鄒光宇，王萬章，王淼森，肖焱中，張紅梅*

（河南農(nóng)業(yè)大學(xué)機(jī)電工程學(xué)院，河南 鄭州 45000 2）

茶葉香氣和滋味是評判茶葉品質(zhì)的兩大因素。電子鼻與電子舌分別是模仿人體嗅覺與味覺機(jī)理研制出來的一種智能識別系統(tǒng)[1-3]，電子鼻與電子舌聯(lián)用可有效分析茶葉香氣和茶湯滋味，達(dá)到對茶葉品質(zhì)的判別。電子鼻具有檢測時間短，樣品預(yù)處理簡單，檢測結(jié)果可靠等優(yōu)點[4]，已應(yīng)用于肉類[5-7]、水果[8-9]、食用油[10]等食品領(lǐng)域，在茶葉香氣的檢測上也有獨特的優(yōu)勢。Tudu等[11]用電子鼻技術(shù)對印度紅茶進(jìn)行分類，結(jié)果表明徑向基神經(jīng)網(wǎng)絡(luò)能有效區(qū)分4 個不同茶園的茶葉；Shi Bolin等[12]對西湖龍井進(jìn)行檢測研究，采用遺傳算法對電子鼻傳感器陣列進(jìn)行優(yōu)化，結(jié)果表明電子鼻可對3 個不同產(chǎn)地的兩類茶葉進(jìn)行識別；Yu Huichun等[13]通過電子鼻檢測干茶葉、茶湯與茶渣以區(qū)分5 種不同采摘時間的茶葉，結(jié)果表明經(jīng)主成分分析（principal component analysis，PCA）特征提取后有效提高線性判別分析與反向傳遞神經(jīng)網(wǎng)絡(luò)對茶葉的區(qū)分度；Qin Zihan等[14]對3 個不同品質(zhì)的中國綠茶、紅茶進(jìn)行識別，結(jié)果顯示電子鼻能清晰快速區(qū)分不同茶葉品質(zhì)差異。

電子舌模擬人的舌頭對樣品進(jìn)行分析，可快速反應(yīng)樣品整體的質(zhì)量信息[15]，在醋類[16]、酒類[17-18]、乳制品[19]等食品領(lǐng)域都有所運用，在茶葉的檢測方面也有廣泛的應(yīng)用。Yan Simin等[20]采用電子舌技術(shù)通過PCA、偏最小二乘判別分析（partial least squares-discriminant analysis，PLS-DA）區(qū)分安吉白茶真假，結(jié)果表明PLSDA分類效果優(yōu)于PCA；Li Yanjie等[21]利用電子舌對4 種不同產(chǎn)地的鐵觀音進(jìn)行區(qū)分，結(jié)果顯示相比于反向傳遞神經(jīng)網(wǎng)絡(luò)，Levenberg-Marquardt訓(xùn)練算法模型對茶葉有更好區(qū)分度；Palit等[22]通過電子舌對比不同預(yù)處理對紅茶分類的影響，結(jié)果發(fā)現(xiàn)電子舌對紅茶具有良好識別能力。

單一的檢測系統(tǒng)信息不夠全面，不能從香氣、滋味等方面多角度反映樣品的信息，電子鼻能夠反映樣品整體氣味信息，電子舌能夠反映樣品的甜、苦、澀、咸等綜合滋味信息，可從不同角度對食品品質(zhì)進(jìn)行檢測評定。徐寶才等[23]采用電子鼻和電子舌分析鹽水鴨風(fēng)味的差異性，陳曉婷等[24]把電子鼻和電子舌優(yōu)化技術(shù)用于藍(lán)圓鲹調(diào)味基料的制備中。Haddi等[25]將電子鼻和電子舌聯(lián)用提高果汁樣品的識別度。Hong Xuezhen等[26]同時使用電子鼻與電子舌對櫻桃汁摻假進(jìn)行檢測。這些研究結(jié)果表明電子鼻、電子舌聯(lián)用比單一的電子鼻和電子舌技術(shù)對樣品有更高的分類識別性能。

