基于电子舌技术对信阳毛尖茶品质的评价

甘芝霖，刘远方，杨 阳，张树明，陈芹芹，倪元颖

(中国农业大学食品科学与营养工程学院，国家果蔬加工工程技术研究中心，农业部果蔬加工重点开放实验室，果蔬加工教育部工程研究中心，北京100083)

信阳毛尖茶产于河南省信阳市，是中国传统名茶之一，也是河南省著名的土特产之一，素来以“细、圆、紧、直、多白毫，香高、味浓、色绿”的独特风格而饮誉中外［1］。茶叶品质鉴定主要以感官评审和常规的化学分析方法为主。感官评审往往受评审者的个人经验、心理与生理等因素的影响，且费时费力［2］，难以获得准确的、一致的评审结果［3］。由此可见，茶叶品质的检测需要一种快速、准确的方法。电子舌(electronic tongue，ET)是一种能够对样品进行定性或定量分析的新型分析测试技术设备［4］，样品无需前处理，快速、实时［5］。目前，电子舌在食品工业得到了广泛的应用［6-10］，国内外关于电子舌评价茶叶品质也有一定的研究［11-14］，结果表明电子舌在评价茶叶滋味的整体信息方面具有很强大优势。本实验利用电子舌首次对不同等级信阳毛尖茶进行了分析，并通过主成分分析法(PCA)、偏最小二乘法(PLS)初步建立了信阳毛尖茶的品质等级鉴别体系。

1 材料与方法

1.1 材料与仪器

2011年5月在信阳购得两个茶厂五个等级的磨盘山茶和狮河口茶共10种样品，磨盘山茶五个等级分别为240、180、110、80、20 元/斤，狮河口茶五个等级分别为珍品、纯芽、次芽、二采芽、春尾。茶样质量等级由高到低分别简称为A、B、C、D、E。同一茶场的茶样均是同一制作工艺，分级主要是依靠不同采摘部位和采摘时间而确定的。茶样用85℃的水冲泡，水浴10min后，快速抽滤成为实验所用茶汤，实验前保存在4℃的冰箱中。

HCl(分析纯) 购于法国 AlphaMOS公司。ATREE型电子舌、电子舌传感器(ZZ、BA、BB、CA、GA、HA、JB) 购于法国AlphaMOS公司。

1.2 电子舌分析方法

条件准备试液溶液:0.01mol/L的HCl溶液(校准实验时间约3.5h)，实验清洗溶液:0.01mol/L的HCl溶液，样品测定时间:300s/个;实验过程中清洗时间为10s。

1.3 数据处理

1.3.1 主成分分析 主成分分析(principal component analysis，PCA)是一种最古老的多元统计分析技术，其中心目的是将数据降维，以排除众多化学信息共存中互相重叠的信息［15］。本文对两个品牌的十个茶样进行了实验，每个茶样作3个平行，每个平行取样7次，在软件的统计分析后，得到两个品牌各自的PCA谱图。

1.3.2 茶样质量等级的PLS分析 偏最小二乘法(partial least square，PLS)是一种多因变量对多自变量的回归建模方法［16］。本研究利用偏最小二乘法(PLS)把独立的品质等级矩阵进行组合来优化反映数据矩阵和预测值之间的相关性，以预测变量和期望变量间的相关系数评价模型。本文对两个品牌的十个茶样进行了实验，每个茶样作3个平行，每个平行取样7次，在软件的统计分析后，得到两个品牌各自的PLS谱图。

2. 结果与讨论

2.1 磨盘山信阳毛尖五个质量等级茶样的电子舌分析结果

2.1.1 磨盘山信阳毛尖四个质量等级茶样的主成分分析PCA谱图以及最优传感器组合 磨盘山茶样电子舌实验中传感器分析的曲线图如图1，可以看出七根传感器的响应情况，刚开始的部分传感器的变化剧烈，随后传感器的感应逐渐平直，达到了对溶液感应稳定的目的。图2为在七根传感器全部选择的情况下磨盘山茶样 PCA图，可以看出区别指数为52.22。从图中可以看出，四种茶样各自的聚集区域有交叉部分，它们的差异性在图中没有完全体现出来。图3为在优化的传感器组合(ZZ、BA、CA和HA为最优传感器组合)下的磨盘山茶样PCA图，从图中可以看出区别指数为78.94，四个质量等级的茶样可以完全区分开来，其中每个聚集区域代表的磨盘山茶样从左到右依次为C、B、A、E，它们的聚集区域彼此分离，差异性得到较好的体现。

图1 磨盘山茶样A的传感器曲线图Fig.1 The sensors’curve diagram of Mopanshan tea sample A

2.1.2 磨盘山信阳毛尖四个质量等级茶样的PLS分析结果 图4为磨盘山茶样A、B、C、E的PLS图，可以看出类似相关系数0.96大于0.9，PLS模型有效。图5是当选择磨盘山茶样D为盲样时，D落在了茶样C和E之间，说明它的质量在C和E之间，这和原料的质量等级排序一致，从而验证了可以在优化的方法下由先得到的质量等级茶样的PLS模型来识别盲样，可以给盲样一个建议定价。

图2 选择所有传感器时磨盘山四个质量等级茶样的PCA图谱Fig.2 The PCA plot of Mopanshan tea samples with all sensors

图3 选择四根传感器时磨盘山四个质量等级茶样的PCA图谱Fig.3 The PCA plot of Mopanshan tea samples with optimized sensors

图4 磨盘山四个质量等级茶样的PLS模型Fig.4 The PLSof four Mopanshan tea samples

图5 带有盲样的磨盘山质量等级茶样的PLS图谱Fig.5 The PLSof Mopanshan tea samples with an unknown tea sample

