基于電子鼻的六堡茶“陳香”香味識別模型建立

溫立香 馮春梅 張芬 李建強 黎新榮 袁冬寅 趙媛

摘 要：文章采用電子鼻對“有陳香”和“陳香不顯”的兩類六堡茶進行香氣特征響應(yīng)信號提取，以干茶、茶湯和茶底的電子鼻響應(yīng)值作為香氣識別模型建立的特征值，用PCA和LDA進行識別分類，并以累計貢獻率最高的茶湯Loadings結(jié)果進行不同傳感器貢獻率的分析。結(jié)果表明PCA區(qū)分樣品的累計貢獻率干茶、茶湯、茶底分別達(dá)到99.29%、99.33%和94.66%，LDA區(qū)分樣品的總貢獻率干茶、茶湯、茶底分別為87.09%、97.50%和91.72%，LDA整體區(qū)分效果優(yōu)于PCA;傳感器Loadings分析結(jié)果表明：W1S（甲基類）、W2S（醇酮類）、W5S（氮氧化合物）及硫化物傳感器W1W、W2W在區(qū)分樣本有無陳香中起主要作用。利用PCA和LDA建立的兩種模型分析方法都能將“有陳香”和“陳香不顯”的六堡茶樣本區(qū)分開，用隨機選取的39個預(yù)測集樣品分別進行識別模型的驗證，干茶、茶湯、茶底的LDA識別模型對未知樣本的識別準(zhǔn)確率分別為84.62%、92.31%、82.05%，說明利用電子鼻建立判斷六堡茶是否有陳香的識別模型是可行的。

關(guān)鍵詞：六堡茶 陳香 電子鼻 識別模型

中圖分類號：S571.1 ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標(biāo)識碼：A

近年來六堡茶產(chǎn)業(yè)受國內(nèi)外黑茶熱銷帶動得到迅速發(fā)展，成為黑茶市場上的后起之秀[1]。香氣是影響茶葉品質(zhì)最重要的因子之一[2]，六堡茶香氣類型多樣，包括陳香、檳榔香、荷葉香、參香等，其中陳香型是最傳統(tǒng)也是占市場份額最大比例的一類產(chǎn)品[3]。目前評價茶葉香氣的方法主要有感官審評和化學(xué)檢測，感官評價結(jié)果易受評審人員感官靈敏度、喜好等主觀因素及環(huán)境條件、工作程序等外界因素的影響，由于缺乏量化識別，導(dǎo)致香氣評價一直是一個難點，存在極大的不確定性[4];而化學(xué)檢測前處理復(fù)雜、效率低[5]，且茶葉揮發(fā)物質(zhì)組分多而復(fù)雜，提取過程中非常容易發(fā)生各種反應(yīng)，香氣物質(zhì)的收集、提取對茶葉香氣化學(xué)分析方法的有效性有非常大的影響[6]。目前消費者對六堡茶香氣的認(rèn)識不足，銷售市場上對于“陳香”等各種香型也缺乏科學(xué)的評判標(biāo)準(zhǔn)，導(dǎo)致市場上產(chǎn)品名稱混亂，以次充好的現(xiàn)象時有發(fā)生，因此探索一種科學(xué)客觀又能全面評價茶葉香氣的方法非常必要。

