何 維，王 進(jìn)，黃九明，陸國(guó)棟，唐小林，李文萃

（1. 浙江大學(xué)流體動(dòng)力與機(jī)電系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室，浙江杭州 310027；2. 中華全國(guó)供銷合作總社杭州茶葉研究院，浙江杭州 310016）

0 引言

殺青是綠茶生產(chǎn)中最重要的環(huán)節(jié)，而綠茶殺青狀態(tài)以人工監(jiān)測(cè)為主。人為監(jiān)測(cè)存在判斷標(biāo)準(zhǔn)不統(tǒng)一、主觀性太強(qiáng)等問(wèn)題，從而導(dǎo)致生產(chǎn)的茶葉質(zhì)量參差不齊，降低經(jīng)濟(jì)收益，并浪費(fèi)資源[1]。因此，研究綠茶殺青狀態(tài)的在線監(jiān)測(cè)技術(shù)對(duì)推動(dòng)我國(guó)綠茶加工的標(biāo)準(zhǔn)化、智能化、信息化具有重要意義。

茶葉加工狀態(tài)在線監(jiān)測(cè)主要通過(guò)3 種方式實(shí)現(xiàn)，其一為計(jì)算機(jī)視覺(jué)技術(shù)，通過(guò)采集茶葉加工過(guò)程中茶葉的紋理、色彩等信息進(jìn)行狀態(tài)識(shí)別[2-12]；其二為近紅外光譜技術(shù)，通過(guò)采集茶葉的光譜圖像信息進(jìn)行識(shí)別[13-18]；其三為電子鼻技術(shù)，通過(guò)采集茶葉的香氣數(shù)據(jù)進(jìn)行狀態(tài)識(shí)別[19-23]。目前，茶葉加工過(guò)程中主要以檢測(cè)殺青、發(fā)酵2 個(gè)環(huán)節(jié)為主，其中發(fā)酵過(guò)程時(shí)間長(zhǎng)，茶葉相對(duì)靜止，通過(guò)圖像、光譜、電子鼻等技術(shù)研究較多。但殺青是個(gè)動(dòng)態(tài)翻炒的過(guò)程，時(shí)間短，通過(guò)圖像和香氣在線檢測(cè)難度高，目前主要以近紅外光譜檢測(cè)含水率為主。

近紅外光譜儀精度高的價(jià)格大多在10 萬(wàn)元以上；電子鼻產(chǎn)品種類也較少，主要以德國(guó)AIRSENSE 的PEN 系列電子鼻，價(jià)格也要幾十萬(wàn)元，這嚴(yán)重制約了茶葉在線品質(zhì)監(jiān)測(cè)的應(yīng)用。因此，采用自主研發(fā)電子鼻來(lái)降低成本。近年來(lái)，費(fèi)舍爾判別法因其所需樣本庫(kù)較少、模型簡(jiǎn)單等特點(diǎn)，已被廣泛應(yīng)用于各類情況的監(jiān)測(cè)與預(yù)測(cè)[24-28]?；诖?，通過(guò)電子鼻技術(shù)采集綠茶殺青過(guò)程中的香氣數(shù)據(jù)，并采用費(fèi)舍爾判別法建立綠茶殺青狀態(tài)判別模型，為綠茶殺青狀態(tài)的在線監(jiān)測(cè)提供方法。

1 試驗(yàn)設(shè)置

1.1 試驗(yàn)原料與設(shè)備

實(shí)驗(yàn)所用茶鮮葉原料為浙江武義更香茶廠提供的烏牛早品種，采摘時(shí)間為9 月上旬。為盡可能保證鮮葉原料質(zhì)量的同一性，選取連續(xù)2 日上午采摘的茶葉進(jìn)行香氣數(shù)據(jù)采集。綠茶加工流程為鮮葉、攤放、殺青、揉捻、干燥。茶鮮葉采摘進(jìn)廠后平鋪8 cm 進(jìn)行攤青，攤青適度后，作為殺青葉的原料。

采集茶香氣數(shù)據(jù)的電子鼻系統(tǒng)為實(shí)驗(yàn)室自主研制，主要包含有傳感器陣列、反應(yīng)室氣腔、微型吸氣泵、采集芯片、干燥管、電源模塊、整機(jī)控制系統(tǒng)和PC 分析端。

實(shí)驗(yàn)室自制電子鼻見(jiàn)圖1。

圖1 實(shí)驗(yàn)室自制電子鼻

傳感器陣列是電子鼻設(shè)備的核心部件，其合理性嚴(yán)重影響電子鼻性能。茶葉香氣的成分主要有醇類、醛類、酯類、酮類、烯烴、酸類及其他有機(jī)氣體。因此，根據(jù)成分初步選擇了15 個(gè)傳感器組成陣列。

