紅茶發(fā)酵過程中的顏色特征和變化規(guī)律,結(jié)合電子鼻、近紅外光譜等技術(shù),能有效判定紅茶的發(fā)酵程度,對(duì)發(fā)酵適當(dāng)?shù)母咂焚|(zhì)紅茶的生產(chǎn)加工具有指導(dǎo)意義。張憲等[18]利用多光譜圖像技術(shù)實(shí)時(shí)監(jiān)測(cè)鮮葉攤青過程的含水率和鮮葉形態(tài)參數(shù)變化,建立了茶鮮葉含水率與面積、周長、葉片長寬等多個(gè)指數(shù)的預(yù)測(cè)模型,通過方差分析和殘差的正態(tài)性分析,驗(yàn)證了該模型預(yù)測(cè)含水率的準(zhǔn)確性達(dá)到90%以上,為茶葉攤青過程的自動(dòng)化提供了理論依據(jù)。多項(xiàng)研究表明,利用計(jì)算機(jī)視覺圖像處理技術(shù)能有效監(jiān)測(cè)茶葉加工過程中葉片形狀、色澤等參數(shù)變化,彌補(bǔ)傳統(tǒng)理化檢測(cè)即時(shí)性不強(qiáng)的缺點(diǎn),有利于及時(shí)掌控加工進(jìn)程,提高茶葉生產(chǎn)加工的質(zhì)量。

1.2 可視化陣列傳感技術(shù)

可視化陣列傳感器是近年新發(fā)展起來的一種傳感技術(shù),利用傳感陣列檢測(cè)待測(cè)樣本特征響應(yīng)信號(hào),通過信號(hào)識(shí)別處理系統(tǒng),將分子識(shí)別信號(hào)轉(zhuǎn)化為光學(xué)信號(hào)輸出,并將檢測(cè)結(jié)果以圖譜形式顯示出來,實(shí)現(xiàn)檢測(cè)的可視化[19-20]。傳感陣列上的敏感物質(zhì)與茶多酚、氨基酸、水浸出物等目標(biāo)物質(zhì)反應(yīng)后會(huì)產(chǎn)生明顯的光譜變化,利用RGB色彩模式原理提取光譜圖中每個(gè)敏感點(diǎn)的R、G、B值并進(jìn)行均一化處理,形成單個(gè)敏感點(diǎn)甚至整個(gè)陣列的差譜圖,通過分析差譜圖中陣列響應(yīng)點(diǎn)數(shù)目和亮度差異,可以實(shí)現(xiàn)不同茶葉的特異性識(shí)別。

霍丹群等[21]基于茶多酚與三價(jià)鐵的絡(luò)合性以及對(duì)氧化鈰的還原性,構(gòu)建了交叉響應(yīng)的液體陣列比色傳感器,實(shí)現(xiàn)了對(duì)不同茶樹品種的快速準(zhǔn)確區(qū)分識(shí)別。付貝貝[20]基于茶葉中氨基酸和茶多酚的差異構(gòu)建的液體陣列傳感器，也實(shí)現(xiàn)了對(duì)茶葉不同品種和等級(jí)的正確識(shí)別,證明液體比色陣列在茶葉品質(zhì)檢測(cè)中有一定的應(yīng)用價(jià)值,同時(shí),該研究還構(gòu)建了一種多層紙基傳感器,對(duì)五種外觀相似的紅酒和五種不同質(zhì)量等級(jí)的綠茶都實(shí)現(xiàn)了正確的區(qū)分。吳宇等[22]采用金屬二聚體卟啉,席夫堿過渡金屬配合物和染料結(jié)合溶膠凝膠技術(shù)構(gòu)建了一種新型可視化傳感器陣列系統(tǒng),將不同產(chǎn)地、不同等級(jí)的烏龍茶水浸出物超聲霧化后通過陣列系統(tǒng)進(jìn)行了檢測(cè),同時(shí)采用主成分分析、聚類分析技術(shù)和歐式距離對(duì)檢測(cè)結(jié)果進(jìn)行分析,對(duì)烏龍茶的產(chǎn)地和等級(jí)實(shí)現(xiàn)了準(zhǔn)確的識(shí)別與分類。陳琳[23]、Li等[24]、Huo等[25]設(shè)計(jì)了對(duì)茶湯和茶葉中揮發(fā)性物質(zhì)有特殊響應(yīng)的嗅覺可視化比色傳感陣列,將揮發(fā)性氣體與色敏材料作用后產(chǎn)生的顏色圖像輸入傳感器,轉(zhuǎn)化為數(shù)字模式后進(jìn)行分析處理,實(shí)現(xiàn)了對(duì)不同品質(zhì)的綠茶和不同發(fā)酵程度的紅茶的判別。

