張紅梅，王 俊，余泳昌*，高獻(xiàn)坤，花恒明，何玉靜

(1.河南農(nóng)業(yè)大學(xué)機(jī)電工程學(xué)院，鄭州 450002;2.浙江大學(xué)生物系統(tǒng)工程與食品科學(xué)學(xué)院，杭州 310029)

茶葉香氣由含量少而種類繁多的揮發(fā)性物質(zhì)組成，至今報(bào)道已分離鑒定的有650種［1］。這些研究雖然取得了一定成果，但從定性角度出發(fā)，這些成分分析方法的作用還是非常有限的。長(zhǎng)期以來，茶葉科研工作者都致力于茶葉品質(zhì)的量化識(shí)別研究，期望采用科學(xué)的儀器測(cè)定茶葉，用科學(xué)計(jì)量的品質(zhì)指標(biāo)來評(píng)價(jià)茶葉品質(zhì)。水分、茶多酚、咖啡堿和氨基酸是茶葉中主要品質(zhì)成分，它們影響茶色、茶香和茶味的形成。傳統(tǒng)的茶葉成分測(cè)定方法，比如咖啡堿含量的測(cè)定通常采用碘量法、重量法、紫外分光光度法等，茶多酚含量的測(cè)定通常采用高錳酸鉀滴定法和酒石酸鐵比色法。這些測(cè)定方法需要繁瑣的化學(xué)處理，不僅速度慢、費(fèi)用高、測(cè)定結(jié)果差異大，而且易產(chǎn)生污染、具有破壞性。因此研究綠茶品質(zhì)成分的快速準(zhǔn)確測(cè)定方法具有重要的現(xiàn)實(shí)意義［2］。近年來，電子鼻技術(shù)的興起，讓我們看到了一種通過氣味來評(píng)價(jià)茶葉品質(zhì)的快速無損新方法。于慧春等［3－4］采用電子鼻技術(shù)以5組不同等級(jí)的茶葉、茶水、葉底以及4個(gè)不同等級(jí)的龍井茶為研究對(duì)象，對(duì)茶葉品質(zhì)進(jìn)行了系統(tǒng)研究。Ritaban Dutta等［5］利用電子鼻技術(shù)對(duì)5種不同加工工藝的茶葉進(jìn)行分析和評(píng)價(jià)，結(jié)果表明采用RBF的模式識(shí)別方法時(shí)，可以100%區(qū)分5種不同加工工藝的茶葉。Nabarum Bhattacharyya等［6］用電子鼻技術(shù)對(duì)紅茶發(fā)酵過程中的氣味進(jìn)行實(shí)時(shí)監(jiān)測(cè)，以便預(yù)測(cè)最佳的發(fā)酵時(shí)間，避免發(fā)酵時(shí)間不當(dāng)影響成品茶葉品質(zhì)。Yang Ziyin等［7］檢測(cè)日本綠茶中濃縮香豆素含量以及其獨(dú)特的香氣，結(jié)果表明電子鼻技術(shù)結(jié)合主成分分析和聚類分析方法能正確識(shí)別7個(gè)不同香豆素含量的茶葉樣本。

信陽毛尖茶是中國(guó)十大名茶之一，但有關(guān)它的品質(zhì)檢測(cè)方面的研究報(bào)道并不多。郭桂義等［8－9］對(duì)信陽毛尖的滋味成分進(jìn)行過系統(tǒng)的研究，也探討過信陽毛尖茶春季不同時(shí)期化學(xué)成分與品質(zhì)的變化?；魴?quán)恭等［10］對(duì)比研究了信陽毛尖春茶和夏茶的揮發(fā)性成分的差異。筆者采用電子鼻技術(shù)，對(duì)信陽毛尖茶中咖啡堿的含量進(jìn)行快速檢測(cè)，旨在探討信陽毛尖品質(zhì)和成分的檢測(cè)方法，使茶葉品質(zhì)評(píng)審更加科學(xué)化和定量化。

