電子鼻技術(shù)及其在茶葉中的應(yīng)用研究

潘玉成宋莉莉,2 葉乃興 潘玉華

(1. 寧德職業(yè)技術(shù)學(xué)院機(jī)電工程系，福建 福安 355000；2. 福州大學(xué)材料科學(xué)與工程學(xué)院，福建 福州 350108；3. 福建農(nóng)林大學(xué)園藝學(xué)院，福建 福州 350002；4. 寧德職業(yè)技術(shù)學(xué)院農(nóng)業(yè)科學(xué)系，福建 福安 355000)

?

電子鼻技術(shù)及其在茶葉中的應(yīng)用研究

潘玉成1宋莉莉1,2葉乃興3潘玉華4

(1. 寧德職業(yè)技術(shù)學(xué)院機(jī)電工程系，福建 福安 355000；2. 福州大學(xué)材料科學(xué)與工程學(xué)院，福建 福州 350108；3. 福建農(nóng)林大學(xué)園藝學(xué)院，福建 福州 350002；4. 寧德職業(yè)技術(shù)學(xué)院農(nóng)業(yè)科學(xué)系，福建 福安 355000)

文章介紹了電子鼻的基本原理和結(jié)構(gòu)組成，綜述了電子鼻在茶葉品質(zhì)評(píng)定、品種分類、成分檢測(cè)等方面的應(yīng)用，總結(jié)了電子鼻在茶葉應(yīng)用中存在的問題，并展望了其未來的發(fā)展方向，以供深入研究參考。

電子鼻；茶葉；傳感器陣列；特征提?。荒Ｊ阶R(shí)別

人類對(duì)氣味感官評(píng)價(jià)存在主觀性強(qiáng)、重復(fù)性差等缺點(diǎn)，且人的鼻子對(duì)氣味具有適應(yīng)性，容易出現(xiàn)嗅覺疲勞而影響分析結(jié)果。電子鼻又稱人工嗅覺分析系統(tǒng)，是20世紀(jì)90年代發(fā)展起來的一種用來分析、識(shí)別和檢測(cè)氣味的具有人工智能特點(diǎn)的仿生檢測(cè)儀器，它與普通氣體檢測(cè)儀相比，能夠?qū)崟r(shí)地對(duì)各種氣體進(jìn)行在線檢測(cè)分析，具有響應(yīng)時(shí)間短、檢測(cè)速度快、測(cè)定范圍廣、重復(fù)性好，能有效避免人為誤差，且可用于檢測(cè)一些不適合人鼻檢測(cè)的氣體，如毒氣或一些刺激性氣體[1]。近年來隨著與電子鼻相關(guān)的傳感技術(shù)、模式識(shí)別技術(shù)等的不斷發(fā)展，電子鼻廣泛應(yīng)用在食品行業(yè)[2-5]、環(huán)境監(jiān)測(cè)[6-9]、醫(yī)學(xué)[10-12]和安全保障[13-15]等方面，在茶葉領(lǐng)域研究應(yīng)用中，電子鼻也逐漸得到國內(nèi)外學(xué)者的重視，顯示出其廣闊的發(fā)展前景。

1 電子鼻系統(tǒng)的結(jié)構(gòu)和工作原理

人的嗅覺系統(tǒng)中存在著初級(jí)嗅覺神經(jīng)元、二級(jí)神經(jīng)元(嗅泡)和大腦嗅覺中樞三層結(jié)構(gòu)，當(dāng)鼻腔內(nèi)嗅覺氣泡吸附上有氣味物質(zhì)的分子時(shí)，會(huì)使細(xì)胞膜電位發(fā)生變化而產(chǎn)生不同的響應(yīng)信號(hào)，并通過嗅泡處理后經(jīng)神經(jīng)系統(tǒng)被傳送到大腦嗅覺中樞，再經(jīng)過復(fù)雜思維判別出結(jié)果。電子鼻是模擬人的嗅覺系統(tǒng)，其基本結(jié)構(gòu)與人的嗅覺系統(tǒng)的神經(jīng)生理結(jié)構(gòu)大致相同，由氣體傳感器陣列、信號(hào)預(yù)處理單元、模式識(shí)別單元三部分組成，其中氣體傳感器陣列相當(dāng)于人的嗅覺細(xì)胞，信號(hào)預(yù)處理單元相當(dāng)于嗅泡，模式識(shí)別單元如同大腦嗅覺中樞[16]，其工作原理為：首先氣體傳感器陣列利用其對(duì)多種氣體交叉敏感性吸附氣味分子產(chǎn)生響應(yīng)，并將響應(yīng)信號(hào)轉(zhuǎn)換為電信號(hào)，從而得到了對(duì)該氣味的廣譜響應(yīng)譜；再將生成的信號(hào)進(jìn)行放大、濾波、特征提取等預(yù)處理；最后采用合適的模式識(shí)別分析方法對(duì)其進(jìn)行處理的結(jié)果作出判斷，見圖1。

1.1 氣體傳感器陣列

氣體傳感器陣列是將多個(gè)獨(dú)立氣體傳感器組合構(gòu)成的，它是電子鼻系統(tǒng)的基礎(chǔ)，對(duì)提高整個(gè)系統(tǒng)的性能至關(guān)重要。在構(gòu)造氣體傳感器陣列時(shí)，一般要求其具有廣譜響應(yīng)特性，通過選用不同敏感材料或不同工作溫度同種傳感器來實(shí)現(xiàn)交叉響應(yīng)，也可以采用不同種類的傳感器混雜使用來實(shí)現(xiàn)，并要求器件工作可靠、性能穩(wěn)定、重復(fù)性好，同時(shí)器件的響應(yīng)時(shí)間和恢復(fù)時(shí)間要短。表1列出了幾種典型商品化的電子鼻所采用的傳感器[17]。