2 茶葉香氣品質(zhì)評(píng)價(jià)

2.1 電子鼻技術(shù)

電子鼻是一種仿生嗅覺的新型檢測(cè)儀器,能將樣品中揮發(fā)性成分的整體信息經(jīng)過收集、加工處理與傳輸,利用傳感器進(jìn)行識(shí)別,實(shí)現(xiàn)對(duì)揮發(fā)性成分的定性和定量分析[26-27],近年國內(nèi)外基于電子鼻技術(shù)的研究熱度較高,且多與感官審評(píng)結(jié)合使用。

國內(nèi)許多研究表明,電子鼻技術(shù)與主成分分析法(principal component analysis,PCA)、線性判別分析法(linear discriminant analysis,LDA)、判別因子分析法(discriminant function analysis,DFA)等模式識(shí)別技術(shù)相結(jié)合,能有效識(shí)別不同類型和不同陳化年份茶的芳香物質(zhì)等特征氣味,在茶葉香氣物質(zhì)的識(shí)別和區(qū)分上具有可行性。溫立香等[28]研究證明電子鼻技術(shù)結(jié)合LDA可較好識(shí)別不同陳化年份六堡茶的芳香物質(zhì)等具有的特征氣味并對(duì)其進(jìn)行區(qū)分歸類,證明電子鼻技術(shù)可應(yīng)用于茶葉陳化年份的識(shí)別。高林等[29]、陳婷等[30]基于電子鼻技術(shù)也實(shí)現(xiàn)了對(duì)不同年份、不同等級(jí)普洱茶香氣的分析和判別。敖存[26]利用電子鼻對(duì)六個(gè)品種、三個(gè)產(chǎn)地和五個(gè)等級(jí)共59個(gè)龍井茶茶樣的香氣質(zhì)量進(jìn)行分析,通過PCA法和DFA法,結(jié)合感官審評(píng)結(jié)果,證明電子鼻技術(shù)具有較高的靈敏度,在固定產(chǎn)地、品種、等級(jí)三因素的任意兩因素前提下,電子鼻能區(qū)分單一因素不同條件下龍井茶香氣差異,但在多因素混合條件下,電子鼻的區(qū)分效果有所降低,可見電子鼻對(duì)于差異較小,香氣影響因素復(fù)雜茶樣的區(qū)分度不如感官評(píng)價(jià),因此儀器評(píng)價(jià)目前只能作為輔助評(píng)價(jià),尚不能完全替代感官評(píng)價(jià),今后還應(yīng)加強(qiáng)在多因素影響下電子鼻對(duì)茶葉香氣質(zhì)量的區(qū)分研究。潘俊嫻等[31]用電子鼻對(duì)不同時(shí)間、溫度、茶水比、沖泡次數(shù)和水質(zhì)處理的福鼎白茶的揮發(fā)性物質(zhì)變化進(jìn)行測(cè)定,對(duì)所得數(shù)據(jù)進(jìn)行主成分分析和線性判別分析,發(fā)現(xiàn)電子鼻能在一定程度上區(qū)別不同沖泡條件下福鼎白茶茶湯風(fēng)味,LDA法比PCA法的區(qū)分效果更好,但與感官審評(píng)相比,電子鼻的區(qū)分度還有待提高。

