針對茶葉品質感官審評的不足,采用德國AIRSENSE電子鼻檢測手段,對4個不同等級的龍井茶作等級判別。對傳感器信號進行多因素方差分析得出:不同容器容積和不同采樣時刻對傳感器的響應信號有著顯著的影響。通過主成分( PCA )、線性判別( LDA )和BP神經網絡方法對各茶葉樣品進行了分類判別。PCA 對于等級差別較近的茶葉區分結果不太理想;而LDA相對于PCA有較好的區分效果;設計BP神經網絡拓撲結構為30-12-4,通過對網絡進行適當訓練,總的測試回判率可達到90%。

樣品：4個不同等級的龍井茶

儀器：德國AIRSENSE電子鼻

實驗結果：

   (1) 通過3 因素方差分析表明對于一定質量的樣品, 試驗容器的容積對其響應信號的影響極為顯 著; 對茶葉來說, 不同頂空靜置時間對其信號影響不大; 對4 個等級茶葉響應值方差分析確定出: 在第60s時各等級茶葉的響應值差異明顯, 有益于樣本的識別分類。所以選取60s時的數據進行PCA和LDA 分析。

   (2) PCA 分析可以將等級差別明顯的樣品區分開, 而對于等級差別較小的樣品不能很好地實現分類, 存在很大的局限; LDA 分析可以將各個等級的樣品*分開, 效果優于PCA 分析。

   (3) 從每個傳感器響應曲線中提取3 個特征值,組成包含30 個特征值的特征向量作為神經網絡識別分析的輸入矢量, 網絡測試總體回判率達到90%。

研究意義：

   目前, 茶葉品質大多數是通過人的感官評定的。人感覺器官的靈敏度易受外界因素的干擾而改變,從而影響評定的準確性。近年來,電子鼻得到了廣泛的研究和應用, 尤其在食品和飲料工業方面。電子鼻把具有不同特性的氣體傳感器組合成氣體傳感器陣列, 使其檢測范圍更寬; 同時,在模式識別數據處理方面也在不斷發展完善各種識別方法, 如線性識別函數法、人工神經網絡法等。人工神經網絡的大優點就是可實現復雜的非線性映射, 并且具有良好的容錯性,有助于提高氣體檢測的精度。本文運用電子鼻對不同等級的西湖龍井茶葉香氣進行檢測, 然后進行適當的特征提取, 結合統計模式識別方法和神經網絡分析方法對輸入的茶葉香氣信號進行模式識別,實現對龍井綠茶等級的評定。