圖1 電子鼻系統(tǒng)工作流程圖

1.1.1 金屬氧化物氣體傳感器 金屬氧化物氣體傳感器是目前電子鼻系統(tǒng)應(yīng)用較為廣泛的一種導(dǎo)電型傳感器，其結(jié)構(gòu)主要由電極、加熱器和感應(yīng)膜三部分組成。感應(yīng)膜采用半導(dǎo)體金屬氧化物薄膜(如SnO2、Fe2O3、ZnO、TiO2等)，金屬氧化物在常溫下是絕緣的，制成半導(dǎo)體后卻顯示氣敏特性。為了提高感應(yīng)膜對(duì)某些氣體成分的選擇性和靈敏度，有時(shí)還摻入催化劑如鈀、鉑、銀等，對(duì)其進(jìn)行催化金屬摻雜處理。這種傳感器是通過感應(yīng)膜對(duì)待測(cè)氣體的吸附作用，在一定溫度條件下產(chǎn)生化學(xué)反應(yīng)引起金屬氧化物薄膜導(dǎo)電率的改變，使兩電極之間的電阻值產(chǎn)生變化來檢測(cè)氣體的[18]。金屬氧化物氣體傳感器的缺點(diǎn)是工作溫度較高，響應(yīng)基準(zhǔn)值在長時(shí)間工作之后易產(chǎn)生漂移，且對(duì)氣體混合物中所含的硫化物產(chǎn)生“中毒”反應(yīng)，其優(yōu)點(diǎn)是靈敏度高，能實(shí)現(xiàn)10-6級(jí)的精度，是電子鼻中最常采用的傳感器。

表1 幾種典型商品化電子鼻中的傳感器

1.1.2 導(dǎo)電聚合物氣體傳感器 導(dǎo)電聚合物氣體傳感器一般由硅基底、金電極和用單體吡咯、苯胺、噻吩等合成的導(dǎo)電聚合物組成，其工作原理也是基于導(dǎo)電聚合物吸附被測(cè)氣體前后其電阻的變化來感知?dú)怏w。當(dāng)聚合物材料與待測(cè)氣體分子相互接觸時(shí)會(huì)發(fā)生電離或共價(jià)作用，由于這種相互作用結(jié)果使電子沿聚合物鏈的傳輸受影響而改變了其導(dǎo)電性，通過這種導(dǎo)電率的變化來測(cè)試待測(cè)氣體分子存在的信息[19]。這種傳感器比金屬氧化物氣體傳感器靈敏度更高，可達(dá)到10-7級(jí)的精度，且可在常溫或較低環(huán)境溫度下使用而無需加熱，選擇性高、檢測(cè)速度快，但對(duì)環(huán)境的濕度敏感，與氣體接觸響應(yīng)時(shí)存在飄移現(xiàn)象等缺點(diǎn)，適合在便攜式儀器中應(yīng)用。

1.1.3 紅外線氣體傳感器 紅外線氣體傳感器是屬于光學(xué)式氣體傳感器的一種。不同波長的紅外線在大氣中傳播時(shí)，大氣層對(duì)其存在不同的吸收帶，紅外線氣體傳感器就是利用被測(cè)氣體的紅外吸收光譜特征或熱效應(yīng)來檢測(cè)氣體濃度和辨別氣體的種類，光譜范圍常在1～25 μm，主要有DIR色散紅外線式和NDIR非色散紅外線式兩種類型[20]。其優(yōu)點(diǎn)是可靠性很高、選擇性好、精度也高、壽命比較長，受到環(huán)境的影響較小，適用于監(jiān)測(cè)各種易燃易爆氣體，但其制造的成本比較高，技術(shù)還不夠成熟，這些缺點(diǎn)使它在市場(chǎng)上的應(yīng)用受到一定的限制[21]。

1.1.4 光纖氣體傳感器 光纖是一種新型材料，光在光纖中傳輸時(shí)，光特性如振幅、相位、偏振態(tài)等隨檢測(cè)氣體發(fā)生變化而相應(yīng)變化。光從光纖射出時(shí)，光的特性得到調(diào)制，通過對(duì)調(diào)制光的檢測(cè)便能感知?dú)怏w的信息，這便是光纖氣體傳感器的基本原理。按工作原理光纖氣體傳感器可分為功能型(或稱傳感型)和非功能型(或稱傳光型)兩大類。功能型光纖傳感器中光纖作為敏感元件，利用光纖在外界因素作用下其傳光特性產(chǎn)生變化來檢測(cè)氣體，且光纖在這過程中還起傳光的作用；非功能型光纖傳感器中采用其它敏感元件感受待測(cè)氣體，光纖僅作為傳光媒介來傳輸光信號(hào)[22-23]。光纖氣體傳感器是一種新型傳感器，具有很強(qiáng)的環(huán)境適應(yīng)性和抗電磁干擾能力，響應(yīng)速度快，且靈敏度高、動(dòng)態(tài)范圍廣等特點(diǎn)，其應(yīng)用和發(fā)展前景十分廣闊。