2.2 狮河口信阳毛尖五个质量等级茶样的电子舌分析结果

2.2.1 狮河口信阳毛尖五个质量等级茶样的主成分分析PCA谱图以及最优传感器组合 图6为狮河口茶样电子舌实验中传感器分析的曲线图，可以看出七根传感器的响应情况。图7为在七根传感器全部选择的情况下狮河口茶样PCA图，可以看出区别指数为51.05。从图中可以看出，四种茶样各自得聚集区域有交叉部分，它们的差异性没有很好的图中体现出来。图8为在优化的传感器组合(ZZ，BA，CA和HA为最优传感器组合)下的浉河口茶样PCA图，从图中可以看出区别指数为84.22，四个质量等级的茶样可以完全区分开来，其中每个聚集区域代表的狮河口茶样从左到右依次为A、B、C、D，它们的聚集区域彼此分离，差异性得到较好的体现。

图6 狮河口茶样B的传感器曲线图Fig.6 The sensors’curve diagram of Shihekou tea sample B

图7 选择所有传感器时狮河口四个质量等级茶样的PCA图谱Fig.7 The PCA plot of Shihekou tea samples with all sensors

图8 选择四根传感器时狮河口四个质量等级茶样的PCA图谱Fig.8 The PCA plot of Shihekou tea samples with optimized sensors

2.2.2 狮河口信阳毛尖四个质量等级茶样的PLS分析结果 图9为狮河口茶样A、B、C、D的PLS图，可以看出类似相关系数0.98大于0.9，PLS模型有效。图10是当选择茶样E为盲样时，E落在了D之前，说明它的质量在D之后，这和原料的质量等级排序一致，再次验证了可以在优化的方法下由先得到的质量等级茶样的PLS模型来识别盲样，可以给盲样一个建议定价的设想。

图9 狮河口四个质量等级茶样的PLS模型Fig.9 The PLSof four Shihekou tea samples

图10 带有盲样的狮河口质量等级茶样的PLS图谱Fig.10 The PLSof Shihekou tea samples with an unknown tea sample

3 结论

对不同品质的信阳毛尖茶的区分，实验表明电子舌检测可以实现快速区分不同品质绿茶的目的。在实验中优化电子舌传感器的选择，建立了两个品牌信阳毛尖的各自五个质量等级的电子舌PCA谱图，建立的PCA谱图达到了较好区分样品的目的。实验中优化的电子舌传感器的组合对电子舌识别其他绿茶品质具有参考意义。

对不同品质的信阳毛尖茶，建立了电子舌PLS模型，不同品质信阳毛尖茶的电子舌PLS模型的相关系数均大于0.9，说明PLS模型均为有效模型。

在已建立的电子舌PLS模型中，均检测了其对信阳毛尖茶盲样的识别，盲样的检测结果原料等级一致，证明了可以对某品种绿茶可依实验方法建立质量等级的PLS模型，然后当检测同品种的绿茶盲样时，只需进行电子舌检测便可得出该绿茶品质的大概状况，以便快速给出建议定价。

［1］郭桂义，胡孔锋，袁丁，等.信阳毛尖茶的化学成分研究［J］.食品工业科技，2006，27(12):162-167.

［2］周小芬，叶阳，陈芃，等.近红外光谱技术在茶叶品质评价中的研究与应用［J］.食品工业科技，2012，33(5):413-417.

［3］张红梅，李燕，王玲，等.信阳毛尖茶品质等级的电子鼻检测［J］.河南农业科学，2010(4):36-38.

［4］邓少平，田师一.电子舌技术背景与研究进展［J］.食品与生物技术学报，2007，26(4):110-116.

［5］牛海霞.电子舌在现代食品科学技术中的应用［J］.食品科技，2007(8):26-30.

［6］范佳利，韩剑众，田师一，等.基于电子舌的乳制品品质特性及新鲜度评价［J］.食品与发酵工业，2009，35(6):177-181.

［7］韩剑众，黄丽娟，顾振宇，等.基于电子舌的鱼肉品质及新鲜度评价［J］.农业工程学报，2008，24(12):141-144.

［8］Rudnitskaya Alisa，Polshin Evgeny，Kirsanov Dmitry，et al.Instrumental measurement of beer taste attributes using an electronic tongue［J］.Analytica Chimica Acta，2009，646:111-118.

［9］Dias LA，Peres AM，Veloso ACA，et al.An electronic tongue taste evaluation:Identification of goat milk adulteration with bovine milk［J］.Sensors and Actuators B:Chemical，2009，136:209-217.

［10］田怀香，肖作兵，徐霞，等.基于电子舌的鸡肉香精风味改进研究［J］.中国调味品，2011，36(3):113-116.

［11］Palit Mousumi，Tudu Bipan，Bhattacharyya Nabarun，et al.Comparison of multivariate preprocessing techniques as applied to electronic tongue based pattern classification for black tea［J］.Analytica Chimica Acta，2010(1):8-15.

［12］贺玮，胡小松，赵镭，等.电子舌技术在普洱散茶等级评价中的应用［J］.食品工业科技，2009，30(11):125-131.

［13］陈全胜，江水泉，王新宇.基于电子舌技术和模式识别方法的茶叶质量等级评判［J］.食品与机械，2008，24(1):124-126.

［14］Wei He，Xiaosong Hu，Lei Zhao，et al.Evaluation of Chinese tea by the electronic tongue:Correlation with sensory properties and classification according to geographical origin and grade level［J］.Food Research International，2009，42:1462-1467.

［15］姜莎，陈芹芹，胡雪芳，等.电子舌在红茶饮料区分辨识中的应用［J］，农业工程学报，2009，25(11):345-347，132.

［16］谈国凤，田师一，沈宗根，等.电子舌检测奶粉中抗生素残留［J］.农业工程学报，2011，27(4):361-365.