在國外,電子鼻同樣用于茶葉香氣識(shí)別與品質(zhì)等級(jí)的劃分[32-35]以及加工過程樣的監(jiān)測(cè)[36-37],基于不同傳感器的電子鼻技術(shù)與各種神經(jīng)網(wǎng)絡(luò)識(shí)別模型相結(jié)合的茶葉香氣評(píng)價(jià)法是目前較先進(jìn)的評(píng)價(jià)方式。Dutta等[38]采用氧化錫基氣體傳感器陣列的電子鼻,檢測(cè)不同等級(jí)紅茶中芳樟醇、香葉醇、水楊酸甲酯和反式-2-己醛四種揮發(fā)性香氣物質(zhì),運(yùn)用PCA和LDA進(jìn)行聚類分析,并利用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)不同茶葉進(jìn)行分類,平均分類準(zhǔn)確率為88.09%,證明了氧化錫基氣體傳感器陣列的電子鼻對(duì)茶葉香氣評(píng)估的有效性。Ghosh等[39]將電子鼻技術(shù)與循環(huán)Elman神經(jīng)網(wǎng)絡(luò)相結(jié)合,使用電子鼻獲取紅茶發(fā)酵過程中揮發(fā)性物質(zhì)濃度的在線數(shù)據(jù),利用Elman網(wǎng)絡(luò)進(jìn)行周期性重復(fù)循環(huán)嗅探,能夠?qū)崿F(xiàn)對(duì)紅茶最佳發(fā)酵時(shí)間的預(yù)測(cè)。Tudu等[40]將徑向基神經(jīng)網(wǎng)絡(luò)模式識(shí)別技術(shù)結(jié)合電子鼻技術(shù)用于紅茶香氣物質(zhì)的分類,通過少量樣品對(duì)增量分類器進(jìn)行訓(xùn)練，能得到與訓(xùn)練數(shù)據(jù)的特征程度最匹配的香氣關(guān)鍵性定量指標(biāo),該方法提高了電子鼻的分類精度,有利于電子鼻技術(shù)在茶葉分類方面的標(biāo)準(zhǔn)化運(yùn)用。

2.2 全二維氣相色譜-飛行時(shí)間質(zhì)譜技術(shù)

全二維氣相色譜-飛行時(shí)間質(zhì)譜技術(shù)(GC×GC-TOFMS)是近年來在傳統(tǒng)氣相色譜技術(shù)的基礎(chǔ)上發(fā)展起來的一種新技術(shù),其分辨率高、靈敏度高、峰容量和信息量大、定性更有規(guī)律[41-42],可以解決一些復(fù)雜基質(zhì)的分離和結(jié)構(gòu)鑒定,目前該技術(shù)在茶葉香氣成分檢測(cè)分析和茶葉識(shí)別上已經(jīng)得到了初步的應(yīng)用。

Zhu Yin等[43]采用GC×GC-TOFMS技術(shù)確定了決定綠茶產(chǎn)生栗香的17種關(guān)鍵香氣成分,為進(jìn)一步研究茶葉香氣品質(zhì)的定向調(diào)控提供了理論依據(jù)。穆兵等[44]采用GC×GC-TOFMS技術(shù)分析了六堡茶的香氣成分組成及相對(duì)含量,分離鑒定出307種共有香氣化合物,與以往研究相比,利用該方法分離鑒定出的六堡茶香氣化合物數(shù)量更為豐富。朱蔭等[45]采用了傳統(tǒng)氣相色譜-質(zhì)譜聯(lián)用技術(shù)(GC-MS)與GC×GC-TOFMS技術(shù)分析西湖龍井的香氣成分,結(jié)果表明,GC×GC-TOFMS技術(shù)作為一種更先進(jìn)的理化檢測(cè)手段,在香氣分離性能上顯示出了較強(qiáng)的優(yōu)越性,可彌補(bǔ)一維氣相色譜分析上的缺陷,使可分析的香氣化合物數(shù)量提高5倍以上,為后續(xù)深入研究茶葉香氣成分的化學(xué)組成及揭示茶葉香氣品質(zhì)形成機(jī)理提供了技術(shù)支撐。程權(quán)等[46]采用該技術(shù)分析得到閩南烏龍茶中51種共有揮發(fā)性成分,通過PCA分析和判別模型的建立,證實(shí)了以揮發(fā)性成分識(shí)別閩南烏龍茶具有可行性。Zhang等[47]采用該技術(shù)研究了綠茶,烏龍茶和紅茶共33個(gè)茶樣中揮發(fā)性成分的差異,使用偏最小二乘回歸法(partial least squares regression,PLSR)判別分析和層次聚類分析對(duì)這些樣本進(jìn)行分類,采用非參數(shù)假設(shè)檢驗(yàn)和變量投影重要性分析法對(duì)樣本進(jìn)行區(qū)分,結(jié)果具有顯著性差異,表明GC×GC-TOFMS技術(shù)結(jié)合多元數(shù)據(jù)分析法可以對(duì)不同茶類或同一茶類不同品種的香氣物質(zhì)進(jìn)行較好地區(qū)分。