1.2 信號(hào)預(yù)處理單元

在電子鼻系統(tǒng)中氣體傳感器陣列輸出的信號(hào)是隨時(shí)間變化且含有噪聲的多維動(dòng)態(tài)響應(yīng)信號(hào)，要通過預(yù)處理完成響應(yīng)信號(hào)的濾波、放大、A/D轉(zhuǎn)換、特征提取與選擇，其中特征提取是在盡量不丟失有用信息前提下的一種降維的數(shù)據(jù)預(yù)處理方法，通過變換將樣品高維空間映射到低維空間，以便在低維空間中提取有用信息和降低原始樣品空間中的噪音，為后續(xù)模式識(shí)別選取合適數(shù)量的數(shù)據(jù)和表達(dá)方式，從而有效地減少數(shù)據(jù)計(jì)算量并提高模式識(shí)別的效率[24]，特征選擇基本流程見圖2[25]。特征提取有多種選擇方法，主要是根據(jù)數(shù)據(jù)的特點(diǎn)、模式識(shí)別的方式和識(shí)別任務(wù)，既可在原始響應(yīng)曲線上實(shí)現(xiàn)特征提取，也可通過曲線擬合的方法實(shí)現(xiàn)特征提取，或采用變換域的方式實(shí)現(xiàn)特征提取。常見的方法主要有相對(duì)法、差分法、對(duì)數(shù)法和歸一法等。相對(duì)法可補(bǔ)償傳感器敏感性所帶來的影響；部分差分模型可補(bǔ)償傳感器敏感性和使傳感器電阻與濃度參數(shù)依賴關(guān)系線性化；對(duì)數(shù)法可使信號(hào)與濃度之間的高度非線性依賴關(guān)系線性化；歸一法可減小傳感器的計(jì)量誤差，并能滿足人工神經(jīng)網(wǎng)絡(luò)輸入數(shù)據(jù)的要求[26]。

圖2 特征選擇流程

1.3 模式識(shí)別單元

在電子鼻系統(tǒng)中模式識(shí)別占有舉足輕重的地位，它運(yùn)用一定的算法對(duì)氣體進(jìn)行定性或定量分析。電子鼻中被廣泛應(yīng)用的模式識(shí)別算法有兩大類：統(tǒng)計(jì)模式識(shí)別和人工神經(jīng)網(wǎng)絡(luò)。統(tǒng)計(jì)模式識(shí)別采用經(jīng)典的多變量統(tǒng)計(jì)分類方法對(duì)來自氣體傳感器陣列的信息進(jìn)行處理，主要包括k近鄰法(k—NN)、主成分分析(PCA)、線性判別法(LDA)、聚類分析(CA)、偏最小二乘法(PLS)等[27]。人工神經(jīng)網(wǎng)絡(luò)(ANN)是一種模仿人腦神經(jīng)系統(tǒng)處理信息的由大量節(jié)點(diǎn)(或稱神經(jīng)元)相互之間以不同形式組成的運(yùn)算模型，是人工智能領(lǐng)域研究的一個(gè)熱點(diǎn)。利用人工神經(jīng)網(wǎng)絡(luò)僅借助訓(xùn)練樣本而不必建立相關(guān)的數(shù)學(xué)模型即可實(shí)現(xiàn)對(duì)復(fù)雜信息的處理、存儲(chǔ)且可得到其內(nèi)部隱含的規(guī)律，它具有分布存儲(chǔ)、并行處理、自學(xué)習(xí)、自組織和自適應(yīng)等特點(diǎn)[28]。目前常見的人工神經(jīng)網(wǎng)絡(luò)包括誤差反向傳播人工神經(jīng)網(wǎng)絡(luò)、學(xué)習(xí)向量量化網(wǎng)絡(luò)、徑向基神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)、基于遺傳算法的人工神經(jīng)網(wǎng)絡(luò)以及自組織網(wǎng)絡(luò)等。同傳統(tǒng)的模式識(shí)別方法相比，人工神經(jīng)網(wǎng)絡(luò)具有良好的容錯(cuò)性和很強(qiáng)的非線性處理能力，網(wǎng)絡(luò)經(jīng)過學(xué)習(xí)訓(xùn)練后，可以利用自身強(qiáng)大的學(xué)習(xí)功能尋找出樣本的內(nèi)在規(guī)律來分析識(shí)別同類事物。

2 電子鼻技術(shù)在茶葉中的應(yīng)用

茶葉香氣是茶鮮葉在制茶過程中進(jìn)行復(fù)雜的生化反應(yīng)而產(chǎn)生的，不同茶樹品種、栽培條件、生態(tài)環(huán)境、加工工藝和包裝儲(chǔ)藏等都會(huì)對(duì)茶葉的香氣產(chǎn)生影響。茶葉香氣是茶葉“色、香、味、形”四大品質(zhì)指標(biāo)之一，在茶葉感官審評(píng)評(píng)分中占有25%～35%的權(quán)重比例[29]，且其與“滋味”又有著一定關(guān)系，歷來受到人們的重視。茶葉香氣的組成非常復(fù)雜，任何一種茶葉香氣都是其所含的不同芳香物質(zhì)以不同濃度和種類組合的綜合表現(xiàn)，目前從各種茶葉中已分離監(jiān)定出700多種香氣物質(zhì)，這些物質(zhì)含量低、易揮發(fā)、不穩(wěn)定，在提取過程中由于受外界條件的影響，容易發(fā)生氧化、縮合、聚合、基團(tuán)轉(zhuǎn)移等各種復(fù)雜的化學(xué)反應(yīng)[30]，從而影響提取的香氣物質(zhì)不能很好地反映茶葉本身的香氣特征。因此采用傳統(tǒng)提取方法難以做到對(duì)茶葉香氣客觀準(zhǔn)確的分析測(cè)定，電子鼻技術(shù)的出現(xiàn)使得茶葉香氣整體信息提取的復(fù)雜過程得以實(shí)現(xiàn)，為茶葉香氣評(píng)價(jià)提供了新的技術(shù)手段。近幾年來電子鼻技術(shù)在茶葉中的應(yīng)用受到一定的重視，越來越多的學(xué)者開展了這方面的研究，其主要研究成果見表2。