1 材料和方法

1.1 試驗(yàn)材料

茶葉樣品來自河南信陽同一茶園和采用同一加工工藝的2009年明前信陽毛尖炒青茶，共有3個(gè)品質(zhì)等級(jí)，分別為T1、T2和T3。T1為1級(jí)茶葉、T2為2級(jí)茶葉、T3為3級(jí)茶葉。對(duì)3個(gè)等級(jí)的信陽毛尖茶各取30個(gè)樣品，每個(gè)樣品5 g。這些子樣品分別被盛放在500 mL燒瓶?jī)?nèi)，用保鮮膜密封后，置于25±1℃的室內(nèi)，60 min后進(jìn)行電子鼻頂空取樣。待測(cè)茶葉樣本的揮發(fā)氣味在傳感器陣列室內(nèi)與傳感器陣列反應(yīng)，產(chǎn)生電信號(hào)，通過采集電路把數(shù)據(jù)采集到計(jì)算機(jī)進(jìn)行處理。

1.2 化學(xué)成分測(cè)定

咖啡堿的測(cè)定采用GB8312—87《茶 咖啡堿測(cè)定》，紫外分光光度法(UV－2501紫外分光光度儀)。

1.3 電子鼻

試驗(yàn)是用德國(guó)Airsense公司的PEN2電子鼻，該電子鼻包含有l(wèi)0個(gè)金屬氧化物傳感器組成的陣列。10個(gè)傳感器名稱分別為 W1C、W5S、W3C、W6S、W5C、W1S、W1W、W2S、W2W 和 W3S。傳感器對(duì)不同的化學(xué)成分有不同的響應(yīng)值。響應(yīng)信號(hào)為傳感器接觸到樣品揮發(fā)物后的電導(dǎo)率G與傳感器在經(jīng)過標(biāo)準(zhǔn)活性碳過濾氣體的電導(dǎo)率G0的比值。測(cè)量時(shí)記錄10個(gè)不同選擇性傳感器的G/G0比值，作為進(jìn)一步統(tǒng)計(jì)分析的數(shù)據(jù)。每次測(cè)量前后，傳感器都進(jìn)行清洗，這有效地保證了電子鼻測(cè)量數(shù)據(jù)的穩(wěn)定性和精確度。結(jié)合電子鼻自帶WinMuster軟件對(duì)數(shù)據(jù)進(jìn)行采集、測(cè)量和分析。儀器組成主要包含:傳感器通道、采樣通道、計(jì)算機(jī)。該電子鼻具有自動(dòng)調(diào)整、自動(dòng)校準(zhǔn)及系統(tǒng)自動(dòng)富集的功能。本試驗(yàn)研究中，檢測(cè)時(shí)間設(shè)定為60 s，清洗時(shí)間設(shè)置為90 s，可以基本使傳感器響應(yīng)恢復(fù)到初始狀態(tài)。

2 結(jié)果和討論

2.1 咖啡堿檢測(cè)結(jié)果

咖啡堿是構(gòu)成茶湯滋味的重要物質(zhì)，也是茶葉中主要的藥理活性成分。雖然其本身味苦，但是與多酚類及其氧化產(chǎn)物形成絡(luò)合物以后便具有一種鮮爽滋味。因此，茶葉咖啡堿含量與品質(zhì)之間呈正相關(guān)，咖啡堿含量高，茶葉品質(zhì)好［11］。圖1所示是三個(gè)等級(jí)的信陽毛尖茶咖啡堿含量平均值，從圖1中可以看出，茶葉等級(jí)越高，咖啡堿含量越高。試驗(yàn)結(jié)果與前人研究結(jié)果吻合。

圖1 不同信陽毛尖茶葉等級(jí)的咖啡堿含量

2.2 氣敏傳感器陣列對(duì)不同品質(zhì)茶葉氣味的響應(yīng)

圖2所示是3個(gè)等級(jí)信陽毛尖茶氣味的傳感器陣列響應(yīng)平均值的變化。圖2可以看出傳感器S2對(duì)茶葉氣味反應(yīng)比較大，響應(yīng)值也比較大。傳感器S5正向略偏離1，響應(yīng)值有所增強(qiáng)。傳感器S6和S8負(fù)向偏離1，信號(hào)有所變化。傳感器S1、S3、S4、S7、S9 和S10響應(yīng)值變化不大。從S2的響應(yīng)值看，傳感器對(duì)1級(jí)茶葉響應(yīng)較大，對(duì)3級(jí)茶葉響應(yīng)較小。