2.3 氣相色譜-嗅覺-質(zhì)譜測(cè)定法

氣相色譜-嗅覺-質(zhì)譜測(cè)定法(GC-O-MS)是一種從復(fù)雜的香氣混合物中對(duì)氣味活性成分進(jìn)行有效分析的方法[48]。多年來,雖然從食品中鑒定出了大量揮發(fā)性化合物,但其中僅少量物質(zhì)對(duì)食品香氣有貢獻(xiàn),而很多揮發(fā)性物質(zhì)在食品中濃度雖然很低,但由于其氣味閾值低而容易被感官感覺到,因此單靠化學(xué)檢測(cè)器檢測(cè)到的峰值并不能真實(shí)反映食品的香氣描述。GC-O將GC的分離能力與人類鼻子的靈敏性相結(jié)合,對(duì)鑒別特征香氣化合物、氣味活性化合物、具有有效香味的化合物及用來確定香味化合物的強(qiáng)度和作用大小均非常有效[49-50]。

GC-O結(jié)合質(zhì)譜聯(lián)用(GC-O-MS)技術(shù)結(jié)合了人的感官評(píng)價(jià)與MS的定性技術(shù),克服了GC-MS在風(fēng)味活性成分評(píng)價(jià)中無法確定各個(gè)香氣組分的貢獻(xiàn)度的缺陷,可以實(shí)現(xiàn)對(duì)特征香型芳香化合物的鑒定,是近年用于茶葉香氣評(píng)價(jià)的熱點(diǎn)領(lǐng)域。葛曉杰等[51]采用頂空固相微萃取/氣相色譜-嗅覺-質(zhì)譜聯(lián)用(HS-SPME/GC-O-MS)技術(shù)對(duì)紅茶“花香”和“甜香”香型的關(guān)鍵活性成分進(jìn)行了分析鑒定,共鑒定出44種揮發(fā)性組分,其中19種為香氣活性成分,芳樟醇、苯甲醛等6種成分為兩種特征香型紅茶的主要香氣活性成分,水楊酸甲酯、橙花醇等7種香氣成分是決定兩種香型差異的關(guān)鍵因子。Mao等[52]系統(tǒng)地研究了工夫紅茶的香氣特征,鑒定出芳樟醇及其氧化物、水楊酸甲酯等6種香氣成分是工夫紅茶的基本香氣活性化合物,并通過PLSR分析鑒定了對(duì)感官知覺貢獻(xiàn)最大的揮發(fā)性成分,表明GC-O是一種快速有效的分離和定量香氣活性化合物的方法。Xiao等[53]通過定量描述感官分析,GC-MS和GC-O技術(shù)在四種工夫紅茶中鑒定出64種揮發(fā)性化合物,通過香氣提取物稀釋分析得出滇紅中的反式芳樟醇氧化物,坦洋工夫、滇紅和祁門紅茶中的香葉醇為最高風(fēng)味稀釋因子,再利用PLSR法建模,構(gòu)建茶樣、感官屬性與香氣活性物質(zhì)之間的關(guān)系,分析顯示戊醛與“麥芽香”呈顯著正相關(guān),順-3-己烯-1-醇與“青草香”呈顯著負(fù)相關(guān),2-甲基吡嗪與“花香”呈顯著負(fù)相關(guān),順式芳樟醇氧化物、反式芳樟醇氧化物和橙花叔醇與“木質(zhì)香”呈顯著正相關(guān),而順式-6-壬烯-1-醇和2-甲基吡嗪與“木質(zhì)香”呈顯著負(fù)相關(guān)。此外,GC-O-MS法在鑒定綠茶[50,54-55]、普洱茶[56]、烏龍茶[57-58]的特征香氣中也取得了較好的效果。