2.1 電子鼻技術(shù)用于茶葉品質(zhì)的評(píng)定

茶葉感觀審評(píng)是通過人的感覺器官對(duì)茶葉的形狀、色澤、香氣和滋味進(jìn)行鑒定來判別茶葉品質(zhì)等級(jí)高低的一種方法，是目前國內(nèi)外茶葉界公認(rèn)的茶葉品質(zhì)評(píng)定的主要方法，但評(píng)定結(jié)果易受評(píng)茶人員主觀因素和客觀條件等的影響，存在一定的誤差。茶葉理化審評(píng)是從理化的角度尋求評(píng)定茶葉品質(zhì)的方法，雖經(jīng)多年的研究取得了一些成果，但由于存在眾多問題至今沒有得到應(yīng)用。為了彌補(bǔ)感官審評(píng)的不足，茶葉科研工作者一直以來都在不斷探索一種借助于儀器設(shè)備來客觀、快捷量化評(píng)價(jià)茶葉品質(zhì)的新方法。目前一些新技術(shù)在茶葉品質(zhì)評(píng)定中逐漸得到應(yīng)用，國內(nèi)外已有學(xué)者運(yùn)用電子鼻檢測(cè)茶葉揮發(fā)性成分整體信息再結(jié)合模式識(shí)別方法來評(píng)價(jià)茶葉品質(zhì)優(yōu)劣，為科學(xué)評(píng)定茶葉質(zhì)量尋找一種新思路。于慧春等[32]利用電子鼻對(duì)5個(gè)等級(jí)西湖龍井炒青綠茶樣品的茶葉、茶水和茶底揮發(fā)性成分進(jìn)行檢測(cè)，對(duì)采集到的初始數(shù)據(jù)進(jìn)行主成分分析來壓縮數(shù)據(jù)維數(shù)，并提取前5個(gè)主成分的特征值作為模式識(shí)別的輸入，達(dá)到優(yōu)化特征向量的目的，然后采用線性判別和BP神經(jīng)網(wǎng)絡(luò)的方法判別茶葉的品質(zhì)等級(jí)。結(jié)果表明，兩種判別方法得到的判別結(jié)果比較一致，以茶水作為研究對(duì)象時(shí)判別結(jié)果最好，并且神經(jīng)網(wǎng)絡(luò)方法與線性判別分析方法相比識(shí)別精確率要稍好一點(diǎn)；陳哲等[33]采用自制的電子鼻，其傳感器陣列由12個(gè)厚膜金屬氧化錫傳感器組成，經(jīng)試驗(yàn)對(duì)比篩選了9個(gè)對(duì)茶葉香氣敏感的傳感器，從茶水、茶底氣味兩方面對(duì)碧螺春茶3等級(jí)樣本進(jìn)行檢測(cè)，并融合所采集的茶水和茶底數(shù)據(jù)的最大值、最小值和平均值作為特征變量，在進(jìn)行主成分分析對(duì)數(shù)據(jù)空間降維后，建立k—NN和BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。結(jié)果顯示，融合茶水和茶底的特征信息可較好地反映碧螺春茶的品質(zhì)特點(diǎn)，k—NN模型對(duì)碧螺春茶預(yù)測(cè)集的識(shí)別率為83.3%，BP神經(jīng)網(wǎng)絡(luò)模型的識(shí)別率則達(dá)到100%；薛大為等[34]采用德國Airsense公司生產(chǎn)的PEN2型電子鼻，以4種不同等級(jí)黃山毛峰茶為樣本，通過分析電子鼻傳感器陣列(由10個(gè)金屬氧化物氣敏傳感器組成)對(duì)不同品質(zhì)茶葉氣味響應(yīng)曲線的變化特點(diǎn)，選取傳感器響應(yīng)的最大值和穩(wěn)態(tài)值作為特征變量，并對(duì)特征變量進(jìn)行歸一化處理。以這些變量作為BP神經(jīng)網(wǎng)絡(luò)的輸入信號(hào)，BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)為20—12—4，采用了改進(jìn)的附加動(dòng)量項(xiàng)的學(xué)習(xí)算法，經(jīng)過多次試驗(yàn)比較最終學(xué)習(xí)率和動(dòng)量因子確定為0.08，0.50，從而構(gòu)建了BP神經(jīng)網(wǎng)絡(luò)黃山毛峰茶品質(zhì)評(píng)定的預(yù)測(cè)模型。結(jié)果表明所建立的預(yù)測(cè)模型具有較好的識(shí)別能力，對(duì)訓(xùn)練樣本和測(cè)試樣本的識(shí)別準(zhǔn)確率分別為100%，89.3%，也證明了電子鼻技術(shù)應(yīng)用于判別茶葉品質(zhì)的可行性。

2.2 電子鼻技術(shù)用于茶葉成分的檢測(cè)