電子鼻（EN）是一種新興的仿生檢測儀器，模擬人的嗅覺系統(tǒng)對樣品的氣味指標(biāo)直接進行檢測、分析和識別，短時間內(nèi)即可對樣品香氣的整體情況做出評價，具有預(yù)處理簡單、重復(fù)性好、不發(fā)生感官疲勞及結(jié)果客觀可靠等特點[7-8]。近年來很多學(xué)者探索其在茶葉品質(zhì)分析上的應(yīng)用，王寶怡[9]等、吳亮亮[10]等、王佳音[11]等、羅美玲[12]等、羅冬蘭[13]等人分別利用EN提取不同季節(jié)綠茶、茉莉花茶、抹茶、普洱熟茶及貴州4種綠茶的“氣味”指紋特征進行分析，得出結(jié)論山東不同季節(jié)綠茶、茉莉花茶類型、抹茶香氣種類、普洱熟茶貯藏年份、貴州綠茶種類可以通過EN技術(shù)進行區(qū)分判別;Tharaga Sharmilan[14]等利用EN監(jiān)測紅茶發(fā)酵過程中香氣變化，初步達(dá)到識別發(fā)酵階段香氣水平和預(yù)測發(fā)酵最佳狀態(tài)的目的，Tang Xiaoyan[15] 等采用EN建立快速檢測茶葉中擬除蟲菊酯類農(nóng)藥的方法，結(jié)果表明所建電子鼻模型能區(qū)分并定量茶葉中氯氟菊酯、聯(lián)苯菊酯和甲氰菊酯三種擬除蟲菊酯類農(nóng)藥;袁海波[4]等人基于EN結(jié)合PCA和LDA分析方法對西湖龍井茶和普洱茶進行鑒別，結(jié)果表明EN能夠快速區(qū)分不同價格水平的西湖龍井茶和不同貯藏年限的普洱茶;筆者溫立香[16]等人前期也嘗試探索EN技術(shù)在六堡茶年份識別上的應(yīng)用，結(jié)果表明EN技術(shù)可以對不同年份的六堡茶進行識別，并通過六堡茶氣味特征物質(zhì)對其進行區(qū)分、歸類，為后期六堡茶香氣研究奠定良好的基礎(chǔ)。

本文以陳香型六堡茶為切入點，采用EN提取“有陳香”和“陳香不明顯”的兩類六堡茶的香氣特征響應(yīng)信號，以EN響應(yīng)值作為特征值結(jié)合PCA和LDA等分析方法建立“陳香”香味識別模型，旨在探索新的六堡茶品質(zhì)評價方式，為建立科學(xué)客觀的六堡茶品質(zhì)評價技術(shù)奠定理論依據(jù)。

1 材料儀器與方法

1.1 材料儀器

1.1.1 材料

采集市售“陳香”型六堡茶及部分六堡茶陳化在制品，市售樣品來源包括廣西梧州茶廠、梧州中茶茶業(yè)有限公司、梧州天譽茶業(yè)、茂圣茶業(yè)有限公司、圣源茶業(yè)、銀泰茶業(yè)等生產(chǎn)廠家及部分合作社、農(nóng)家茶，陳化在制品樣本來源為廣西梧州茶廠，樣品總計105個。

1.1.2 儀器設(shè)備

供試儀器為德國AIR SENSE公司的PEN3型電子鼻（加熱型金屬氧化物傳感器），主要包括氣路流量控制系統(tǒng)、氣體傳感器陣列和信號處理系統(tǒng)三部分，氣體傳感器陣列包括10組高靈敏金屬氧化物傳感器，傳感器性能描述見表1。

金屬氧化物傳感器初始電阻率為G0，樣品揮發(fā)物進入采集系統(tǒng)后與傳感器陣列接觸，引起各傳感器電阻率G的變化，G/G0（相對電阻率）即為響應(yīng)值，響應(yīng)值大小反應(yīng)揮發(fā)物含量的變化。

1.2 試驗方法

1.2.1 建模樣本的篩選方法

結(jié)合專業(yè)審評人員（具有高級評茶員職業(yè)資格以上）與六堡茶資深愛好茶客的感官評審結(jié)果對搜集的105個樣品進行篩選，篩選出“有陳香”的樣品51個，“陳香不明顯”的樣品19個（包括市售六堡茶13個，陳化在制品6個），共計70個，每個樣品取3個重復(fù)，從210個樣本中隨機抽取39個作為未知的預(yù)測集樣本，其余樣本作為識別模型建立的訓(xùn)練集樣本。

1.2.2 感官審評方法

參照GB/T 23776[17]中黑茶與緊壓茶的審評方法，茶水比1∶50，沸水沖泡2次，第一次沖泡時間2 min，第二次沖泡時間5 min，對香氣和滋味進行重點評價。