3 茶葉滋味品質(zhì)評(píng)價(jià)

3.1 電子舌技術(shù)

電子舌同電子鼻類似,是模仿人體味覺機(jī)理制成的一種新型仿生分析儀器,由味覺傳感器陣列、信號(hào)采集器和識(shí)別系統(tǒng)等部件組成,通過適當(dāng)?shù)亩嘣y(tǒng)計(jì)方法和模式識(shí)別技術(shù)處理,可以分析復(fù)雜體系的整體“指紋”數(shù)據(jù)[59-61]。近年來,電子舌技術(shù)在茶葉滋味品質(zhì)的定性與定量上都得到了大量應(yīng)用。

在定性分析方面,利用各種類型的電子舌結(jié)合不同的化學(xué)計(jì)量法和模式識(shí)別法,研究者們?cè)诓枞~種類[62]、等級(jí)[63-65]、產(chǎn)區(qū)[66-67]的識(shí)別上取得了豐碩的成果。劉爽[63]采用電子舌技術(shù)結(jié)合感官審評(píng)對(duì)不同等級(jí)、不同產(chǎn)地及不同類型的多個(gè)綠茶進(jìn)行鮮爽味判別,建立了電子舌與人工感官審評(píng)的偏最小二乘擬合模型,相關(guān)系數(shù)達(dá)到0.9223,表明電子舌在滋味評(píng)判方面與專家感官審評(píng)具有較好的相關(guān)性。Li等[68]使用電子舌對(duì)不同產(chǎn)地的四種鐵觀音用層次聚類分析(hierarchical cluster analysis,HCA)和PCA進(jìn)行分類,并用帶有Levenberg-Marquardt訓(xùn)練算法的BP神經(jīng)網(wǎng)絡(luò)(LMBP)構(gòu)建識(shí)別模型,LMBP的識(shí)別性能達(dá)到100%,結(jié)果表明,帶有模式識(shí)別功能的電子舌適用于不同產(chǎn)地來源的鐵觀音的分類。

在定量分析方面,王銀誠等[69-71]基于專一性電子舌技術(shù)及滋味分值構(gòu)建了人工審評(píng)、品質(zhì)成分含量同電子舌傳感器響應(yīng)值的定量模型,發(fā)現(xiàn)電子舌技術(shù)既可以定性區(qū)分不同滋味等級(jí)的茶樣,也能定量給出不同茶樣之間的酸、甜、苦、咸、鮮味的相對(duì)強(qiáng)度分值,在紅茶滋味評(píng)價(jià)上有較好應(yīng)用。范培珍等[72]利用電子舌結(jié)合高效液相色譜技術(shù),采用主成分分析、聚類分析和軟獨(dú)立建模分析法,研究了不同等級(jí)霍山黃芽由氨基酸成分含量及比例的差異引起的滋味品質(zhì)的差異,從而表明電子舌可以根據(jù)茶葉氨基酸組成和含量區(qū)別霍山黃芽的品質(zhì)。許勇泉等[73]研究用電子舌結(jié)合線性相關(guān)分析建立了茶湯苦味強(qiáng)度和回甘滋味強(qiáng)度的量化分析模型及茶湯中茶多酚、氨基酸等風(fēng)味化學(xué)成分的量化分析模型。Saha等[74]融合了從多傳感器電子舌信號(hào)的響應(yīng)中提取的三個(gè)不同特征,并建立回歸模型以建立ET反應(yīng)與茶黃素(theaflavin,TF),茶紅素(thearubigin,TR)和TR/TF比值之間的相關(guān)性,從而可以估測(cè)茶葉中影響茶湯滋味的TF、TR含量和TR/TF的比例。

3.2 近紅外光譜法

近紅外光譜(near infrared spectroscopy,NIRS)是一種介于可見光與中紅外之間的電磁輻射,其記錄的信息主要是含氫基團(tuán)(如:C-H、N-H、O-H、S-H等)的倍頻、合頻以及差頻的疊加吸收[9]。茶葉內(nèi)含多種有機(jī)化合物,如茶多酚、蛋白質(zhì)、氨基酸等都含有各種含氫基團(tuán),因此可以通過獲取近紅外光譜信息,結(jié)合適宜的化學(xué)計(jì)量方法,建立相關(guān)數(shù)學(xué)模型進(jìn)行定性和定量測(cè)定[75]。

