傅嘉敏，耿 琦，王夢(mèng)荷，張麗霞，黃曉琴，韓曉陽(yáng)*

（l 山東農(nóng)業(yè)大學(xué)園藝科學(xué)與工程學(xué)院，山東泰安 271018；2 作物生物學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，山東泰安 271018）

茶樹(shù)是葉用型經(jīng)濟(jì)作物，耗氮量較高。缺氮茶樹(shù)不僅生長(zhǎng)緩慢、葉片變黃、產(chǎn)量降低[1]，而且茶葉香氣低、不耐沖泡、滋味較苦澀[2]，因此缺氮會(huì)對(duì)茶樹(shù)生長(zhǎng)及茶葉品質(zhì)產(chǎn)生負(fù)面影響?？焖龠M(jìn)行茶樹(shù)氮營(yíng)養(yǎng)診斷是茶樹(shù)科學(xué)施肥的重要前提。已有植物氮素營(yíng)養(yǎng)診斷方法主要包括植株外部形態(tài)診斷、植株全氮診斷、植株硝酸鹽診斷[3-4]。這些方法操作過(guò)程復(fù)雜，消耗的人力物力多，且缺乏時(shí)效性。隨著檢測(cè)新技術(shù)的不斷出現(xiàn)，無(wú)損診斷技術(shù)逐漸被應(yīng)用到氮素診斷中，如葉綠素儀法、葉綠素?zé)晒饧夹g(shù)[5]、遙感技術(shù)等[6]。

植物葉片內(nèi)均含有一定量的揮發(fā)性物質(zhì)，其產(chǎn)生與植物的種類(lèi)和栽培管理有直接關(guān)聯(lián)。一般而言，茶樹(shù)鮮葉中含有的揮發(fā)性物質(zhì)種類(lèi)較成品茶少，大多屬于低沸點(diǎn)、低分子量的烷烴、醇、醛及萜類(lèi)化合物等物質(zhì)。在茶樹(shù)生長(zhǎng)發(fā)育過(guò)程中，氮可直接或間接影響鮮葉內(nèi)游離香氣的組成和含量。因此，茶樹(shù)鮮葉的氣味物質(zhì)組分及含量，可反映茶樹(shù)的氮營(yíng)養(yǎng)狀況。同時(shí)，茶樹(shù)在缺氮下葉片呈現(xiàn)不同程度的黃化現(xiàn)象，從而引起葉片表面顏色的變化，因此也可以利用顏色對(duì)茶樹(shù)葉片缺氮狀況進(jìn)行評(píng)價(jià)。電子鼻是一種模擬人類(lèi)嗅覺(jué)系統(tǒng)的人工智能電子儀器，可以用來(lái)測(cè)量一種或多種物質(zhì)的氣體敏感系統(tǒng)，被廣泛應(yīng)用于肉類(lèi)[7]、酒類(lèi)[8]的品質(zhì)評(píng)價(jià)和蘋(píng)果[9]、梨[10]、茶葉[11]等農(nóng)產(chǎn)品品質(zhì)評(píng)價(jià)的研究。分光測(cè)色儀具有檢測(cè)速度快、精度高、適合在實(shí)驗(yàn)室環(huán)境及生產(chǎn)環(huán)境中離線操作等優(yōu)點(diǎn)，利于實(shí)際應(yīng)用推廣。通過(guò)電子鼻與分光測(cè)色儀來(lái)檢測(cè)茶樹(shù)葉片的氣味和顏色，能夠更加全面快速地反映葉片的缺氮程度。但目前尚無(wú)將電子鼻與分光測(cè)色儀相結(jié)合來(lái)識(shí)別茶樹(shù)葉片氮含量的報(bào)道。

本文以電子鼻和分光測(cè)色儀檢測(cè)技術(shù)為基礎(chǔ)，研究氣味和顏色與茶樹(shù)葉片氮含量的關(guān)系，通過(guò)提取反映氣味與顏色的特征參數(shù)，建立基于氣味與顏色的氮含量預(yù)測(cè)模型，從而確立一種茶樹(shù)葉片氮含量簡(jiǎn)便易行的檢測(cè)方法。

1 材料與方法

1.1 試驗(yàn)材料

供試茶樹(shù)葉片來(lái)自山東省泰安市東興農(nóng)業(yè)有限公司茶園。將茶樹(shù)葉片按葉色分為黃色 (Y)、黃綠色(YG)、綠色 (G)、深綠色 (DG) 四個(gè)等級(jí) (圖 1)。試驗(yàn)所用樣品為茶樹(shù)頂芽向下第3～4片無(wú)損傷葉片。取樣后立即送回實(shí)驗(yàn)室進(jìn)行測(cè)定。