目前，多檢測技術(shù)信息融合研究還比較少，尤其是在茶葉品質(zhì)檢測中，對于茶葉品質(zhì)的研究大多只采用單一的檢測技術(shù)，或?qū)Χ鄠€檢測技術(shù)分別單獨分析。本研究采用電子鼻/舌聯(lián)用技術(shù)，從氣味和滋味綜合對茶葉品質(zhì)進(jìn)行識別研究。通過PCA降維對比單一的電子鼻/舌檢測信息與電子鼻/舌聯(lián)用檢測信息，探討一種對茶葉品質(zhì)分類識別能力更強(qiáng)的方法。同時，基于電子鼻/舌融合數(shù)據(jù)建立茶多酚、咖啡堿預(yù)測模型。采用對比多元線性回歸、多元線性逐步回歸以及二次多項式逐步回歸建立回歸預(yù)測模型，并對模型預(yù)測結(jié)果進(jìn)行對比分析。

1 材料與方法

1.1 材料

茶葉樣品為2017年4月河南信陽浉河所摘采的信陽毛尖明前茶，由專業(yè)生產(chǎn)茶葉的廠家按攤放、殺青、揉捻、解塊、理條、初烘、攤涼、復(fù)烘工藝流程進(jìn)行加工。品質(zhì)由高到低分別為特級、一級和二級（T1、T2、T3），實驗前各等級茶葉用錫紙袋密封包裝，置于－4 ℃貯藏。

1.2 儀器與設(shè)備

PEN 3型便攜式電子鼻由德國Airsense 公司生產(chǎn)，主要構(gòu)成部件由傳感器陣列、采樣及清洗通道、數(shù)據(jù)采集系統(tǒng)和計算機(jī)組成。傳感器陣列由10 個金屬氧化物傳感器組成，各傳感器特性及名稱如表1所示。

表1 電子鼻傳感器陣列性能描述Table 1 Performance description of the electronic nose sensor array

SA402B電子舌分析系統(tǒng)由日本Insent公司生產(chǎn)，主要由主機(jī)、傳感器陣列、操作電腦3 部分組成。傳感器陣列是由味覺傳感器和參比電極組成，其中味覺傳感器薄膜電勢是根據(jù)參比電極的變化檢測得出。電子舌自帶軟件可將所測得的各味覺傳感器電勢自動轉(zhuǎn)化為味覺值。味覺傳感器陣列信息如表2所示。

表2 電子舌味覺傳感器陣列性能描述Table 2 Performance description of the electronic tongue sensor array

1.3 方法

1.3.1 茶葉氣味的電子鼻檢測

3 個等級茶葉每個等級有5 個平行樣本，每個平行樣本取3 份共15 個子樣本，每個子樣本為5 g（精確到0.01 g），共45 個子樣本。每個子樣本分別放入250 mL燒杯中雙層薄膜密封靜置45 min。頂空取樣，電子鼻每隔1 s采樣1 次，連續(xù)采樣60 s，清洗時間50 s，可以基本使傳感器響應(yīng)恢復(fù)初始狀態(tài)，在室溫25 ℃完成。

1.3.2 茶葉滋味的電子舌檢測

3 個等級茶葉每個等級有5 個平行樣本，每個平行樣本取3 份共15 個子樣本，每個子樣本為5 g（精確到0.01 g），共45 個子樣本。每個子樣本分別加入250 mL的100 ℃熱水沖泡5 min后過濾成為實驗所用茶湯，茶水比1∶50（g/mL），冷卻至室溫（（25±2）℃）后進(jìn)行電子舌數(shù)據(jù)采集，清洗時間5.5 min，傳感器自檢時間30 s，樣品測試 時間30 s，測 量回味30 s。

1.3.3 理化成分測定

茶多酚含量：參照GB/T 8313—2008《茶葉中茶多酚和兒茶素類含量的檢測方法》采用分光光度法進(jìn)行測定；咖啡堿含量：參照GB/T 8312—2013《茶 咖啡堿測定》采用高效液相色譜法進(jìn)行測定。