茶葉的組成成分非常復(fù)雜，其中主要品質(zhì)成分為茶多酚、咖啡堿、氨基酸和水分，它們對(duì)茶色、茶香和茶味的影響較大。傳統(tǒng)的茶葉成分測(cè)定方法種類繁多，如用于咖啡堿含量測(cè)定的碘量法、重量法、紫外分光光度法等，用于茶多酚含量測(cè)定的高錳酸鉀滴定法、酒石酸鐵比色法等。這些方法在測(cè)定過程中需要繁瑣的化學(xué)處理，時(shí)間長、成本高、結(jié)果差異大，且具有破壞性、易產(chǎn)生污染，因此研究一種快速、準(zhǔn)確測(cè)定茶葉成分的方法具有重要的現(xiàn)實(shí)意義。電子鼻技術(shù)在食品成分檢測(cè)分析中有著較為廣泛的應(yīng)用，但在茶葉成分檢測(cè)的應(yīng)用研究報(bào)道相對(duì)還比較少。張紅梅等[35]為快速檢測(cè)茶葉中茶多酚含量，以3種不同等級(jí)信陽毛尖茶為樣本，采用由金屬氧化物傳感器構(gòu)成的電子鼻對(duì)茶葉氣味進(jìn)行采集，經(jīng)試驗(yàn)選擇60 s時(shí)刻的響應(yīng)信號(hào)用于數(shù)據(jù)分析，并以響應(yīng)曲線的穩(wěn)定值作為特征值，分別采用多元線性回歸(MLR)、二次多項(xiàng)式逐步回歸分析(QPSR)和BP 神經(jīng)網(wǎng)絡(luò)方法來建立茶多酚含量的預(yù)測(cè)模型，并用測(cè)試集樣本對(duì)3種預(yù)測(cè)模型進(jìn)行了檢驗(yàn)。結(jié)果表明，3種預(yù)測(cè)模型對(duì)茶多酚含量的預(yù)測(cè)都取得較好的結(jié)果，BP神經(jīng)網(wǎng)絡(luò)模型在3種預(yù)測(cè)模型中預(yù)測(cè)標(biāo)準(zhǔn)誤差SEP和相對(duì)誤差百分比ERR最小，且相關(guān)系數(shù)R最大。該作者還對(duì)信陽毛尖茶氨基酸、咖啡堿含量進(jìn)行研究，運(yùn)用主成分回歸(PCR)、MLR和QPSR方法分別建立信陽毛尖茶氨基酸、咖啡堿含量的預(yù)測(cè)模型，并用預(yù)測(cè)集對(duì)模型進(jìn)行驗(yàn)證和比較，結(jié)果顯示所建的預(yù)測(cè)模型都是有效的，具有很高的預(yù)測(cè)能力[36-37]。這些研究結(jié)果說明了應(yīng)用電子鼻技術(shù)可為茶葉理化成分的快速檢測(cè)提供一種新的方法。

2.3 電子鼻技術(shù)用于茶葉品種的判別和分類

茶葉種類繁多，對(duì)不同產(chǎn)地的不同茶類，一般其外形和顏色均有較大差異，可比較容易進(jìn)行區(qū)別。而對(duì)外形、顏色比較相似的同一茶類不同品種茶葉，有時(shí)采用感官審評(píng)難以做到準(zhǔn)確識(shí)別。隨著新技術(shù)研究的深入與推廣，對(duì)茶葉品種鑒別的新方法也在不斷探索研究中，目前已有學(xué)者利用電子鼻通過檢測(cè)茶葉香氣的綜合信息特征來判別不同種類茶葉，為茶葉品種的快速、準(zhǔn)確、無損檢測(cè)提供了一種新的途徑。王帥等[38]利用法國Alpha MOS公司FOX4000型電子鼻，以有機(jī)一級(jí)正山小種紅茶、普通一級(jí)正山小種紅茶1號(hào)、普通二級(jí)正山小種紅茶2號(hào)為樣本，采用主成分分析(PCA)、判別因子分析(DFA)和聚類分析(CA)方法對(duì)樣本香氣進(jìn)行分析比較。結(jié)果表明，電子鼻都可以成功區(qū)分有機(jī)正山小種紅茶和普通正山小種紅茶，并能正確識(shí)別2種不同品質(zhì)等級(jí)的普通正山小種紅茶，這說明應(yīng)用電子鼻技術(shù)可以很好地對(duì)有機(jī)茶和普通茶進(jìn)行分類； Dutta等[39-40]應(yīng)用金屬氧化物傳感器陣列來檢測(cè)5種不同加工工藝得到的茶葉樣本香氣，分別采用PCA、模糊C均值聚類(FCM)和RBF神經(jīng)網(wǎng)絡(luò)方法對(duì)采集到的信號(hào)進(jìn)行模式識(shí)別，試驗(yàn)表明經(jīng)過訓(xùn)練的RBF神經(jīng)網(wǎng)絡(luò)對(duì)5種不同加工工藝的茶葉識(shí)別率為100%；Nabarun等[41]采用法國Alpha MOS公司FOX2000型電子鼻對(duì)紅茶樣本的香氣進(jìn)行檢測(cè)，結(jié)果表明所建立的模型可正確對(duì)無性系茶樹品種進(jìn)行分類；Katayama等[58]利用電子鼻檢測(cè)不同品種綠茶的香氣，結(jié)合相關(guān)的模式識(shí)別方法，也成功地把不同品種的綠茶區(qū)分開來。

3 存在問題與展望

電子鼻技術(shù)是世界科技界幾十年來多學(xué)科研究的結(jié)晶，作為近年來的一個(gè)研究熱點(diǎn)，在茶葉領(lǐng)域中也有初步的應(yīng)用，主要集中在茶葉品質(zhì)等級(jí)判別、品種分類、成分檢測(cè)以及紅茶發(fā)酵過程中品質(zhì)的檢測(cè)控制等方面，這些研究成果說明了電子鼻技術(shù)在茶葉上應(yīng)用的可行性，但都還處于實(shí)驗(yàn)室研究階段，距實(shí)際應(yīng)用還有較大的差距，存在的問題主要表現(xiàn)在以下幾個(gè)方面：① 氣體傳感器易受環(huán)境溫濕度等影響，存在隨時(shí)間而漂移的現(xiàn)象，如何提高其選擇性、穩(wěn)定性和重復(fù)性，降低對(duì)工作環(huán)境的要求，使得所構(gòu)成的電子鼻能更加接近生物嗅覺系統(tǒng)。② 氣體傳感器陣列由于采用不同類型的氣體傳感器或者選擇性不一樣的氣體傳感器，提高了其廣譜響應(yīng)特性和交叉敏感特性，但茶葉種類眾多、成分極為復(fù)雜且不穩(wěn)定，電子鼻中的傳感器數(shù)量有限，無法與人類嗅覺神經(jīng)元細(xì)胞數(shù)量相比，不可能涵蓋茶葉氣味的所有信息。因此需研究設(shè)計(jì)專用于茶葉氣味檢測(cè)的氣體傳感器陣列，以提高電子鼻的識(shí)別效果。③ 特征變量的選取對(duì)最終識(shí)別結(jié)果影響重大，在研究中往往側(cè)重于某一方面的因子，缺乏特征變量的選取與識(shí)別結(jié)果之間相關(guān)性的科學(xué)論證，只有在正確選取與茶葉氣味相關(guān)的特征變量基礎(chǔ)上，再與相應(yīng)的模式識(shí)別方法相結(jié)合，才有可能得到準(zhǔn)確的識(shí)別結(jié)果。④ 選擇合適的數(shù)據(jù)處理方法至關(guān)重要，人工神經(jīng)網(wǎng)絡(luò)雖能獲取比較好的識(shí)別效果，但網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)一般只能憑經(jīng)驗(yàn)來確定而無一完整理論，存在一個(gè)最優(yōu)解的問題；所采用的茶葉訓(xùn)練樣本典型性不夠強(qiáng)，樣本的數(shù)量不夠多，使得所建立的神經(jīng)網(wǎng)絡(luò)模型對(duì)盲樣識(shí)別效果的準(zhǔn)確性差，模型適用范圍小。只有尋求更好的模式識(shí)別方法來模擬人的思維過程，電子鼻才能向著實(shí)用化的趨勢(shì)不斷發(fā)展。