1.2 電子鼻系統(tǒng)及檢測(cè)參數(shù)優(yōu)化

圖 1 不同等級(jí)茶樹(shù)葉片F(xiàn)ig. 1 Color of tea leaf in different grades

試驗(yàn)以綠色 (G) 等級(jí)的茶樹(shù)鮮葉為研究對(duì)象進(jìn)行電子鼻參數(shù)優(yōu)化。20片葉為一個(gè)試驗(yàn)樣本 (課題組前期預(yù)備試驗(yàn)發(fā)現(xiàn)，20片葉所得結(jié)果最佳，過(guò)多過(guò)少都會(huì)降低檢測(cè)的準(zhǔn)確性)，樣本質(zhì)量控制在 (5.0 ± 1.0) g。采摘后立刻將茶葉樣品放入盛有吸水紙和Na2CO3(烘干后使用) 的三角瓶中用錫箔紙封口，采用頂空吸氣法利用PEN3型便攜式仿生電子鼻系統(tǒng) (PEN3，Airsense Analytics GmbH，Germany) 進(jìn)行氣體檢測(cè)分析，PEN3具有十個(gè)金屬氧化物傳感器，如表1所示。

本試驗(yàn)主要優(yōu)化因子為氣體收集器體積、頂空預(yù)熱溫度、頂空時(shí)間。氣體收集瓶體積試驗(yàn)設(shè)50、100、150 mL 3個(gè)處理；頂空預(yù)熱溫度試驗(yàn)設(shè)30、40、50、60、70、80℃ 6個(gè)處理；頂空時(shí)間試驗(yàn)設(shè)5、10、15、20、25、30 min 6個(gè)處理。每組有20次重復(fù)。

電子鼻檢測(cè)參數(shù)為傳感器清洗時(shí)間100 s，自動(dòng)調(diào)零時(shí)間10 s，樣品準(zhǔn)備時(shí)間5 s，樣品測(cè)定間隔時(shí)間1 s，內(nèi)部流量300 mL/min，進(jìn)樣流量300 mL/min，將80～83 s處的信號(hào)作為傳感器信號(hào)分析的時(shí)間點(diǎn)。每次測(cè)量前后，傳感器進(jìn)行清洗和標(biāo)準(zhǔn)化。

1.3 茶樹(shù)葉片色度檢測(cè)

本試驗(yàn)使用美能達(dá)CM-5分光色差儀對(duì)茶樹(shù)葉片色度值進(jìn)行測(cè)定。樣品的測(cè)量部位是葉肉區(qū)，每組20次重復(fù)。色度值主要包括L、a、b值。L表示黑白或者亮暗，+為偏白或亮，-為偏黑或暗；a表示紅綠，+為偏紅，-為偏綠；b表示黃藍(lán)，+為偏黃，-為偏藍(lán)。

1.4 茶葉葉片總氮含量測(cè)定

用凱氏定氮法[12]測(cè)定茶葉總氮含量。稱(chēng)磨細(xì)烘干的茶葉樣品 (過(guò)0.25～0.50 mm篩) 0.4 g。然后加入濃硫酸，置于消化爐上進(jìn)行消化，最后得到消化液。取消化液5 mL，置于50 mL容量瓶中，加入5 mL 40% NaOH溶液和5 mL含有混合指示劑的硼酸溶液進(jìn)行蒸餾。用0.025 mol/L H2SO4標(biāo)準(zhǔn)液對(duì)蒸餾液進(jìn)行測(cè)定。

1.5 數(shù)據(jù)的提取、處理及模型建立

1.5.1 電子鼻傳感器數(shù)據(jù)特征值的提取 電子鼻傳感器響應(yīng)值表示方法：Ri= G/G0。式中，Ri為第i個(gè)傳感器輸入的信號(hào)比值；G為傳感器接觸到樣品揮發(fā)物后的電阻量 (Ω)；G0為傳感器在零氣 (經(jīng)過(guò)標(biāo)準(zhǔn)活性碳過(guò)濾后的氣體) 中的電阻量 (Ω)。