1.4 數(shù)據(jù)處理

首先對原始數(shù)據(jù)信息做歸一化處理，歸一化公式如式（1）所示；進(jìn)而采用PCA對比單一儀器與兩者聯(lián)用的檢測效果；然后對電子鼻與電子舌響應(yīng)值做PCA特征提取實現(xiàn)數(shù)據(jù)融合；最后使用融合數(shù)據(jù)對茶多酚與咖啡堿建立多元線性回歸、多元線性逐步回歸、二次多項式逐步回歸模型，對比3 個模型擬合效果，得出較佳預(yù)測模型。PCA由SPSS 21.0軟件完成，多元線性回歸、多元線性逐 步回歸及二次多項式逐步回歸由Matlab 2014a軟件完成。

式中：z為標(biāo)準(zhǔn)分?jǐn)?shù)；x為原始數(shù)據(jù)；μ為平均數(shù)；σ為標(biāo)準(zhǔn)差。

2 結(jié)果與分析

2.1 基于傳感器響應(yīng)的茶葉香氣和滋味分析

分別提取電子鼻傳感器陣列響應(yīng)的穩(wěn)態(tài)平均值，與電子舌味覺傳感器陣列所測得的味覺值作為特征值。如圖1所示，電子鼻傳感器陣列顯示傳感器S6、S7、S9的響應(yīng)值較大，茶葉等級與響應(yīng)值呈負(fù)相關(guān)。這3 個傳感器分別對甲烷、硫化成分及芳香成分反應(yīng)靈敏。傳感器S9響應(yīng)信息可反映出二級茶葉的氣味較為濃郁，特級茶葉氣味較為清淡。同時，雖然傳感器S1、S2、S8響應(yīng)值較為接近，但茶葉等級與響應(yīng)值仍呈良好線性關(guān)系。這3 個傳感器分別對芳香成分、氨氧化合物及乙醇靈敏。其中傳感器S1對芳香氣味的響應(yīng)結(jié)果與傳感器S9結(jié)果一致。

電子舌味覺傳感器陣列顯示3 類茶葉口感較為接近，其中二級茶葉苦、澀味值最高，一級茶葉苦、澀味值最低。茶葉中苦味的主要呈味成分是咖啡堿，咖啡堿是茶葉中主要的生物堿，占茶葉干質(zhì)量的2%～5%[27-28]。澀味的主要呈味成分是茶多酚，其中兒茶素占茶多酚總量的70%～80%，呈苦澀味[29-30]，此外茶多酚中的黃酮類化合物也能增強(qiáng)茶葉的苦澀口感[31]。因而電子舌味覺傳感器給出的苦味值和澀味值，可在一定程度上對茶葉咖啡堿與茶多酚進(jìn)行預(yù)測。在電子舌味覺傳感器酸、鮮味響應(yīng)上茶葉等級呈線性分布，茶葉中酸味來源主要是加工過程中茶葉發(fā)酵導(dǎo)致，鮮味主要是茶葉中部分氨基酸所呈現(xiàn)[32-33]。

圖1 不同品質(zhì)茶葉電子鼻/舌傳感器響應(yīng)雷達(dá)圖Fig. 1 Radar diagram of electronic nose and tongue sensor responses to tea of different qualities

2.2 理化成分分析

茶多酚與咖啡堿是影響茶葉香氣和茶湯滋味的兩大重要因素。如表3所示，各等級茶葉茶多酚含量有明顯變化，茶多酚質(zhì)量分?jǐn)?shù)與茶葉等級呈正相關(guān)。特級毛尖咖啡堿含量最多，一級與二級毛尖咖啡堿含量較少且較為接近。茶多酚、咖啡堿及氨基酸相互作用對茶葉香氣和滋味的影響，是造成茶葉氣味與口感多樣化的重要原因。

2.3 PCA

圖2 3 個等級茶葉PCAFig. 2 Comparison of principal component analysis of different grades of tea