目前多傳感器信息融合(MSIF)已經(jīng)成為智能系統(tǒng)領(lǐng)域的一個(gè)重要研究方向，它是將來自多個(gè)傳感器的數(shù)據(jù)和相關(guān)信息進(jìn)行組合從而獲得比使用單一傳感器更明確的結(jié)果，具有與人類通過各種感覺器官所得到認(rèn)知事物的結(jié)果有更好的相似性[59]。在今后研究中若能將電子鼻與電子舌、機(jī)器視覺、近紅外光譜、遠(yuǎn)紅外光譜等進(jìn)行融合采集茶葉信息，采用電子鼻對(duì)茶葉香氣進(jìn)行檢測(cè)、機(jī)器視覺對(duì)茶葉外形和湯色進(jìn)行檢測(cè)及電子舌對(duì)茶葉滋味進(jìn)行檢測(cè)，并把采集信息數(shù)據(jù)進(jìn)行融合處理，再將神經(jīng)網(wǎng)絡(luò)與模糊理論、遺傳算法等結(jié)合起來，以達(dá)到更好模擬人的各種功能器官和思維方式，這將是未來在茶葉識(shí)別和檢測(cè)中的一個(gè)重要發(fā)展方向。隨著新型傳感器技術(shù)的提高與模式識(shí)別方法的不斷完善，及科技工作者不斷深入地探討與研究，電子鼻技術(shù)在茶葉領(lǐng)域中的應(yīng)用將逐步從實(shí)驗(yàn)室走向?qū)嶋H應(yīng)用，其應(yīng)用前景會(huì)越來越廣闊。

[1] 高曉勤. 電子鼻模式識(shí)別算法的研究與實(shí)現(xiàn)[D]. 太原: 中北大學(xué), 2015: 1-4.

[2] 費(fèi)雅君, 白雪, 康小紅. LDA優(yōu)化電子鼻傳感器陣列的研究[J]. 食品與機(jī)械, 2012, 28(1): 97-100.

[3] 龐林江, 王允祥, 王俊, 等. 電子鼻技術(shù)在香菇甲醛識(shí)別中的應(yīng)用[J]. 食品與機(jī)械, 2009, 25(3): 101-102.

[4] 巨玉佳, 梁琪, 張炎, 等. 電子鼻聯(lián)合GC—MS分析不同牦牛乳干酪中特征揮發(fā)性成分[J]. 食品與機(jī)械, 2014, 30(4): 14-17.

[5] 張振, 李臻鋒, 宋飛虎, 等. 電子鼻結(jié)合化學(xué)計(jì)量法用于檢測(cè)黃酒酒齡[J]. 食品與機(jī)械, 2015, 31(3): 57-61.

[6] 張勇, 劉君華, 吳浩揚(yáng). 基于遺傳神經(jīng)網(wǎng)絡(luò)的電子鼻在大氣環(huán)境氣體模式識(shí)別的應(yīng)用[J]. 儀器儀表學(xué)報(bào), 2001, 22(3): 225-227.

[7] LAMAGNA A, REICH S, RODRIGUEZ D, et al. The use of an electronic nose to characterize emissions from a highly polluted river[J]. Sensors and Actuators B: Chemical, 2008, 131(1): 121-124.

[8] VITO SD, MASSERA E, PIGA M, et al. On field calibration of an electronic nose for benzene estimation in an urban pollution monitoring scenario[J]. Sensors and Actuators B: Chemical, 2008, 129(2): 750-757.

[9] CESARE FD, PANTALEI S, ZAMPETTI E, et al. Electronic nose and SPME techniques to monitor phenanthrene biodegradation in soil[J]. Sensors and Actuators B: Chemical, 2008, 131(1): 63-70.[10] 何慶華, 王正國, 田逢春, 等. 電子鼻技術(shù)在醫(yī)學(xué)中的應(yīng)用[J]. 中國醫(yī)學(xué)物理學(xué)雜志, 2010, 27(5): 2 125-2 128.

[11] 喻勇新, 劉源, 孫曉紅, 等. 基于電子鼻區(qū)分三種致病菌的研究[J]. 傳感技術(shù)學(xué)報(bào), 2010, 23(1): 11-15.

[12] AMICO AD, BONO R, PENNAZZA G, et al. Identification of melanoma with a gas sensor array[J]. Skin Research and Technology, 2008, 14(2): 226-236.

[13] 楊柳, 郭成海, 趙紀(jì)萍, 等. 電子鼻檢測(cè)爆炸物的研究進(jìn)展[J]. 傳感器技術(shù), 2005, 24(7): 1-3.

