基于費舍爾判別法的綠茶殺青狀態(tài)在線監(jiān)測

何 維，王 進，黃九明，陸國棟，唐小林，李文萃

（1. 浙江大學流體動力與機電系統(tǒng)國家重點實驗室，浙江杭州 310027；2. 中華全國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)測為主。人為監(jiān)測存在判斷標準不統(tǒng)一、主觀性太強等問題，從而導致生產(chǎn)的茶葉質(zhì)量參差不齊，降低經(jīng)濟收益，并浪費資源[1]。因此，研究綠茶殺青狀態(tài)的在線監(jiān)測技術對推動我國綠茶加工的標準化、智能化、信息化具有重要意義。

茶葉加工狀態(tài)在線監(jiān)測主要通過3 種方式實現(xiàn)，其一為計算機視覺技術，通過采集茶葉加工過程中茶葉的紋理、色彩等信息進行狀態(tài)識別[2-12]；其二為近紅外光譜技術，通過采集茶葉的光譜圖像信息進行識別[13-18]；其三為電子鼻技術，通過采集茶葉的香氣數(shù)據(jù)進行狀態(tài)識別[19-23]。目前，茶葉加工過程中主要以檢測殺青、發(fā)酵2 個環(huán)節(jié)為主，其中發(fā)酵過程時間長，茶葉相對靜止，通過圖像、光譜、電子鼻等技術研究較多。但殺青是個動態(tài)翻炒的過程，時間短，通過圖像和香氣在線檢測難度高，目前主要以近紅外光譜檢測含水率為主。

近紅外光譜儀精度高的價格大多在10 萬元以上；電子鼻產(chǎn)品種類也較少，主要以德國AIRSENSE 的PEN 系列電子鼻，價格也要幾十萬元，這嚴重制約了茶葉在線品質(zhì)監(jiān)測的應用。因此，采用自主研發(fā)電子鼻來降低成本。近年來，費舍爾判別法因其所需樣本庫較少、模型簡單等特點，已被廣泛應用于各類情況的監(jiān)測與預測[24-28]?；诖?，通過電子鼻技術采集綠茶殺青過程中的香氣數(shù)據(jù)，并采用費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)測提供方法。

1 試驗設置

1.1 試驗原料與設備

實驗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。茶鮮葉采摘進廠后平鋪8 cm 進行攤青，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)為實驗室自主研制，主要包含有傳感器陣列、反應室氣腔、微型吸氣泵、采集芯片、干燥管、電源模塊、整機控制系統(tǒng)和PC 分析端。

實驗室自制電子鼻見圖1。

圖1 實驗室自制電子鼻

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

傳感器型號及參數(shù)見表1，傳感器陣列見圖2。

表1 傳感器型號及參數(shù)

殺青設備采用福建佳友JY-6CST-90B 型液化氣殺青機，該機型滾筒內(nèi)徑90 cm，長度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，且能自動翻炒，單口進出茶葉，因此炒青過程中，在進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)場見圖3。

圖2 傳感器陣列

圖3 香氣采集現(xiàn)場

1.2 試驗步驟

綠茶殺青在線監(jiān)測的目的是對茶葉殺青狀態(tài)進行實時檢測，依據(jù)檢測結(jié)果反饋回設備，調(diào)節(jié)設備加工參數(shù)，達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 個狀態(tài)，分別為殺青不足、殺青適中、殺青過頭。殺青不足時，葉色青綠，葉質(zhì)硬，香氣清淡；殺青適中時，葉色變暗，葉質(zhì)逐漸柔軟萎焉，香氣顯露并逐漸濃郁；殺青過頭時，葉色發(fā)黑，葉片卷曲干焦。采集殺青全過程的香氣數(shù)據(jù)，按如下4 個步驟進行：

第一步：預熱設備。打開電子鼻設備的加熱按鈕對傳感器進行加熱，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；啟動滾筒殺青機，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±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)動滾筒。

第三步：采集數(shù)據(jù)。將電子鼻進氣管伸入滾筒內(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)場對茶葉殺青狀態(tài)實時判斷，并記錄狀態(tài)變化的時間點，直至殺青過頭大約2 min。

試驗數(shù)據(jù)記錄見表2。

表2 試驗數(shù)據(jù)記錄

2 數(shù)據(jù)前處理

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

2.1 試驗步驟

香氣指紋圖譜見圖4。

圖4 香氣指紋圖譜

由圖4 可知，殺青過程中香氣變化具有明顯的階段性，出現(xiàn)了3 個波峰，而這3 個階段與專家對茶葉加工狀態(tài)的評定具有很高的重合，這說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程中的香氣變化特征，也驗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)在傳感器對香氣數(shù)據(jù)的響應幅值，因此可以將傳感器對香氣響應的幅值作為傳感器對香氣的敏感性。因此傳感器敏感性按照公式（1） 計算。