圖2 三個(gè)等級(jí)信陽毛尖茶傳感器響應(yīng)值變化

2.3 傳感器陣列的優(yōu)化

對(duì)傳感器陣列所得的原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理后再進(jìn)行傳感器陣列的優(yōu)化。Loading分析用于反應(yīng)因子與各個(gè)變量間的密切程度，常應(yīng)用于指標(biāo)(變量)分類。在電子鼻應(yīng)用中把各個(gè)傳感器當(dāng)成變量，通過Loading分析可以直觀的對(duì)傳感器進(jìn)行分類，為傳感器取舍提供一種依據(jù)［12］。Loading分析結(jié)果如圖3所示。圖3顯示出了，傳感器S7、S5各為為一類，在第二主軸上比重較大;S4和S10為一類，S1、S3、S2、S6、S8 和 S9 為一類在第一主軸的比重較大。下面再通過相關(guān)分析，分析一下各個(gè)傳感器之間的相關(guān)程度。

表1 各傳感器之間的相關(guān)系數(shù)

圖3 Loading分析圖

相關(guān)分析主要用來分析傳感器之間的相關(guān)程度，如果兩個(gè)傳感器測(cè)試結(jié)果的相關(guān)程度大，說明兩個(gè)傳感器包含相似的信息。傳感器之間的相關(guān)程度用相關(guān)系數(shù)來表示，相關(guān)系數(shù)越大，說明傳感器之間的相似程度越大，包含越多的冗余信息，可考慮去除。相關(guān)系數(shù)越小，傳感器之間的相似度越低，傳感器之間包含的冗余信息越少，應(yīng)優(yōu)先考慮［12］。通過相關(guān)分析10個(gè)傳感器之間的相關(guān)系數(shù)如表1所示。通過Loading分析，傳感器S5和S7各為一類，通過計(jì)算S5和S7的相關(guān)系數(shù)為－0.15，說明二者相似程度較少，可以優(yōu)先考慮采用。S4和S10為一類，二者相關(guān)系數(shù)為0.85，相關(guān)系數(shù)較大，說明二者之間的相似程度很大，考慮去除 S4。S1、S2、S3、S6、S8和S9為一類，綜合考慮與其他傳感器之間的相關(guān)系數(shù)以及傳感器對(duì)茶葉響應(yīng)值的大小，在這一類中選擇S2。S2、S7、S10和S5為最終的新傳感器陣列，用于信陽毛尖茶的品質(zhì)識(shí)別。

2.4 PCA 分析

對(duì)傳感器陣列對(duì)信陽毛尖茶葉響應(yīng)值的數(shù)據(jù)矩陣進(jìn)行主成分分析，圖4是前兩個(gè)主成分PC1和PC2組成的二維圖，前兩個(gè)主成分的貢獻(xiàn)率分別為72.89%和17.63%，累計(jì)貢獻(xiàn)率為90.52%。因?yàn)镻CA只對(duì)原始數(shù)據(jù)分析，不考慮分類情況，其區(qū)分情況與品質(zhì)實(shí)際情況一致。按照1級(jí)、2級(jí)、3級(jí)茶葉的情況，可以將不同等級(jí)的茶葉完全區(qū)分開，而且效果比較好。說明電子鼻可以檢測(cè)到不同品質(zhì)信陽毛尖茶的氣味差異。