1.5.2 數(shù)據(jù)處理 采用電子鼻自帶Winmuster軟件將經(jīng)過(guò)優(yōu)化后的傳感器響應(yīng)特征值進(jìn)行主成分分析(principal component analysis，PCA)、線性判別法分析 (linear discriminant analysis，LDA) 和負(fù)荷加載分析 (loadings analysis，LA)。采用Origin 8.0軟件對(duì)測(cè)色儀L、a、b值分別進(jìn)行一元線性回歸分析 (one variant linear regression analysis)。利用SPSS 16.0軟件采用LSD法進(jìn)行單因素方差分析 (one-way Anova)，并進(jìn)行t檢驗(yàn)。

表1 PEN3型電子鼻傳感器性能Table 1 Sensor sensitivities of the PEN3 e-nose

1.5.3 模型的建立及驗(yàn)證 每個(gè)等級(jí)葉片選擇50個(gè)樣本用于建立模型。另外隨機(jī)選擇30個(gè)樣本對(duì)所建模型進(jìn)行驗(yàn)證測(cè)試。采用SPSS 16.0軟件建立氣味—氮含量、顏色—氮含量、氣味顏色—氮含量線性回歸模型。通過(guò)模型的預(yù)測(cè)值與實(shí)際測(cè)定值對(duì)比，驗(yàn)證預(yù)測(cè)模型的準(zhǔn)確性。

2 結(jié)果與分析

2.1 電子鼻傳感器優(yōu)化

由于10個(gè)傳感器所側(cè)重檢測(cè)的氣體成分不同，因此電子鼻傳感器對(duì)茶樹(shù)葉片氣味物質(zhì)的響應(yīng)存在差異。由圖2-a、b、c可見(jiàn)，在頂空時(shí)間、氣體收集器的容積、頂空預(yù)熱溫度三個(gè)優(yōu)化參數(shù)中，S2、S6、S7、S8、S9五個(gè)傳感器的響應(yīng)值發(fā)生了較大的變化。在頂空時(shí)間參數(shù)中，傳感器S2、S6、S7、S8、S9的響應(yīng)值變化范圍分別為2.84～8.40、2.29～3.33、3.48～9.34、1.42～1.87、2.64～5.85。在氣體收集器容積參數(shù)中，傳感器S2、S6、S7、S8、S9的響應(yīng)值變化范圍分別為2.74～2.94、2.31～2.64、3.20～3.49、1.47～1.56、2.67～2.80。在頂空溫度參數(shù)中，傳感器S2、S6、S7、S8、S9的響應(yīng)值變化范圍分別為2.94～12.15、2.51～6.23、3.48～13.35、1.56～2.92、2.78～8.76。從三個(gè)參數(shù)中的響應(yīng)值來(lái)看，S2、S7、S9大于S6、S8。此外，S1、S3、S4、S5、S10 五個(gè)傳感器響應(yīng)值均在1.0左右，表明這些傳感器對(duì)氣體物質(zhì)的響應(yīng)不敏感。

過(guò)載分析通常用來(lái)考察傳感器對(duì)模型PCA數(shù)據(jù)空間分布的影響，據(jù)此可判定模型中傳感器區(qū)分能力的大小。通常傳感器坐標(biāo)值離原點(diǎn) (0，0) 越遠(yuǎn)，傳感器區(qū)分樣品的能力越大。由圖2d可知，對(duì)葉片氣味識(shí)別能力最大的傳感器為S6，其次為S9、S7、S2、S8，其他傳感器沒(méi)有明顯的識(shí)別能力。葉片揮發(fā)物氣體的主要成分為甲烷、有機(jī)硫化物、無(wú)機(jī)硫化物、氮氧化合物和醇類(lèi)、醛類(lèi)、酮類(lèi)。依據(jù)表1中各傳感器的敏感成分，選擇S2、S6、S7、S8、S9為后續(xù)試驗(yàn)主要傳感器。

2.2 前處理優(yōu)化

電子鼻傳感器響應(yīng)信號(hào)除受到外界環(huán)境及自身特性的影響外，還受到氣體收集容器內(nèi)壓強(qiáng)及揮發(fā)性物質(zhì)濃度的影響，因此，收集容器的大小直接影響傳感器的信號(hào)識(shí)別。PCA分析可見(jiàn)，50、100、150 mL氣體收集容器的氣味位點(diǎn)兩兩重疊 (圖3 a-1)，LDA分析發(fā)現(xiàn)，容器體積為100 mL和150 mL處理的氣味位點(diǎn)有重疊，而50 mL處理的氣味位點(diǎn)較為集中，區(qū)分明顯 (圖3 a-2)。因此，試驗(yàn)選取50 mL為最終氣體收集器體積。