傳感器型號(hào)及參數(shù)見(jiàn)表1，傳感器陣列見(jiàn)圖2。

表1 傳感器型號(hào)及參數(shù)

殺青設(shè)備采用福建佳友JY-6CST-90B 型液化氣殺青機(jī)，該機(jī)型滾筒內(nèi)徑90 cm，長(zhǎng)度108 cm，處理量為78 kg/h，單周期投放茶葉10 kg 左右，能控制殺青溫度，且能自動(dòng)翻炒，單口進(jìn)出茶葉，因此炒青過(guò)程中，在進(jìn)出口前就可以收集到連續(xù)可靠的數(shù)據(jù)。

香氣采集現(xiàn)場(chǎng)見(jiàn)圖3。

圖2 傳感器陣列

圖3 香氣采集現(xiàn)場(chǎng)

1.2 試驗(yàn)步驟

綠茶殺青在線監(jiān)測(cè)的目的是對(duì)茶葉殺青狀態(tài)進(jìn)行實(shí)時(shí)檢測(cè)，依據(jù)檢測(cè)結(jié)果反饋回設(shè)備，調(diào)節(jié)設(shè)備加工參數(shù)，達(dá)到茶葉加工的智能化生產(chǎn)。因此，首先將綠茶殺青狀態(tài)劃分為3 個(gè)狀態(tài)，分別為殺青不足、殺青適中、殺青過(guò)頭。殺青不足時(shí)，葉色青綠，葉質(zhì)硬，香氣清淡；殺青適中時(shí)，葉色變暗，葉質(zhì)逐漸柔軟萎焉，香氣顯露并逐漸濃郁；殺青過(guò)頭時(shí)，葉色發(fā)黑，葉片卷曲干焦。采集殺青全過(guò)程的香氣數(shù)據(jù)，按如下4 個(gè)步驟進(jìn)行：

第一步：預(yù)熱設(shè)備。打開(kāi)電子鼻設(shè)備的加熱按鈕對(duì)傳感器進(jìn)行加熱，直至傳感器數(shù)據(jù)在空氣環(huán)境下30 s 內(nèi)不再發(fā)生明顯變化；啟動(dòng)滾筒殺青機(jī)，將滾筒內(nèi)溫度均勻加熱至220 ℃，在1 min 內(nèi)溫度變化不超過(guò)±1 ℃。

第二步：投放茶葉。待傳感器數(shù)據(jù)和殺青溫度穩(wěn)定下來(lái)后，一次性投放10 kg 攤青完成后的茶葉至滾筒內(nèi)部，轉(zhuǎn)動(dòng)滾筒。

第三步：采集數(shù)據(jù)。將電子鼻進(jìn)氣管伸入滾筒內(nèi)部距離入口處10 cm 處，按下電子鼻數(shù)據(jù)采集按鈕開(kāi)始采集數(shù)據(jù)，采集頻率1 s /次。

第四步：記錄數(shù)據(jù)。制茶專家現(xiàn)場(chǎng)對(duì)茶葉殺青狀態(tài)實(shí)時(shí)判斷，并記錄狀態(tài)變化的時(shí)間點(diǎn)，直至殺青過(guò)頭大約2 min。

試驗(yàn)數(shù)據(jù)記錄見(jiàn)表2。

表2 試驗(yàn)數(shù)據(jù)記錄

2 數(shù)據(jù)前處理

數(shù)據(jù)前處理旨在通過(guò)對(duì)傳感器的數(shù)據(jù)簡(jiǎn)單處理分析，檢驗(yàn)香氣數(shù)據(jù)是否適合判別茶葉加工狀態(tài)，并且篩選出對(duì)茶葉香氣最敏感的傳感器陣列。

2.1 試驗(yàn)步驟

香氣指紋圖譜見(jiàn)圖4。

圖4 香氣指紋圖譜

由圖4 可知，殺青過(guò)程中香氣變化具有明顯的階段性，出現(xiàn)了3 個(gè)波峰，而這3 個(gè)階段與專家對(duì)茶葉加工狀態(tài)的評(píng)定具有很高的重合，這說(shuō)明大部分傳感器收集到的氣體數(shù)據(jù)能比較好地反映出茶葉殺青過(guò)程中的香氣變化特征，也驗(yàn)證了香氣特征變化能較好地反映茶葉殺青狀態(tài)變化。

2.2 傳感器敏感性分析

傳感器的敏感性體現(xiàn)在傳感器對(duì)香氣數(shù)據(jù)的響應(yīng)幅值，因此可以將傳感器對(duì)香氣響應(yīng)的幅值作為傳感器對(duì)香氣的敏感性。因此傳感器敏感性按照公式（1） 計(jì)算。