電子鼻與電子舌采集得到的多維數(shù)據(jù)，無法直觀分析茶葉所屬類別，因而采用PCA降低數(shù)據(jù)維度，達(dá)到識別目的。首先分別對電子鼻、電子舌所測數(shù)據(jù)以及電子鼻電子舌所測融合后數(shù)據(jù)做z-score歸一化處理，然后進(jìn)行PCA降維識別。如圖2a所示，電子鼻傳感器陣列響應(yīng)降維后T1、T2、T3茶葉得到初步區(qū)分。PC1與PC2貢獻(xiàn)率分別為75.23%、17.16%，累計解釋方差的92.39%。如圖2b所示，電子舌味覺傳感器陣列響應(yīng)降維后T2、T3茶葉有部分重疊，不能得到較好區(qū)分效果。PC1與PC2的貢獻(xiàn)率分別為46.39%、35.38%，累計解釋方差的81.77%。如圖2c所示，電子鼻與電子舌味覺傳感器陣列數(shù)據(jù)融合降維后T1、T2、T3茶葉區(qū)分度有明顯提升，3 類茶葉的類內(nèi)聚集效果提高。PC1與PC2貢獻(xiàn)率分別為59.91%、24.38%，累計解釋方差的84.29%。通過對比可知，電子鼻檢測可使各類別茶葉得到區(qū)分，但各類茶葉的組內(nèi)聚集效果較差；電子舌檢測使茶葉組內(nèi)聚集效果提升，但茶葉的識別能力下降。而電子鼻與電子舌傳感器的數(shù)據(jù)融合綜合了兩者的優(yōu)點，識別效果優(yōu)于單一儀器的檢測效果。這反映出電子鼻與電子舌聯(lián)用可從嗅覺與味覺2個角度對茶葉品質(zhì)進(jìn)行評判，豐富了茶葉的特征信息，能有效提高對茶葉樣品的分離度。

2.4 電子鼻/舌融合的茶多酚和咖啡堿預(yù)測模型結(jié)果

2.4.1 融合數(shù)據(jù)優(yōu)化結(jié)果

對電子鼻/舌所測得的原始數(shù)據(jù)進(jìn)行數(shù)據(jù)融合含有豐富的茶葉信息特征，但融合后數(shù)據(jù)維度高且含有大量冗余信息，不利于后期數(shù)據(jù)處理，因此需對融合數(shù)據(jù)進(jìn)行優(yōu)化處理。本實驗采用PCA方法分別對電子鼻和電子舌進(jìn)行特征提取。為保證提取的主成分信息保留大量原始變量信息，對累計解釋98%以上的原始變量信息主成分進(jìn)行提取。電子鼻傳感器陣列提取前5 個主成分（X1、X2、X3、X4、X5），可累計解釋原始變量信息的99.36%；電子舌傳感器陣列提取前3 個主成分（X6、X7、X8），可累計解釋原始變量信息的98.48%。將提取后的特征重新組合成一個8 維矩陣。經(jīng)優(yōu)化處理后，新特征矩陣保留原始數(shù)據(jù)大量信息特征，剔除部分冗余信息，降低數(shù)據(jù)維度，可有效減小計算量。

2.4.2 基于融合優(yōu)化后數(shù)據(jù)的茶多酚預(yù)測模型結(jié)果

茶多酚是形成茶葉香氣的主要成分之一，也是茶葉澀味的主要呈味物質(zhì)。對茶多酚建立多元回歸模型以預(yù)測含量。將優(yōu)化后的8個特征值作為自變量、茶多酚含量作為因變量，采用多元線性回歸、多元線性逐步回歸、二次多項式逐步回歸分別建立茶多酚預(yù)測模型，回歸模型分別如式（2）～（4），3 種模型的決定系數(shù)和均方根誤差如表4所示。

式中：TPMLR、TPMSLR、TPQPSR分別代表多元線性回歸、多元線性逐步回歸、二次多項式逐步回歸模型中茶多酚的預(yù)測含量；x1～x8分別對應(yīng)X1～X8主成分值。