[14] 王玲, 桂陽海, 張順平, 等. 電子鼻系統(tǒng)對(duì)危險(xiǎn)爆炸物的識(shí)別研究[J]. 傳感器與微系統(tǒng), 2007, 26(6): 54-57.

[15] 曾峰, 趙國強(qiáng), 宋占魁．智能電子鼻對(duì)煤礦火災(zāi)預(yù)報(bào)氣味識(shí)別的研究[J]. 傳感器與微系統(tǒng), 2010, 29(7): 21-24.

[16] 魏廣芬, 余雋, 唐禎安. 電子鼻系統(tǒng)原理及技術(shù)[M]. 北京: 電子工業(yè)出版社, 2014: 3-8.

[17] 樊尚春, 劉廣玉, 李成. 現(xiàn)代傳感技術(shù)[M]. 北京: 航空航天大學(xué)出版社, 2011: 186-189.

[18] 崔景慧, 李強(qiáng), 夏金鋒, 等. 半導(dǎo)體金屬氧化物氣體傳感器靈敏性的研究進(jìn)展[J]. 陶瓷學(xué)報(bào), 2013, 34(3): 1-7.

[19] 羅利軍, 譚學(xué)才, 鄒小勇, 等. 導(dǎo)電聚合物傳感器的研究進(jìn)展[J]. 分忻測(cè)試學(xué)報(bào), 2015, 24(4): 122-127.

[20] 宋雪臣, 單振清. 傳感器與檢測(cè)技術(shù)[M]. 北京: 人民郵電出版社, 2012: 42-45.

[21] 王俊杰, 曹麗. 傳感器與檢測(cè)技術(shù)[M]. 北京: 清華大學(xué)出版社, 2011: 141-143.

[22] 王化祥. 現(xiàn)代傳感技術(shù)及應(yīng)用[M]. 北京: 化學(xué)工業(yè)出版社, 2008: 26-33.

[23] 劉峰. 光纖氣體傳感器的研究[J]. 工程技術(shù), 2015(5): 254-255.

[24] 余暕浩. 電子鼻技術(shù)研究進(jìn)展[J]. 現(xiàn)代制造技術(shù)與裝備, 2011(6): 8-12.

[25] DASH M, LIU H. Feature selection for classification[J]. Intelligent Data Analysis, 2010, 1(s1/4): 131-156.

[26] 劉輝, 牛智有. 電子鼻技術(shù)及其應(yīng)用研究進(jìn)展[J]. 中國測(cè)試, 2009, 35(3): 6-10.

[27] 馮敬偉. 電子鼻系統(tǒng)信號(hào)處理技術(shù)研究[D]. 重慶: 重慶大學(xué), 2013: 21-30.

[28] 潘玉成. 人工神經(jīng)網(wǎng)絡(luò)在坦洋工夫紅茶感官品質(zhì)評(píng)定中的應(yīng)用研究[J]. 茶葉科學(xué), 2015, 35 (5): 465-472.

[29] 龔淑英, 魯成銀, 劉栩, 等. GB/T 23776—2009 茶葉感官審評(píng)方法[S]. 北京: 中國標(biāo)準(zhǔn)出版社, 2010: 8-15.

[30] 李明, 曾茜, 孫培冬, 等. HS—SPME/GC—MS分析無錫綠茶香氣成分[J]. 食品與機(jī)械, 2015, 31(3): 32-36.

[31] 于慧春. 基于電子鼻技術(shù)的茶葉品質(zhì)檢測(cè)研究[D]. 杭州: 浙江大學(xué), 2007: 50-71.

[32] 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.

[33] 陳哲, 趙杰文. 基于電子鼻技術(shù)的碧螺春茶葉品質(zhì)等級(jí)檢測(cè)研究[J]. 農(nóng)機(jī)化研究, 2012, 34(11): 133-137.

[34] 薛大為, 楊春蘭. 基于電子鼻技術(shù)的黃山毛峰茶品質(zhì)檢測(cè)方法[J]. 湖北工程學(xué)院學(xué)報(bào), 2014, 34(3): 64-67.

[35] 張紅梅, 田輝, 何玉靜, 等. 茶葉中茶多酚含量電子鼻技術(shù)檢測(cè)模型研究[J]. 河南農(nóng)業(yè)大學(xué)學(xué)報(bào), 2012, 46(3): 302-306.

[36] 張紅梅, 何玉靜, 李祥付. 信陽毛尖茶品質(zhì)和化學(xué)成分快速檢測(cè)方法[J]. 河南科學(xué), 2014, 32(5): 746-751.

[37] 張紅梅, 王俊, 余泳昌, 等. 基于電子鼻技術(shù)的信陽毛尖茶咖啡堿檢測(cè)方法[J]. 傳感技術(shù)學(xué)報(bào), 2011, 24(8): 1 223-1 227.

[38] 王帥, 李文舉, 韋麗華, 等. 基于電子鼻的有機(jī)正山小種紅茶的檢測(cè)[J]. 食品科技, 2015, 40(11): 292-295.

[39] DUTTA R, HINES EL, GARDNER JW, et a1. Tea quality prediction using a tin oxide-based electronic nose: an artificial intelligence approach[J]. Sensors and Actuators B: Chemical, 2003, 94(2): 228-237.

[40] DUTTA R, KASHWAN KM, HINES EL, et a1. Electronic nose based tea quality standardization[J]. Neural Networks the Official Journal of the International Neural Network Society, 2003, 16(5/6): 847-853.

[41] NABARUN B, PAWAN K. Aroma characterization of black tea using electronic nose[C]// Proceedings of 2004 International Conference-CHA(tea) Culture and Science. Tokyo: Tencon IEEE Region 10 Conference, 2004: 117-120.