式中：maxi——傳感器對(duì)第i 筒殺青香氣響應(yīng)的最大值；

mini——傳感器對(duì)第i 筒殺青香氣響應(yīng)的最小值；

n——?dú)⑶嗤皵?shù)。

按照公式（1） 計(jì)算所有傳感器的敏感性，按照敏感性從大到小對(duì)傳感器進(jìn)行排序，得到表3 所示的結(jié)果。

傳感器敏感性排序見(jiàn)表3。

表3 傳感器敏感性排序

由表3 可以看出，MQ138，MQ135 和MP135 分別對(duì)醇類/醛酮類、芳香類化合物和硫化物靈敏性很強(qiáng)，實(shí)際敏感性也是排在前列，與殺青過(guò)程中的主要揮發(fā)氣體相符，而常用氣味檢測(cè)的電子鼻傳感器在8 個(gè)左右[29-30]。故剔除敏感性低的7 個(gè)傳感器，將剩余8 個(gè)傳感器數(shù)據(jù)進(jìn)行茶葉加工狀態(tài)的判別。

3 數(shù)據(jù)分析

3.1 費(fèi)舍爾判別法思想

費(fèi)舍爾判別的基本思想為通過(guò)將多維數(shù)據(jù)按照一定的投影向量投影到新的低維空間上，簡(jiǎn)化原始信息，使得投影后類群數(shù)據(jù)之間盡可能分開(kāi)，即類與類之間的方差盡可能大，使得類群內(nèi)的數(shù)據(jù)盡可能集中，即類內(nèi)的方差盡可能小。實(shí)現(xiàn)高維數(shù)據(jù)在低維空間上的分離。

具體的判別方法是將已知樣本按照上述原則計(jì)算出判別函數(shù)，將未知樣本帶入判別函數(shù)模型，計(jì)算出新的樣本值組成新的坐標(biāo)。然后計(jì)算新的坐標(biāo)與已知樣本的類群中心的距離進(jìn)行比較，將其判別為較近的類群。

3.2 判別函數(shù)的建立

將第一筒殺青的香氣數(shù)據(jù)作為模型建立樣本，結(jié)合專家對(duì)每個(gè)數(shù)據(jù)狀態(tài)的判定對(duì)數(shù)據(jù)進(jìn)行分類，殺青不足類別為1，殺青適中類別為2，殺青過(guò)頭類別為3，將其導(dǎo)入SPSS 軟件，進(jìn)行費(fèi)舍爾判別分析。費(fèi)舍爾判別降維后的維度按照公式（2） 計(jì)算：

式中：n——類群數(shù)；

m——原始數(shù)據(jù)空間維度。

結(jié)合以上分析結(jié)果，n=3，m=15，費(fèi)舍爾判別降維后的維度為2 維。因此，建立了2 個(gè)方向上的判別函數(shù)，如公式（3），（4） 所示，得到如下2 個(gè)降維后的方向判別函數(shù)。

費(fèi)舍爾判別降維成新的空間后的數(shù)據(jù)質(zhì)量可以用新空間每個(gè)方向上的方差來(lái)解釋。

方差占比見(jiàn)表4。

表4 方差占比

由表4 可以看出，為新的投影空間在每個(gè)方向上的投影方差占比。在第一投影方向上的方差占比達(dá)到了95.8%，第二投影方向上的方差占比為4.2%，2 個(gè)方向的方差信息累計(jì)100%。結(jié)果表明，第一投影方向上的質(zhì)量遠(yuǎn)遠(yuǎn)高于第二投影方向。但是，為盡可能保留原始數(shù)據(jù)信息，聯(lián)合2 個(gè)方向的判別函數(shù)綜合對(duì)狀態(tài)進(jìn)行判別。

綠茶殺青過(guò)程香氣樣本的主成分投影分布圖見(jiàn)圖5。

圖5 綠茶殺青過(guò)程香氣樣本的主成分投影分布圖

由圖5 可以看出，3 個(gè)狀態(tài)在二維空間上具有明顯的區(qū)分性，虛線為第一投影方向上的類群分割線，實(shí)線為二維空間的類群分割線，顯然，聯(lián)合2 個(gè)投影方向的分類準(zhǔn)確率更高。

如圖5 所示的茶葉加工3 個(gè)狀態(tài)的類群中心，其中心值（見(jiàn)表5），殺青不足為（-3.724，-0.465），殺青適中為（0.642，1.569），殺青過(guò)頭為（7.016，-0.657）。

類群中心見(jiàn)表5。

3.3 狀態(tài)判別結(jié)果分析

3.3.1 概述

研究的數(shù)據(jù)分為建模組和驗(yàn)證組，建模組用于茶葉加工狀態(tài)判別模型的建立，驗(yàn)證組作為未知樣本，檢驗(yàn)判別模型對(duì)茶葉狀態(tài)的判別結(jié)果。