由不同PCA分析來(lái)看，頂空預(yù)熱溫度為30℃的氣味位點(diǎn)比較集中，而50、60、70、80℃處理氣味位點(diǎn)群內(nèi)離散程度大 (圖3 b-1)。LDA數(shù)據(jù)分析可見(jiàn)，30℃和40℃的氣味位點(diǎn)可以清楚區(qū)分開(kāi)。但當(dāng)溫度升高后處理間出現(xiàn)重疊區(qū)域 (圖3 b-2)?？傮w來(lái)看，溫度較低時(shí)，樣品氣味位點(diǎn)較為集中，無(wú)重疊區(qū)域，且區(qū)分明顯。因此，基于PCA和LDA數(shù)據(jù)分析，頂空預(yù)熱溫度最終選擇為30℃。

由圖3 c-1和c-2數(shù)據(jù)分析來(lái)看，30 min處理樣品點(diǎn)數(shù)據(jù)離散程度小，并且與其他處理無(wú)重疊，其它幾組處理都有重疊區(qū)域。因此，試驗(yàn)最終選取頂空時(shí)間為30 min。

2.3 茶樹(shù)鮮葉的電子鼻檢測(cè)

取80～83s時(shí)間點(diǎn)的氣味響應(yīng)值數(shù)據(jù)進(jìn)行PCA和LDA分析 (圖4)。在PCA分析中第1主成分和第2主成分總的貢獻(xiàn)率為99.37%。黃綠色葉片 (YG) 分析結(jié)果與黃色 (Y)、綠色 (G) 和深綠色 (DG) 葉片有小部分重疊，說(shuō)明在一定程度上利用PCA分析法可將不同氮素含量的茶樹(shù)葉片用電子鼻進(jìn)行區(qū)分。由LDA分析可知，2個(gè)判別因子累計(jì)貢獻(xiàn)率82.89%，DG能夠與其它處理區(qū)分開(kāi)，但距離較近，表明不同氮素含量的茶樹(shù)葉片所揮發(fā)的氣體組分存在一定的相似性。

2.4 茶樹(shù)葉片色度檢測(cè)

隨氮素缺乏程度的加重，茶樹(shù)葉片表面顏色從綠色逐漸變成黃色。圖5表明，色度值參數(shù)的選擇影響色度值與葉片氮含量的相關(guān)性。在Lab表色系統(tǒng)中，+b表示黃色，+b值越大表示所測(cè)樣品黃色程度越重。本試驗(yàn)中b值 (表示黃藍(lán)) 均大于0，與總氮含量呈現(xiàn)線性相關(guān)，且其決定系數(shù)為0.9204，說(shuō)明b值與葉片黃化有極顯著的相關(guān)性。L值 (黑白)與葉片總氮含量的線性相關(guān)性最低，a值 (紅綠) 雖然呈現(xiàn)出一定的線性，但決定系數(shù)低于b值。因此，b值可以作為判斷葉片氮含量的一個(gè)標(biāo)志 (圖5)。

2.5 葉片氮含量預(yù)測(cè)模型的建立

2.5.1 建模因子的單因素方差分析 優(yōu)化后的電子鼻傳感器S2、S6、S7、S8、S9和測(cè)色儀b值與茶樹(shù)葉片氮含量的P值均小于0.05，表明各因子與氮含量存在極顯著的相關(guān)性，可以利用表2中因子進(jìn)行建模。

圖 2 10個(gè)傳感器對(duì)不同優(yōu)化條件下樣品的響應(yīng)值曲線及過(guò)載分析Fig. 2 Response curve and loading analysis of 10 different sensors for samples under different optimized conditions

圖 3 電子鼻80～83 s時(shí)間點(diǎn)氣味數(shù)據(jù)的主成分分析 (PCA) 及線性判別分析 (LDA)Fig. 3 PCA and LDA analysis of odor intensity data by electronic nose at 80-83 s

圖 4 PCA和LDA方法分析的四類(lèi)顏色葉片電子鼻氣味響應(yīng)值的分布Fig. 4 Odor intensity distribution of the four colors of fresh tea leaves by electric nose based on PCA and LDA

圖 5 茶樹(shù)葉片氮素含量與L、a、b值線性回歸Fig. 5 Linear regression of nitrogen contents of tea leaves with L, a and b values