式中：maxi——傳感器對第i 筒殺青香氣響應的最大值；

mini——傳感器對第i 筒殺青香氣響應的最小值；

n——殺青桶數(shù)。

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

傳感器敏感性排序見表3。

表3 傳感器敏感性排序

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

3 數(shù)據(jù)分析

3.1 費舍爾判別法思想

費舍爾判別的基本思想為通過將多維數(shù)據(jù)按照一定的投影向量投影到新的低維空間上，簡化原始信息，使得投影后類群數(shù)據(jù)之間盡可能分開，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算出判別函數(shù)，將未知樣本帶入判別函數(shù)模型，計算出新的樣本值組成新的坐標。然后計算新的坐標與已知樣本的類群中心的距離進行比較，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)合專家對每個數(shù)據(jù)狀態(tài)的判定對數(shù)據(jù)進行分類，殺青不足類別為1，殺青適中類別為2，殺青過頭類別為3，將其導入SPSS 軟件，進行費舍爾判別分析。費舍爾判別降維后的維度按照公式（2） 計算：

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，費舍爾判別降維后的維度為2 維。因此，建立了2 個方向上的判別函數(shù)，如公式（3），（4） 所示，得到如下2 個降維后的方向判別函數(shù)。

費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方向上的方差來解釋。

方差占比見表4。

表4 方差占比

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

綠茶殺青過程香氣樣本的主成分投影分布圖見圖5。

圖5 綠茶殺青過程香氣樣本的主成分投影分布圖

由圖5 可以看出，3 個狀態(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，實線為二維空間的類群分割線，顯然，聯(lián)合2 個投影方向的分類準確率更高。

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

類群中心見表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)分為建模組和驗證組，建模組用于茶葉加工狀態(tài)判別模型的建立，驗證組作為未知樣本，檢驗判別模型對茶葉狀態(tài)的判別結(jié)果。

3.3.2 建模組自檢結(jié)果分析

以上述2 個判別函數(shù)為依據(jù)，對建模組的397個樣本進行回判，得到如表6 所示的回判結(jié)果。殺青不足的回判準確率為99%，殺青適中的回判準確率為98%，殺青過頭為100%。總回判準確率接近99%。

建模組回判結(jié)果見表6，回判準確率見表7。

表5 類群中心

表6 建模組回判結(jié)果

表7 回判準確率

3.3.3 驗證組結(jié)果分析

將驗證組數(shù)據(jù)代入判別函數(shù)（3），（4） 計算出（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)合專家對每個樣本的評定結(jié)果進行比較。

驗證組判別結(jié)果見表8，判別準確率見表9，不同傳感器結(jié)果對比見表10。

由表9 可以看出，殺青不足的判別準確率為90%，殺青適中的判別準確率為80%，殺青過頭的判別準確率達100%?？傮w判別準確率為91.65%。表明應用費舍爾判別監(jiān)測綠茶殺青加工狀態(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 個傳感器與隨機選擇的8 個傳感器進行判別的結(jié)果，由表10可知，優(yōu)選的傳感器陣列判別效果優(yōu)于隨機選擇的效果。

優(yōu)選傳感器對驗證組殺青狀態(tài)判別見圖6。

表8 驗證組判別結(jié)果

表9 判別準確率

表10 不同傳感器結(jié)果對比/%

圖6 優(yōu)選傳感器對驗證組殺青狀態(tài)判別

圖6 顯示了優(yōu)選傳感器對驗證組殺青狀態(tài)判別結(jié)果，縱坐標值為1，2，3 分別表示殺青不足、殺青適中和殺青過頭。在殺青不足階段，利用費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渡階段，判別結(jié)果在殺青不足和殺青適中波動，主要原因為滾動中部分茶葉殺青適中，部分殺青不足。隨著殺青時間的持續(xù)，在230～270 s 作用表現(xiàn)為穩(wěn)定的殺青適中，即香氣檢測過程中，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)與香氣之間的關系，基于費舍爾判別法建立了綠茶殺青狀態(tài)的判別模型。

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

（3） 綠茶殺青過程香氣主成分投影點可聚類成殺青不足、殺青適中、殺青過頭3 個聚類中心，利用當前狀態(tài)香氣的主成分投影點與聚類中心的距離進行殺青狀態(tài)判斷和在線監(jiān)控。

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

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