1.2.3 EN響應(yīng)值采集方法

1.2.3.1 干茶EN響應(yīng)值采集

稱3.0 g干茶，置于電子鼻配套的頂空富集進樣瓶，靜置15 min，同時插入采集針和補氣針開始采集氣味數(shù)據(jù)（注意補氣針插入采集瓶的位置要深于采集針），采集時間為100 s，每秒采集數(shù)據(jù)1次，EN軟件自動記錄，重復(fù)3次。

1.2.3.2 茶湯及茶底EN響應(yīng)值采集

稱3.0 g干茶置于燒杯，加50 mL沸蒸餾水快速洗茶5s（去除因陳放時間久產(chǎn)生的異雜氣味），濾去洗茶水，按茶水比1∶50，注入沸蒸餾水泡5 min后濾出茶湯，分別將茶湯和茶底待測樣裝入富集進樣瓶，靜置至45～55℃時，進行氣味數(shù)據(jù)采集，采集方法同上述干茶。

1.3 統(tǒng)計分析

用Airsense-WinMuster軟件進行數(shù)據(jù)處理與分析，樣本區(qū)分采用主成分分析（Principle component analysis，PCA ）、線性判別分析（Linear discriminant analysis，LDA）和負(fù)荷加載分析（Loadings analysis，LA），預(yù)測集樣本定性判定采用判別函數(shù)分析（Discriminant function analysis，DFA）法。

2 結(jié)果與分析

2.1 干茶、茶湯、茶底的EN響應(yīng)值采集結(jié)果

圖1中不同曲線代表EN的不同傳感器對不同類別芳香物質(zhì)的響應(yīng)變化（即G/G0），響應(yīng)曲線總體變化趨勢為先呈急劇上升、達(dá)到峰值后開始下降、最后逐漸平緩趨于穩(wěn)定。從圖1的EN響應(yīng)曲線及響應(yīng)值結(jié)果可看出，六堡茶干茶、茶湯、茶底芳香物質(zhì)類型有較大差異，各傳感器對干茶、茶湯、茶底的信號響應(yīng)變化各不同。結(jié)合所有樣本干茶、茶湯和茶底的電子鼻響應(yīng)曲線變化情況，以穩(wěn)定階段的EN響應(yīng)值作為模型建立分析的原始特征數(shù)據(jù)，干茶選取91～93s的響應(yīng)值、茶湯選取71～73s，茶底選取81～83s的響應(yīng)值。

2.2 數(shù)據(jù)處理及識別模型的建立

2.2.1 PCA識別模型的建立

PCA是將原來有一定相關(guān)性的多個指標(biāo)組合成新的互相無關(guān)的幾個綜合指標(biāo)，并以新的綜合指標(biāo)替代原指標(biāo)進行數(shù)據(jù)分析的一種降維方法[18]。對六堡茶干茶、茶湯、茶底揮發(fā)物質(zhì)的EN響應(yīng)值分別進行PCA分析，各主成分總貢獻率越大越能更好地反映樣品信息。如圖2結(jié)果顯示：干茶第一主成分PC1貢獻率為92.28%，第二主成分PC2貢獻率為7.01%，兩個主成分區(qū)分樣品的累計貢獻率達(dá)到99.29%;茶湯、茶底的PC1分別為94.16%、74.14%，PC2分別為5.17%、20.52%，累計貢獻率分別為99.33%/和94.66%。干茶、茶湯、茶底的兩個主成分都已基本涵蓋了樣品的主要信息特征，這說明在本實驗中PCA分析具有可行性。

此外，從PCA散點圖中可看出：茶底模型中“有陳香”和“陳香不顯”的數(shù)據(jù)采集點所在區(qū)域之間有部分出現(xiàn)重疊，在干茶和茶湯模型中，干茶“有陳香”和“陳香不顯”基本區(qū)分為兩個區(qū)域，茶湯則完全區(qū)分為兩個互不重疊的區(qū)域，區(qū)分效果優(yōu)于干茶和茶底，這可能是因為經(jīng)過沸水沖泡，大量高沸點香氣物質(zhì)揮發(fā)，EN傳感器富集的揮發(fā)物質(zhì)較多，采集到更多有效信息，因此區(qū)分效果較好。