3.3.2 建模組自檢結(jié)果分析

以上述2 個(gè)判別函數(shù)為依據(jù)，對(duì)建模組的397個(gè)樣本進(jìn)行回判，得到如表6 所示的回判結(jié)果。殺青不足的回判準(zhǔn)確率為99%，殺青適中的回判準(zhǔn)確率為98%，殺青過(guò)頭為100%。總回判準(zhǔn)確率接近99%。

建模組回判結(jié)果見(jiàn)表6，回判準(zhǔn)確率見(jiàn)表7。

表5 類群中心

表6 建模組回判結(jié)果

表7 回判準(zhǔn)確率

3.3.3 驗(yàn)證組結(jié)果分析

將驗(yàn)證組數(shù)據(jù)代入判別函數(shù)（3），（4） 計(jì)算出（F1，F(xiàn)2） 的值利用歐式距離判別法判別茶葉加工狀態(tài)，并結(jié)合專家對(duì)每個(gè)樣本的評(píng)定結(jié)果進(jìn)行比較。

驗(yàn)證組判別結(jié)果見(jiàn)表8，判別準(zhǔn)確率見(jiàn)表9，不同傳感器結(jié)果對(duì)比見(jiàn)表10。

由表9 可以看出，殺青不足的判別準(zhǔn)確率為90%，殺青適中的判別準(zhǔn)確率為80%，殺青過(guò)頭的判別準(zhǔn)確率達(dá)100%。總體判別準(zhǔn)確率為91.65%。表明應(yīng)用費(fèi)舍爾判別監(jiān)測(cè)綠茶殺青加工狀態(tài)具有較好的可行性。

如表10 所示為依據(jù)敏感性篩選的8 個(gè)傳感器與隨機(jī)選擇的8 個(gè)傳感器進(jìn)行判別的結(jié)果，由表10可知，優(yōu)選的傳感器陣列判別效果優(yōu)于隨機(jī)選擇的效果。

優(yōu)選傳感器對(duì)驗(yàn)證組殺青狀態(tài)判別見(jiàn)圖6。

表8 驗(yàn)證組判別結(jié)果

表9 判別準(zhǔn)確率

表10 不同傳感器結(jié)果對(duì)比/%

圖6 優(yōu)選傳感器對(duì)驗(yàn)證組殺青狀態(tài)判別

圖6 顯示了優(yōu)選傳感器對(duì)驗(yàn)證組殺青狀態(tài)判別結(jié)果，縱坐標(biāo)值為1，2，3 分別表示殺青不足、殺青適中和殺青過(guò)頭。在殺青不足階段，利用費(fèi)舍爾判別有一部分誤判（可能是局部香氣抽樣樣本造成），在殺青不足到殺青適中的過(guò)渡階段，判別結(jié)果在殺青不足和殺青適中波動(dòng)，主要原因?yàn)闈L動(dòng)中部分茶葉殺青適中，部分殺青不足。隨著殺青時(shí)間的持續(xù)，在230～270 s 作用表現(xiàn)為穩(wěn)定的殺青適中，即香氣檢測(cè)過(guò)程中，若有穩(wěn)定10～20 s 的香氣狀態(tài)判別為殺青適中，可以判斷為殺青穩(wěn)定適中，結(jié)束殺青。

4 結(jié)論

（1） 針對(duì)綠茶殺青，利用自制的電子鼻研究了綠茶殺青狀態(tài)與香氣之間的關(guān)系，基于費(fèi)舍爾判別法建立了綠茶殺青狀態(tài)的判別模型。

（2） 根據(jù)建模組合驗(yàn)證組的判別結(jié)果顯示，建模組的回判準(zhǔn)確率將近99%，驗(yàn)證組的判別準(zhǔn)確率也達(dá)到了91.65%。結(jié)果表明茶葉加工過(guò)程中香氣變化明顯，能夠區(qū)分茶葉加工狀態(tài)。

（3） 綠茶殺青過(guò)程香氣主成分投影點(diǎn)可聚類成殺青不足、殺青適中、殺青過(guò)頭3 個(gè)聚類中心，利用當(dāng)前狀態(tài)香氣的主成分投影點(diǎn)與聚類中心的距離進(jìn)行殺青狀態(tài)判斷和在線監(jiān)控。

（4） 當(dāng)連續(xù)有一段時(shí)間，如10～20 s 以上，被穩(wěn)定判斷為殺青適中時(shí)，可作為殺青穩(wěn)定和結(jié)束的控制信號(hào)。

（5） 依據(jù)敏感性篩選的8 個(gè)傳感器可提升茶葉殺青加工過(guò)程的監(jiān)控效果。