2.5.2 三種葉片氮含量預(yù)測(cè)模型的建立 1) 基于氣味的葉片氮含量預(yù)測(cè)模型，即選取響應(yīng)值較大的S2、S6、S7、S8、S9號(hào)傳感器響應(yīng)值 (R2、R6、R7、R8、R9) 對(duì)不同氮含量葉片建立預(yù)測(cè)模型。基于氣味的茶樹(shù)葉片氮含量 (Y) 預(yù)測(cè)模型為：Y =216.496 - 109.843R2 - 41.831R6 + 0.205R7 -17.857R8 - 43.696R9。由表3模型Ⅰ可見(jiàn)，P值小于0.05，表明該模型線性相關(guān)顯著。

2) 基于顏色的葉片氮含量預(yù)測(cè)模型，即將b值與葉片氮含量相結(jié)合建立預(yù)測(cè)模型。基于顏色的不同氮素含量葉片判別模型為：Y = 5.052 - 0.058b。將b值帶入上式，得出的Y值即判為該葉片氮素含量。由表3中模型Ⅱ可見(jiàn)，P值小于0.05，說(shuō)明該模型具有顯著性。

3) 基于氣味、顏色的葉片氮含量預(yù)測(cè)模型，即基于氣味結(jié)合顏色兩個(gè)測(cè)定值的茶樹(shù)葉片氮素含量預(yù)測(cè)模型為：Y = 29.663 - 17.207R2 + 7.843R6 -9.117R7 + 1.853R8 - 7.894R9 - 0.061b。將響應(yīng)值R2、R6、R7、R8、R9、b值帶入上式，得出的Y值即判為該葉片氮素含量。由表3中模型Ⅲ可見(jiàn)，P值小于0.05，說(shuō)明該模型具有顯著性。

表2 傳感器及色差值對(duì)茶樹(shù)葉片氮含量的方差分析Table 2 Anova analysis of nitrogen contents of tea leaves by sensors and chromatic aberration value

表3 三種預(yù)測(cè)模型的方差分析Table 3 Anova analysis of three prediction models

2.5.3 預(yù)測(cè)模型驗(yàn)證 三種模型分別利用30個(gè)樣本氮素含量的預(yù)測(cè)值和實(shí)測(cè)值的差異驗(yàn)證模型的準(zhǔn)確率 (表4)。模型Ⅰ和模型Ⅱ中各有6個(gè)樣本的預(yù)測(cè)值與測(cè)定值相差較大，模型準(zhǔn)確率均為80%。模型Ⅲ中有3個(gè)樣本的預(yù)測(cè)值與測(cè)定值相差較大，模型準(zhǔn)確率為90%。通過(guò)比較以上3種葉片氮素含量預(yù)測(cè)模型的準(zhǔn)確率可以看出，氣味結(jié)合顏色建立的模型準(zhǔn)確率最高。因此，氣味結(jié)合顏色的預(yù)測(cè)模型較優(yōu)。

3 討論

電子鼻作為一種非常有潛力的鑒別工具，在食品、農(nóng)產(chǎn)品檢測(cè)領(lǐng)域得到廣泛應(yīng)用。電子鼻中不同傳感器對(duì)樣品的識(shí)別貢獻(xiàn)率存在著較大的差異。殷勇等[13]基于響應(yīng)信號(hào)的積分值、平均微分值、相對(duì)穩(wěn)態(tài)平均值的表征變量對(duì)傳感器進(jìn)行了篩選，從而減少了信息冗余及計(jì)算復(fù)雜度，最終對(duì)霉變玉米最低鑒別正確率均在96%以上。唐琳等[14]確定了反映脊尾白蝦新鮮度變化的5個(gè)氣敏傳感器，通過(guò)傳感器數(shù)據(jù)建立的預(yù)測(cè)模型準(zhǔn)確率可達(dá)92%以上?？梢?jiàn)傳感器的篩選對(duì)于電子鼻對(duì)樣品的識(shí)別度有極為重要的意義。本試驗(yàn)首先優(yōu)化了電子鼻的10個(gè)傳感器，確定了S2、S6、S7、S8、S9 作為最終的傳感器，以此建立了可以預(yù)測(cè)茶樹(shù)葉片氮含量的模型，預(yù)測(cè)準(zhǔn)確率可達(dá)到80%。