2.2.2 LDA識別模型的建立

LDA是一種考慮樣本類別輸出的經(jīng)典數(shù)據(jù)降維分析方法，與PCA不同，更加注重不同類別樣品之間的距離分析以及樣品在空間的分布狀態(tài)[7]。對六堡茶干茶、茶湯、茶底揮發(fā)物質(zhì)的EN響應(yīng)值分別進行LDA分析，如圖3結(jié)果所示：干茶第一判別式LDA1貢獻率為85.24%，第二判別式LDA2貢獻率為1.85%，兩個判別式區(qū)分樣品的總貢獻率為87.09%;茶湯、茶底的LDA1貢獻率分別是97.14%、90.53%，LDA2貢獻率分別是0.36%、1.18%，總貢獻率分別達(dá)到97.50%和91.72%，其中茶湯判別式所覆蓋的原始信息最多。對比PCA分析方法，“有陳香”和“陳香不顯”的兩類樣本用LDA也可以實現(xiàn)區(qū)分目的并且區(qū)分效果優(yōu)于PCA分析。

2.2.3 EN傳感器Loadings分析結(jié)果

Loadings 分析可反映不同傳感器在樣本香氣區(qū)分中的作用大小，通過傳感器在負(fù)荷加載分析圖中的位置來判斷其對樣本揮發(fā)性氣味貢獻率的大小，進一步考察不同類別氣體在樣本區(qū)分分類中起的作用大小。傳感器在圖中離坐標(biāo)原點距離越遠(yuǎn)，說明其對樣品區(qū)分起的作用越大，距離越近則表示作用越小。對干茶、茶湯、茶底響應(yīng)值進行Loadings 分析，累計貢獻率分別達(dá)到99.29%、99.33%、94.66%，各傳感器在圖中的分布趨勢基本一致，本文以累計貢獻率最高的茶湯Loadings 分析結(jié)果為例，分析不同傳感器對樣本區(qū)分貢獻的作用大小。

如圖4所示，Loadings 分析中第一主成分LA1貢獻率達(dá)94.16%，涵蓋大部分原始信息，在樣品區(qū)分中起關(guān)鍵作用，對LA1貢獻較大的傳感器為W1S（甲基類）、W1W（無機硫化物）和W2S（醇類、酮類）;對LA2貢獻較大的為W1W（無機硫化物）、W2W（有機硫化物）、W5S（氮氧化合物）;W3S、W6S、W3C、W5C、W1C五個傳感器距離原點均較近，在兩個主成分上的載荷因子都不高，說明其對兩類六堡茶區(qū)分作用不大。Loadings 分析結(jié)果顯示在“有陳香”和“陳香不顯”的兩類六堡茶香氣區(qū)分中甲基類化合物、醇酮類化合物、硫化物及氮氧化合物起主要作用。

2.3 識別模型準(zhǔn)確率的驗證

用隨機選取的已知感官審評結(jié)果的39個預(yù)測集樣本進行識別模型準(zhǔn)確率的驗證，將預(yù)測樣本的EN響應(yīng)曲線依次導(dǎo)入干茶、茶湯、茶底的LDA識別模型，圖5、圖6分別為預(yù)測準(zhǔn)確和預(yù)測錯誤的樣本響應(yīng)曲線在模型中的分布情況。圖5是感官審評結(jié)果為“陳香明顯”的六堡茶樣本的響應(yīng)曲線分布圖，傳感器剛開始接收到的氣味特征信息較少，離模型中的數(shù)據(jù)區(qū)域較遠(yuǎn)，隨著采集時間推移樣本的氣味特征信息（G/G0）逐漸豐富，最終穿過并停留在與其氣味特征相似的“有陳香”的數(shù)據(jù)區(qū)域（G/G0穩(wěn)定值），通過預(yù)測模型圖可判斷出該樣本為“有陳香”，預(yù)測準(zhǔn)確。圖6樣本感官審評結(jié)果為“陳香不明顯”，但EN氣味響應(yīng)曲線未能穿過“陳香不顯”的數(shù)據(jù)區(qū)域，最終停留在“有陳香”的數(shù)據(jù)區(qū)域左側(cè)，未能準(zhǔn)確識別。