表4 茶多酚的3 種回歸模型Table 4 Three regression models for tea polyphenols

3 種回歸模型的P值均小于0.01，表明回歸系數(shù)檢驗顯著，傳感器陣列特征值能有效預(yù)測茶葉中茶多酚的變化規(guī)律。建模集決定系數(shù)顯示3 種回歸模型決定系數(shù)均大于0.99，驗證集決定系數(shù)顯示3 種回歸模型決定系數(shù)均大于0.97，茶多酚預(yù)測值和實測值呈顯著線性相關(guān)。建模集和驗證集均方根誤差顯示預(yù)測值與實際值偏差較小，3 種回歸模型均對茶葉中茶多酚含量有良好的預(yù)測能力。多元線性回歸與多元線性逐步回歸模型旨在尋找多元自變量對因變量的線性關(guān)系，要求自變量與因變量之間的關(guān)系必須是線性的[34]。二次多項式逐步回歸模型預(yù)測效果較佳，回歸后建模集和驗證集的決定系數(shù)分別為0.999、0.975。二次多項式回歸的優(yōu)越性主要在于，把正交試驗與回歸分析相結(jié)合，在原始數(shù)據(jù)的基礎(chǔ)上，生成新的二項 式，考慮數(shù)據(jù)交叉作用結(jié)果[35]。

2.4.3 基于融合優(yōu)化后數(shù)據(jù)的咖啡堿預(yù)測模型

咖啡堿是構(gòu)成茶葉苦味的重要物質(zhì)，對茶葉品質(zhì)有著重要影響。將優(yōu)化后的8 個特征作為自變量、咖啡堿含量作為因變量，其多元線性回歸、多元線性逐步回歸、二次多項式逐步回歸模型分別如式（5）～（7），3 種模型的決定系數(shù)和均方根誤差如表5所示。

式中：CAFMLR、CAFMSLR、CAFQPSR分別代表多元線性回歸、多元線性逐步回歸、二次多項式逐步回歸模型中咖啡堿的預(yù)測含量；x1～x8對應(yīng)X1～X8主成分值。

表5 咖啡堿的3 種回歸模型Table 5 Three regression models for caffeine

3 種回歸模型中的回歸系數(shù)檢驗顯著，P值均小于0.01，表明傳感器陣列特征值能有效預(yù)測茶葉中咖啡堿含量。建模集3 種模型決定系數(shù)均大于0.98，驗證集決定系數(shù)表明多元線性逐步回歸的預(yù)測能力較差，決定系數(shù)僅為0.567。建模集和驗證集均方根誤差偏小表明模型預(yù)測值與實際值較為接近。多元線性回歸和二次多項式逐步回歸模型可對茶葉中咖啡堿進(jìn)行良好預(yù)測，其中二次多項式逐步回歸模型效果較佳，回歸后建模集和驗證集的決定系數(shù)分別為0.985、0.978。

3 結(jié) 論

本實驗采用電子鼻和電子舌結(jié)合理化成分檢測對3 個等級的信陽毛尖茶品質(zhì)進(jìn)行分析，結(jié)果表明：3 個等級茶葉的茶多酚、咖啡堿含量隨茶葉品質(zhì)提升而增加，表明茶多酚、咖啡堿含量與茶葉品質(zhì)呈正相關(guān)。對電子鼻和電子舌傳感器陣列進(jìn)行PCA能有效區(qū)分3 個不同等級的茶葉，電子鼻/舌數(shù)據(jù)融合可顯著提高茶葉品質(zhì)的識別能力。將電子鼻/舌數(shù)融合數(shù)據(jù)對茶多酚和咖啡堿建立多元線性回歸、多元線性逐步回歸、二次多項式逐步回歸模型。結(jié)果顯示傳感器陣列對茶多酚和咖啡堿的建模中，二次多項式逐步回歸模型效果較佳。茶多酚建模集和驗證集的決定系數(shù)分別為0.999、0.975，均方根誤差分別為0.083、0.174；咖啡堿建模集和驗證集的決定系數(shù)分別為0.985、0.978，均方根誤差分別為0.015、0.048。電子鼻/舌聯(lián)用技術(shù)能準(zhǔn)確預(yù)測茶葉品質(zhì)和理化成分含量。