氣敏傳感器的響應(yīng)受到揮發(fā)性物質(zhì)的成分、濃度和壓強(qiáng)的影響，其中濃度和壓強(qiáng)則在電子鼻取樣的過(guò)程中，是可能隨時(shí)間變化的。本試驗(yàn)50 mL處理相對(duì)于100 mL、150 mL處理樣點(diǎn)能夠清晰區(qū)分，其原因可能是容器容積越大，頂空生成時(shí)間內(nèi)所形成的頂空氣體濃度越低，電子鼻傳感器對(duì)氣味的敏感度降低。而50 mL容器體積能夠在頂空時(shí)間內(nèi)聚集濃度較高的氣體揮發(fā)物，瓶?jī)?nèi)壓強(qiáng)較大，有利于傳感器對(duì)氣體揮發(fā)物的捕捉檢測(cè)。其次，在試驗(yàn)中頂空預(yù)熱溫度的不同，電子鼻傳感器靈敏度也存在差異。傳感器對(duì)30℃和40℃的樣品區(qū)分效果較好。雖然預(yù)熱溫度較低，收集器中揮發(fā)性物質(zhì)成分的濃度降低，但同時(shí)水汽含量減少，削弱了水汽對(duì)傳感器敏感性的影響。當(dāng)樣品溫度升高 (50℃～80℃)，水汽成分增大，雖然試驗(yàn)中添加了吸收水分的設(shè)置，但在一定程度上掩蓋了不同組分間在揮發(fā)性物質(zhì)成分上的差異，極大地影響了某些傳感器的敏感性，造成樣品的組內(nèi)離差變大，組間離差變小。此外，本試驗(yàn)還發(fā)現(xiàn)頂空生成時(shí)間較長(zhǎng)的樣品 (頂空30 min)，其區(qū)分度較高，這也與頂空生成時(shí)間的增加使樣品氣體揮發(fā)物的濃度增高，有利于電子鼻傳感器對(duì)揮發(fā)物的區(qū)分識(shí)別有關(guān)。

茶樹(shù)鮮葉中揮發(fā)性芳香物質(zhì)的種類(lèi)及含量對(duì)于成品茶香氣的最后形成意義重大。一般而言，茶樹(shù)鮮葉中揮發(fā)性香氣物質(zhì)較成品茶少，大約有80余種[15]，大多屬于低沸點(diǎn)、低分子量的香氣物質(zhì)，如反-2-庚烯醛、順-3-己烯-1-醇、己醇等[16-17]。這些化合物為植物葉片提供“綠葉”、“青草”或“新鮮植物”味[18]。氮素不僅可以影響茶葉的產(chǎn)量和質(zhì)量，還可影響揮發(fā)性化合物關(guān)鍵前體的合成[19-20]。因此，合理的施氮量均有利于香氣成分的合成[21]。過(guò)少或不施氮?jiǎng)t影響前體物向芳香成分的轉(zhuǎn)化，導(dǎo)致芳香物質(zhì)含量低[16,22-23]。因此，通過(guò)對(duì)氣體揮發(fā)物的測(cè)定來(lái)預(yù)測(cè)氮素含量是可行的。本試驗(yàn)發(fā)現(xiàn)呈現(xiàn)一定缺氮程度的葉片不能被電子鼻顯著區(qū)分開(kāi)，其原因可能是葉片的主要揮發(fā)性物質(zhì)比較相近，傳感器無(wú)法識(shí)別Y、YG、G處理三者共有香氣組分的差異，從而導(dǎo)致LDA分析中有部分重合。因此，下一步我們將用多特征融合模式更有效地表征電子鼻對(duì)茶樹(shù)葉片的響應(yīng)信息，有利于提高鑒別的正確率。

表4 基于不同預(yù)測(cè)模型的葉片氮含量預(yù)測(cè)值及測(cè)定值 (%)Table 4 N content of tea leaves by the three model prediction and measurement

4 結(jié)論

1) 采用電子鼻測(cè)定葉片氮素含量時(shí)，鮮葉樣品前處理的適宜條件為氣體收集器體積為50 mL、頂空預(yù)熱溫度為30℃、頂空時(shí)間為30 min；傳感器型號(hào)以S2、S6、S7、S8、S9較為適宜；以表征黃藍(lán)的b值作為分光測(cè)色儀檢測(cè)茶樹(shù)葉片氮含量的指標(biāo)較為敏感。

2) 基于氣味、顏色以及二者結(jié)合建立的葉片氮含量預(yù)測(cè)模型中，以氣味與顏色相結(jié)合的氮含量預(yù)測(cè)模型的準(zhǔn)確率最高，達(dá)到90%。因此，進(jìn)行茶葉氮素營(yíng)養(yǎng)診斷時(shí)，建議采用氣味和顏色兩個(gè)指標(biāo)，以提高檢測(cè)的準(zhǔn)確率。