如表2所示：將39個預(yù)測樣本分別導(dǎo)入干茶、茶湯、茶底識別模型進行驗證，三個識別模型中對未知樣本的預(yù)測準(zhǔn)確率最高的是茶湯模型，識別準(zhǔn)確率達(dá)到92.31%，干茶、茶底模型的識別準(zhǔn)確率分別為84.62%、82.05%。

3 結(jié)論與討論

電子鼻（EN）是一種模擬人類嗅覺感覺機理的現(xiàn)代化智能分析檢測儀器，利用其采集的香氣物質(zhì)特征數(shù)據(jù)結(jié)合數(shù)學(xué)分析方法構(gòu)建食品品質(zhì)評價方法，近年來在化學(xué)物質(zhì)和感官特性的快速測定中應(yīng)用越來越多[19]。六堡茶香氣類型多樣，不同香型六堡茶揮發(fā)性芳香物質(zhì)的氣味不同，采用仿生儀器EN對“有陳香”和“陳香不顯”的兩類六堡茶進行香氣特征響應(yīng)信號提取，以平穩(wěn)階段的干茶、茶湯和茶底的EN響應(yīng)值作為特征值，結(jié)合PCA和LDA分析進行識別分類，并以累計貢獻率最高的茶湯Loadings結(jié)果進行不同傳感器貢獻率的分析。PCA和LDA是兩種經(jīng)典的數(shù)據(jù)降維分析方法，PCA一般不考慮組間的差異，盡可能使每個數(shù)據(jù)點進行最大化地區(qū)分，PCA方法得到的特征是原變量的最佳描述特征而非最佳分類特征[20]，而LDA是一種有監(jiān)督的降維技術(shù)，收集所有傳感器的信息盡力提高組間的差異，是一種兼顧組內(nèi)分布和組間距離的分析方法[21]。

本實驗中分析結(jié)果表明PCA區(qū)分樣品的累計貢獻率干茶、茶湯、茶底分別達(dá)到99.29%、99.33%和94.66%，LDA區(qū)分樣品的總貢獻率干茶、茶湯、茶底分別為87.09%、97.50%/和91.72%。無論是PCA還是LDA分析方法，都能將“有陳香”和“陳香不明顯”的六堡茶區(qū)分開，PCA涵蓋的原始信息總體高于LDA，但從區(qū)分效果來看LDA優(yōu)于PCA方法，用隨機選取的39個預(yù)測集樣品對LDA干茶、茶湯、茶底的識別模型進行驗證，識別準(zhǔn)確率分別為84.62%、92.31%、82.05%，說明利用EN建立判斷六堡茶是否有陳香的識別模型是可行的。此外茶湯Loadings分析結(jié)果表明在“有陳香”和“陳香不顯”的兩類六堡茶香氣區(qū)分中甲基類化合物（傳感器W1S）、醇酮類化合物（傳感器W2S）、氮氧化合物（傳感器W5S）及硫化物（傳感器W1W、W2W）起主要作用，本研究為探索新的六堡茶品質(zhì)評價方式及建立科學(xué)客觀的品質(zhì)評價技術(shù)奠定理論依據(jù)。

參考文獻

[1] ? ? ?陳永斌.梧州市六堡茶產(chǎn)業(yè)發(fā)展分析[D].南寧：廣西大學(xué)，2016.

[2] ? ? ?溫立香，張芬，何梅珍，等.茶葉品質(zhì)評價技術(shù)的研究現(xiàn)狀[J]. 食品研究與開發(fā)，2018，39（15）：197-204.

[3] ? ? 溫立香，張芬，何梅珍，等.陳香六堡茶品質(zhì)特征及香氣質(zhì)量評價方法建立[J].食品工業(yè)科技，2021，42（2）：230-236.