[42] 黃海濤, 陳章玉, 施紅林, 等. 茶葉香味掃描和揮發(fā)性化學(xué)成分分析[J]. 分析化學(xué)研究簡(jiǎn)報(bào), 2005, 33(8): 1 185-1 188.

[43] BHATTACHARYYA N, SETH S, TUDU B, et al. Monitoring of black tea fermentation process using electronic nose[J]. Journal of Food Engineering, 2007, 80(4): 1 146-1 156.[44] BHATTACHARYYA N, SETH S, TUDU B, et al. Detection of optimum fermentation time for black tea manufacturing using electronic nose[J]. Sensors and Actuators B: Chemical, 2007, 122(2): 627-634.

[45] TUDU B, METLA A, DAS B, et al．Towards versatile electronic nose pattern classifier for black tea quality evaluation: an incremental fuzzy approach[J]. IEEE Transactions on Instrumentation and Measurement, 2009, 58(9): 3 069-3 078.

[46] TUDU B, JANA A, METLA A, et al．Electronic nose for black tea quality evaluation by an incremental RBF network[J]. Sensors and Actuators B: Chemical, 2009, 138(1): 90-95.

[47] 張紅梅, 高獻(xiàn)坤, 徐國強(qiáng), 等. 基于氣敏傳感器陣列的茶葉等級(jí)檢測(cè)方法研究[J]. 河南農(nóng)業(yè)大學(xué)學(xué)報(bào), 2010, 44(2): 177-179.

[48] 敖存. 龍井茶香氣質(zhì)量評(píng)價(jià)電子鼻輔助方法研究[D]. 杭州: 浙江大學(xué), 2011: 26-44.

[49] 傅均, 邢建國. 嗅覺神經(jīng)網(wǎng)絡(luò)在電子鼻識(shí)別多品牌綠茶中的應(yīng)用研究[J]. 傳感技術(shù)學(xué)報(bào), 2012, 25(3): 313-318.[50] SHI Bo-lin, ZHAO Lei, ZHI Rui-cong, et al. Optimization of electronic nose sensor array by genetic algorithms in Xihu-Longjing Tea quality analysis[J]. Mathematical and Computer Modelling, 2013, 58(3/4): 752-758.

[51] QIN Zi-han, PANG Xue-li, CHEN Dong, et al. Evaluation of Chinese tea by the electronic nose and gas chromatography-mass spectrometry: Correlation with sensory properties and classification according to grade level[J]. Food Research International, 2013, 53(2): 864-874.

[52] 甘芝霖, 劉遠(yuǎn)方, 楊陽, 等. 基于電子鼻技術(shù)的信陽毛尖茶品質(zhì)評(píng)價(jià)[J]. 食品工業(yè)科技, 2013, 34(2): 54-57.

[53] 周穎, 劉任, 譚婷, 等. 電子鼻對(duì)不同加工處理工夫紅茶香氣聚類的方法評(píng)價(jià)[J]. 食品安全質(zhì)量檢測(cè)學(xué)報(bào), 2015, 6(5): 1 611-1 618.[54] SHARMA P, GHOSHA A, TUDU B, et al. Monitoring the fermentation process of black tea using QCM sensor based electronic nose[J]. Sensors and Actuators B: Chemical, 2015, 219(5): 146-157.[55] 戴悅雯, 支瑞聰, 趙鐳, 等. 基于龍井茶香氣風(fēng)味特性的品質(zhì)判定[J]. 食品科學(xué), 2015, 36(10): 110-113.

[56] TUDU B, GHOSH S, BAG A K,et al. Incremental FCM technique for black tea quality evaluation using an electronic nose[J]. Fuzzy Information and Engineering, 2015, 7(3): 275-289.

[57] 楊春蘭, 薛大為, 鮑俊宏. 黃山毛峰茶貯藏時(shí)間電子鼻檢測(cè)方法研究[J]. 浙江農(nóng)業(yè)學(xué)報(bào), 2016, 28(4): 676-681.

[58] KATAYAMA S, TAKEUCHI H, TANIGUCHI H, et al. Odor analysis of green tea by sensors[C]// Proceedings of 2004 International Conference-CHA(tea) Culture and Science. Tokyo: Tencon IEEE Region 10 Conference, 2004: 642-646.

[59] 王俊, 崔紹慶, 陳新偉, 等. 電子鼻傳感技術(shù)與應(yīng)用研究進(jìn)展[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2013, 44(11): 160-167.

Electronic nose technology and its application on tea

PAN Yu-cheng1SONGLi-li1,2YENai-xing3PANYu-hua4

(1.DepartmentofMechanicalandElectronicEngineering,NingdeVocationalandTechnicalCollege,Fuan,Fujian355000,China; 2.CollegeofMaterialsScienceandEngineering,FuzhouUniversity,Fuzhou,Fujian350108,China;3.CollegeofHorticulture,FujianAgricultureandForestryUniversity,Fuzhou,Fujian350002,China;4.DepartmentofAgricultureScience,NingdeVocationalandTechnicalCollege,Fuan,Fujian355000,China)

The basic principle and structure of the electronic nose was introduced in this paper. Moreover, the application of electronic nose in the quality evaluation of tea, the classification of varieties, the detection of components etc were also reviewed. Finally, it was summarized that the problems existed in the application of electronic nose in tea, and then the future development direction was prospected for its in-depth study.

electronic nose; tea; sensor array; feature extraction; pattern recognition

湖南省科技計(jì)劃項(xiàng)目(編號(hào)：2013FJ4036)；清遠(yuǎn)市科技計(jì)劃項(xiàng)目(編號(hào)：2013A024，2014A023)

蔣雪薇，女，長沙理工大學(xué)副教授，博士，碩士生導(dǎo)師。

羅曉明(1968—)，男，長沙理工大學(xué)副教授，碩士。

E-mail：csluoxm@sina.com

2016—05—12