圖4 不同品質(zhì)茶葉的PCA分析圖

2.5 基于氣敏傳感器陣列的咖啡堿預(yù)測(cè)模型

提取優(yōu)化后的氣敏傳感器陣列 S2、S5、S7和S10四個(gè)傳感器對(duì)信陽毛尖1級(jí)、2級(jí)、3級(jí)茶葉樣品的穩(wěn)態(tài)信號(hào)即45s時(shí)刻的響應(yīng)信號(hào)進(jìn)行分析，所提取的數(shù)據(jù)矩陣為90行4列。每個(gè)等級(jí)茶葉樣品試驗(yàn)時(shí)測(cè)試了30個(gè)子樣品，3個(gè)等級(jí)共90個(gè)試驗(yàn)數(shù)據(jù);從每個(gè)等級(jí)茶葉30個(gè)子樣本中隨機(jī)抽取27個(gè)，共81個(gè)作為訓(xùn)練集，剩余9個(gè)作為測(cè)試集。將4個(gè)傳感器對(duì)信陽毛尖茶的響應(yīng)信號(hào)作為自變量，3個(gè)等級(jí)的茶葉咖啡堿含量作為因變量。利用主成分回歸(PCR)、多元線性回歸(MLR)和二次多項(xiàng)式逐步回歸(QPSR)方法分別建立信陽毛尖茶基于氣敏傳感器陣列的咖啡堿預(yù)測(cè)模型。

在對(duì)S2、S5、S7和S10四個(gè)傳感器對(duì)信陽毛尖1級(jí)、2級(jí)、3級(jí)茶葉樣品的穩(wěn)態(tài)信號(hào)即45 s時(shí)刻的響應(yīng)信號(hào)進(jìn)行主成分分析過程發(fā)現(xiàn)，第一主成分與第二主成分的貢獻(xiàn)率分別為64.27%和27.93%，累積貢獻(xiàn)率達(dá)92.2%，說明前兩個(gè)主成分可以解釋所有變量的信息。所以選擇第一和第二主成分建立回歸模型如下所示。

式(1)中y表示咖啡堿的含量;x1到x4分別表示傳感器S2、S5、S7和S10對(duì)茶葉的響應(yīng)信號(hào)。

模型(1)訓(xùn)練集預(yù)測(cè)值與實(shí)測(cè)值之間的相關(guān)系數(shù)，預(yù)測(cè)標(biāo)準(zhǔn)誤差SEP，平均誤差百分比分別為:0.75、0.17和3.08%。測(cè)試集預(yù)測(cè)值與實(shí)測(cè)值的關(guān)系如圖5所示。預(yù)測(cè)集預(yù)測(cè)值與實(shí)測(cè)值之間的相關(guān)系數(shù)，預(yù)測(cè)標(biāo)準(zhǔn)誤差SEP，平均誤差誤差百分比分別為:0.66、0.32 和 3.42%。

圖5 PCR模型對(duì)測(cè)試集預(yù)測(cè)值與實(shí)測(cè)值的擬合圖

多元線性逐步回歸(MLR)利用4個(gè)傳感器對(duì)茶葉的響應(yīng)信號(hào)建立與茶葉咖啡堿含量之間的多元線性關(guān)系。MLR回歸模型如下:

式(2)中自變量的含義與式(1)相同。

式(2)訓(xùn)練集預(yù)測(cè)值與實(shí)測(cè)值之間的相關(guān)系數(shù)，預(yù)測(cè)標(biāo)準(zhǔn)誤差SEP，平均誤差百分比分別為:0.89、0.12和1.92%。測(cè)試集預(yù)測(cè)值與實(shí)測(cè)值的關(guān)系如圖6所示。預(yù)測(cè)集預(yù)測(cè)值與實(shí)測(cè)值之間的相關(guān)系數(shù)，預(yù)測(cè)標(biāo)準(zhǔn)誤差SEP，平均誤差誤差百分比分別為:0.80、0.19 和 2.8%。

前兩種建模都是線性方法，本文采用二次多項(xiàng)式逐步回歸方法建立傳感器信號(hào)與茶葉咖啡堿含量之間的非線性關(guān)系。即把正交實(shí)驗(yàn)和回歸分析有機(jī)結(jié)合起來，在正交實(shí)驗(yàn)的基礎(chǔ)上利用回歸分析，在給出的因素和指標(biāo)之間，找到一個(gè)明確的函數(shù)表達(dá)式?；貧w模型如下:

圖6 MLR模型對(duì)測(cè)試集預(yù)測(cè)值與實(shí)測(cè)值的擬合圖

式(3)中自變量的含義與式(1)相同。

式(3)訓(xùn)練集預(yù)測(cè)值與實(shí)測(cè)值之間的相關(guān)系數(shù)，預(yù)測(cè)標(biāo)準(zhǔn)誤差SEP，平均誤差百分比分別為:0.96、0.06和1.08%。試集預(yù)測(cè)值與實(shí)測(cè)值的關(guān)系如圖7所示。預(yù)測(cè)集預(yù)測(cè)值與實(shí)測(cè)值之間的相關(guān)系數(shù)，預(yù)測(cè)標(biāo)準(zhǔn)誤差SEP，平均誤差百分比分別為:0.94、0.19 和 2.3%。

圖7 二次多項(xiàng)式逐步回歸模型對(duì)測(cè)試集預(yù)測(cè)值與實(shí)測(cè)值的擬合圖

2.6 PCR、MLR和QPSR模型比較

分別采用PCR、MLR和QPSR三種建模方法建立了基于氣敏傳感器信號(hào)的信陽毛尖茶咖啡堿含量預(yù)測(cè)模型。表2列出了三種模型對(duì)預(yù)測(cè)集的預(yù)測(cè)結(jié)果。由表2可知，QPSR模型的預(yù)測(cè)效果最好，具有最大的相關(guān)系數(shù)和最小的相對(duì)誤差百分比。說明采用非線性方法來建立因素與指標(biāo)之間的關(guān)系，能夠反映二者之間復(fù)雜的非線性關(guān)系以及因素之間的交互作用。MLR模型的預(yù)測(cè)結(jié)果優(yōu)于PCR模型的預(yù)測(cè)結(jié)果，說明前兩個(gè)主成分的累積貢獻(xiàn)率雖然達(dá)到92.2%，但是還有一些重要信息丟失，不能完全解釋4個(gè)氣敏傳感器信息。表中數(shù)據(jù)顯示為:3種模型中二次多項(xiàng)式逐步回歸(QPSR)相關(guān)系數(shù)最大，預(yù)測(cè)標(biāo)準(zhǔn)差最小，相對(duì)誤差百分比最小，由此可以確定，對(duì)于本研究中信陽毛尖茶品質(zhì)的電子鼻分析中，最優(yōu)模型為二次多項(xiàng)式逐步回歸。

表2 不同模型預(yù)測(cè)結(jié)果比較

3 結(jié)論

(1)對(duì)三個(gè)等級(jí)信陽毛尖茶的咖啡堿含量檢測(cè)結(jié)果表明茶葉等級(jí)越高，咖啡堿含量越高。說明咖啡堿含量對(duì)信陽毛尖茶品質(zhì)有很大的影響。

(2)分析3個(gè)等級(jí)信陽毛尖茶氣味的傳感器陣列響應(yīng)值變化發(fā)現(xiàn)，傳感器S2對(duì)茶葉氣味反應(yīng)比較大，響應(yīng)值也比較大，有些傳感器信號(hào)或正向或負(fù)向偏離1，而有些傳感器信號(hào)變化微小。

(3)采用Loading分析和相關(guān)分析對(duì)傳感器陣列進(jìn)行優(yōu)化。Loading分析根據(jù)各個(gè)傳感器間的密切程度，把10個(gè)傳感器分成四類。結(jié)合各傳感器之間的相關(guān)系數(shù)，以及傳感器對(duì)茶葉的響應(yīng)值的大小，選擇S2、S7、S10和S5為最終的新傳感器陣列，用于信陽毛尖茶的品質(zhì)識(shí)別。

(4)對(duì)傳感器陣列對(duì)信陽毛尖茶葉響應(yīng)值的數(shù)據(jù)矩陣進(jìn)行主成分分析，結(jié)果顯示可以將不同等級(jí)的茶葉完全區(qū)分開，而且效果比較好。說明電子鼻可以檢測(cè)到不同品質(zhì)信陽毛尖茶的氣味差異。