[4] ? ? Yuan H B，Chen X Q，Shao Y D， et al.Quality evaluation of green and dark tea grade using electronic nose and multivariate statistical analysis[J]. Journal of Food Science， 2019， 84（12）： 3411-3417.

[5] ? ? 于慧春.基于電子鼻技術(shù)的茶葉品質(zhì)檢測研究[D].杭州：浙江大學(xué)，2007.

[6] ? ? 馬會杰，蔣賓，潘玉蘭，等.電子鼻對不同產(chǎn)地名優(yōu)綠茶和紅茶香氣特征的判別研究[J].食品科技，2019，44（1）：336-344.

[7] ? ? 諶珍，劉青茹，周潔蓉，等.基于電子鼻對花香型紅茶揮發(fā)性風(fēng)味形成過程分析[J].農(nóng)產(chǎn)品加工，2019（6）：51-54.

[8] ? ? 楊雪梅，趙建銳，王智慧，等.電子鼻技術(shù)及其在茶葉香氣檢測中的應(yīng)用及展望[J].中國茶葉，2020，42（06）：5-9.

[9] ? ? 王寶怡，王培強，李曉晗，等.基于電子鼻技術(shù)對不同季節(jié)山東綠茶香氣的分析[J].現(xiàn)代食品科技，2020，36（10）：284-289，259.

[10] ? ?吳亮亮，張丹丹，葉小輝，等.電子鼻在對名優(yōu)茉莉花茶香氣評價中的應(yīng)用[J].福建茶葉，2016，38（6）：5-6.

[11] ? ?王佳音，王鳳玲，王福東，等.電子鼻對不同種類抹茶香氣成分的辨別與分析[J].食品與發(fā)酵工業(yè)，2019，45（19）：270-276.

[12] ? ?羅美玲，田洪敏，楊雪梅，等.電子鼻技術(shù)對普洱熟茶香氣判別的研究[J]. 西南大學(xué)學(xué)報（自然科學(xué)版），2018，40（8）：16-24.

[13] ? ?羅冬蘭，邵勇，巴良杰，等.貴州四種名優(yōu)茶葉的電子鼻鑒別與香氣成分分析[J].保鮮與加工，2020，20（3）：183-190.

[14] ? ?Sharmilan T， Premarathne I， Wanniarachchi I， et al. Electronic nose technologies in monitoring black tea manufacturing process[J]. Journal of Sensors， 2020， 1-8.

[15] ? ?Tang X Y， XiaoW M， Shang T， et al. An electronic nose technology to quantify pyrethroid pesticide contamination in tea[J]. Chemosensors， 2020， 8（30）， 1-10.

[16] ? ?溫立香，黎新榮，李建強，等.電子鼻在六堡茶陳化年份識別中的應(yīng)用[J].南方農(nóng)業(yè)學(xué)報，2017，48（07）：1291-1296.

[17] ? 中國國家標(biāo)準(zhǔn)化管理委員會.GB/T 23776-2018：茶葉感官審評方法[S].北京：中國標(biāo)準(zhǔn)出版社，2018.

[18] ? ?曾敏，龔正禮.基于主成分分析法構(gòu)建云南古樹普洱生茶香氣質(zhì)量評價模型[J].食品工業(yè)科技，2017，38（15）：264-269.

[19] ? ?馬澤亮，國婷婷，殷廷家，等.基于電子鼻系統(tǒng)的白酒摻假檢測方法[J].食品與發(fā)酵工業(yè)，2019，45（02）：190-195.

[20] ? ?曹靜，王敏，張珍，等.同炒制方式及貯藏時間對苦蕎茶滋味影響的智舌辨識研究[J].食品科學(xué)技術(shù)學(xué)報，2014，32（6）：29-35.

[21] ? ?劉俊梅，米瑞芳，胡小松，等.不同殺菌方式對即食胡蘿卜片品質(zhì)影響的比較分析[J].現(xiàn)代食品科技，2020，36（6）：97-104，284.