NIRS在茶葉領(lǐng)域定性方面的研究主要是對(duì)茶葉品質(zhì)成分的快速測(cè)定[76-77]和對(duì)茶葉產(chǎn)地[78-79]、等級(jí)[80-81]、年份[82-83]、種類[84]等的定性判別,在定量分析方面,主要是針對(duì)茶葉中的品質(zhì)成分建立定量分析模型,并對(duì)模型效果進(jìn)行評(píng)價(jià)。周昌海[85]采用NIRS對(duì)碧螺春、四川蒙山毛尖、龍井、鐵觀音四種茶葉的茶多酚和咖啡堿含量進(jìn)行無損檢測(cè),結(jié)合化學(xué)計(jì)量學(xué)方法建立了茶多酚和咖啡堿的校正模型,能對(duì)不同種類的茶葉進(jìn)行判別。吳瑞梅等[86]采集不同產(chǎn)地的綠茶,用NIRS快速分析綠茶茶湯酚氨比,對(duì)光譜的特征變量進(jìn)行篩選,建立了酚氨比的估測(cè)模型,結(jié)果表明該方法準(zhǔn)確可靠,可以快速有效估測(cè)綠茶滋味品質(zhì)。劉洪林等[87]將工夫紅茶茶樣的近NIRS與感官審評(píng)評(píng)分結(jié)果建立定量分析預(yù)測(cè)模型,證明該模型預(yù)測(cè)性能較優(yōu),適合于工夫紅茶審評(píng)品質(zhì)評(píng)價(jià)預(yù)測(cè)。綜上眾多研究證明,基于化學(xué)計(jì)量學(xué)的NIRS與感官審評(píng)結(jié)果和傳統(tǒng)理化分析相結(jié)合,能較好的進(jìn)行茶葉品質(zhì)的判別與評(píng)價(jià)。

4 展望

目前,對(duì)于茶葉色香味品質(zhì)的評(píng)價(jià)方法相較過去有了顯著的進(jìn)步與發(fā)展,在傳統(tǒng)的感官審評(píng)與理化品質(zhì)分析的基礎(chǔ)上,研究者們采用智能感官分析方法、色譜指紋圖譜結(jié)合化學(xué)計(jì)量法建立預(yù)測(cè)模型等新方法,在茶葉品質(zhì)的定性、定量方面都取得了積極的效果,但今后還需更深入和廣泛的研究。

運(yùn)用現(xiàn)代智能技術(shù)結(jié)合模式化識(shí)別技術(shù)已經(jīng)成為茶葉品質(zhì)評(píng)價(jià)中一個(gè)重要的研究方向,因此今后還需進(jìn)一步優(yōu)化傳感陣列和特征提取方法,使其對(duì)茶葉色、香、味的特征提取更為靈敏,使檢測(cè)結(jié)果更為準(zhǔn)確。

由于茶葉品質(zhì)是多感官特征綜合的結(jié)果,僅憑一種技術(shù)對(duì)茶葉品質(zhì)進(jìn)行評(píng)價(jià)存在片面性,因此充分運(yùn)用多信息融合技術(shù)和相應(yīng)的統(tǒng)計(jì)方法對(duì)茶葉品質(zhì)進(jìn)行色、香、味、形的全方位綜合評(píng)判,是未來茶葉品質(zhì)評(píng)價(jià)的發(fā)展趨勢(shì)。

目前使用先進(jìn)技術(shù)對(duì)茶葉品質(zhì)的評(píng)價(jià)方法還沒有形成統(tǒng)一的標(biāo)準(zhǔn)和規(guī)范,因此還需要大量的實(shí)驗(yàn)探索與總結(jié)。相信未來在積累了大量經(jīng)驗(yàn)的基礎(chǔ)上,新技術(shù)的檢測(cè)方法能更加成熟,能夠制定穩(wěn)定可靠的檢測(cè)標(biāo)準(zhǔn),從而得到更大范圍的應(yīng)用。