针对茶叶品质感官审评的不足,采用德国AIRSENSE电子鼻检测手段,对4个不同等级的龙井茶作等级判别。对传感器信号进行多因素方差分析得出:不同容器容积和不同采样时刻对传感器的响应信号有着显著的影响。通过主成分( PCA )、线性判别( LDA )和BP神经网络方法对各茶叶样品进行了分类判别。PCA 对于等级差别较近的茶叶区分结果不太理想;而LDA相对于PCA有较好的区分效果;设计BP神经网络拓扑结构为30-12-4,通过对网络进行适当训练,总的测试回判率可达到90%。

样品：4个不同等级的龙井茶

仪器：德国AIRSENSE电子鼻

实验结果：

   (1) 通过3 因素方差分析表明对于一定质量的样品, 试验容器的容积对其响应信号的影响极为显 著; 对茶叶来说, 不同顶空静置时间对其信号影响不大; 对4 个等级茶叶响应值方差分析确定出: 在第60s时各等级茶叶的响应值差异明显, 有益于样本的识别分类。所以选取60s时的数据进行PCA和LDA 分析。

   (2) PCA 分析可以将等级差别明显的样品区分开, 而对于等级差别较小的样品不能很好地实现分类, 存在很大的局限; LDA 分析可以将各个等级的样品*分开, 效果优于PCA 分析。

   (3) 从每个传感器响应曲线中提取3 个特征值,组成包含30 个特征值的特征向量作为神经网络识别分析的输入矢量, 网络测试总体回判率达到90%。

研究意义：

   目前, 茶叶品质大多数是通过人的感官评定的。人感觉器官的灵敏度易受外界因素的干扰而改变,从而影响评定的准确性。近年来,电子鼻得到了广泛的研究和应用, 尤其在食品和饮料工业方面。电子鼻把具有不同特性的气体传感器组合成气体传感器阵列, 使其检测范围更宽; 同时,在模式识别数据处理方面也在不断发展完善各种识别方法, 如线性识别函数法、人工神经网络法等。人工神经网络的大优点就是可实现复杂的非线性映射, 并且具有良好的容错性,有助于提高气体检测的精度。本文运用电子鼻对不同等级的西湖龙井茶叶香气进行检测, 然后进行适当的特征提取, 结合统计模式识别方法和神经网络分析方法对输入的茶叶香气信号进行模式识别,实现对龙井绿茶等级的评定。