(5)利用PCR、MLR和QPSR方法分別建立信陽毛尖茶基于氣敏傳感器陣列的咖啡堿預(yù)測(cè)模型。MLR對(duì)預(yù)測(cè)集的預(yù)測(cè)值與實(shí)測(cè)值之間的相關(guān)系數(shù)，預(yù)測(cè)標(biāo)準(zhǔn)誤差SEP，平均誤差百分比分別為:0.80、0.19和2.8%。PCR對(duì)預(yù)測(cè)集的測(cè)值與實(shí)測(cè)值之間的相關(guān)系數(shù)，預(yù)測(cè)標(biāo)準(zhǔn)誤差SEP，平均誤差百分比分別為:0.66、0.32 和3.42%。QPSR 對(duì)預(yù)測(cè)集預(yù)測(cè)值與實(shí)測(cè)值之間的相關(guān)系數(shù)，預(yù)測(cè)標(biāo)準(zhǔn)誤差SEP，平均誤差百分比分別為:0.94、0.19 和2.3%。

(6)對(duì)比三種模型的性能發(fā)現(xiàn):3種模型中二次多項(xiàng)式逐步回歸(QPSR)相關(guān)系數(shù)最大，預(yù)測(cè)標(biāo)準(zhǔn)差最小，相對(duì)誤差百分比最小，由此可以確定，對(duì)于本研究中信陽毛尖茶品質(zhì)的電子鼻分析中，最優(yōu)模型為二次多項(xiàng)式逐步回歸。

［1］趙菁.綠茶特征香氣成分及與品質(zhì)的關(guān)系研究［D］.浙江大學(xué)，碩士學(xué)位論文，2002.

［2］林新，牛智有，劉梅英，等.近紅外光譜法快速測(cè)定綠茶的4種主要成分［J］.華中農(nóng)業(yè)大學(xué)學(xué)報(bào)，2009，28(4):487－490.

［3］于慧春，王俊.電子鼻技術(shù)在茶葉品質(zhì)檢測(cè)中的應(yīng)用研究［J］.傳感技術(shù)學(xué)報(bào)，2008，21(5):748－752.

［4］于慧春，王俊，張紅梅，等.龍井茶葉品質(zhì)的電子鼻檢測(cè)方法［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2007，38(7):103－106.

［5］Dutta Ritaban，Hines E L，Gardner J W，et al.Tea Quality Prediction Using a Tin Oxide-Based Electronic Nose:an Artificial Intelligence Approach［J］.Sensors and Actuators B，2003，94:228－237.

［6］Nabarun Bhattacharya，Bipan Tudu，Arun Jana，et al.Preemptive I-dentification of Optimum Fermentation Time for Black Tea Using E-lectronic Nose［J］.Sensors and Actuators B，2008，131:110－116.

［7］Yang Ziyin，Dong Fang，Shimizu Kazuo，et al.Identification of Coumarin-Enriched Japanese Green Teas and Their Particular Flavor Using Electronic Nose［J］.Journal of Food Engineering，2009，92:312－316.

［8］郭桂義，胡強(qiáng)，劉黎，等.信陽毛尖茶春季不同時(shí)期化學(xué)成分與品質(zhì)的變化［J］.河南農(nóng)業(yè)科學(xué)，2007，(12):48－50.

［9］郭桂義.信陽毛尖茶化學(xué)成分與品質(zhì)關(guān)系初探［J］.茶葉，2000，26(4):228－233.

［10］霍權(quán)恭，楊京，劉鐘棟，等.信陽毛尖茶葉揮發(fā)性成分GC/MS分析［J］.中國(guó)農(nóng)學(xué)通報(bào)，2005，21(7):108－110.

［11］郭桂義，胡孔鋒，袁丁.信陽毛尖茶的化學(xué)成分研究［J］.食品工業(yè)科技，2006，27(12):162－167.

［12］周海濤，殷勇，于慧春.勁酒電子鼻鑒別分析中傳感器陣列優(yōu)化方法研究［J］.傳感技術(shù)學(xué)報(bào)，2009，22(2):175－178.