人工智能对龙井茶等级识别研究

虞培力+赵粼+王晞丞+张星海

摘要 应用电子鼻、电子舌技术对6个等级龙井茶进行识别研究。检测数据通过主成分分析（PCA）与判别因子分析（DFA），确定龙井茶等级识别最佳传感器阵列组合。结果表明，以S2-100Hz金电极、S3-1Hz钯电极、S4-1Hz钨电极、S6-100Hz银电极为传感器阵列，建立龙井茶汤智舌模型；以S1、S2、S4、S5、S6为传感器阵列，建立龙井茶汤智鼻模型；以S2、S4、S5、S6为传感器阵列，建立龙井干茶智鼻模型，将智舌、智鼻检测方法结合形成的人工智能识别龙井茶等级的方法具有极高的辨识能力，能够快速有效地判别龙井茶样等级。

关键词 电子鼻；电子舌；龙井茶；分级；模型

中图分类号 TS272.7 文献标识码 A 文章编号 1007-5739（2018）02-0260-04

Study on Longjing Tea Classification by Artificial Intelligence

YU Pei-li ZHAO Lin WANG Xi-cheng ZHANG Xing-hai *

（Zhejiang Institute of Economics and Trade，Hangzhou Zhejiang 310018）

Abstract Six grade Longjing teas were identified by electronic nose and electronic tongue technique.The detection data were determined by principal component analysis（PCA）and discriminant factor analysis（DFA），and the best sensor array combination of Longjing tea grade identification was determined.The results showed that the electronic tongue model of Longjing tea soup was established with the sensor array of S2-100Hz gold electrode，S3-1Hz palladium electrode，S4-1Hz tungsten electrode，S6-100Hz silver electrode；the electronic nose model of Longjing tea soup was established with the sensor array of S1，S2，S4，S5，S6；the electronic nose model of dry Longjing tea was established with the sensor array of S2，S4，S5，S6.It could classify Longjing tea quickly and effectively by combining identification of electronic tongue and electronic nose with artificial intelligence.

Key words electronic nose；electronic tongue；Longjing tea；classification；model

龙井茶是一种原产地域产品，指在原产地域范围内采摘的茶树鲜叶，按照传统工艺技术在原产地域范围内加工而成[1]。龙井茶的原产地域可细分为西湖产区、钱塘产区和越州产区，其中尤以西湖产区的龙井茶最富盛名，根据其品质的不同，经济价值差异巨大[2]。长期以来，茶叶品质大多数是通过人的感官评定，但是人的感觉器官的灵敏度易受到外界因素的干扰，从而影响评定的准确性，茶叶感官评审无法做到完全标准化和真正客观化[3-4]。

为了提高茶叶等级评定的客观性与公正性，需要引入科学的、先进的方法与设备对茶叶品质进行辅助检测。电子鼻是由不同专一性的气敏传感器构成的阵列和适当的模式识别系统组成的仪器，用来识别简单和复杂的气味[5]；电子舌是模仿人体味觉机理制成的一种新型分析仪器，由味觉传感器阵列获取待测液信息，通过适当的多元统计分析方法对传感器输出信号进行处理[6-7]，电子鼻和电子舌均为仿生检测设备，利用传感器技术和模式识别技术，可以分析复杂体系的整体“信息轮廓”[8]。

本试验应用电子舌与电子鼻技术，检测识别6种以龙井43号品种制的不同等级名优西湖龙井，建立数据库模型，研究审评名优西湖龙井新方法。

1 材料与方法

1.1 试验材料

杭州梅家坞龙井43号制西湖龙井茶叶（6个等级，2016年春茶）：特级（TJ）、一級（1J）、二级（2J）、三级（3J）、四级（4J）、五级（5J）。

1.2 仪器与设备

INOSE型电子鼻、电子舌（多频脉冲伏安法）：美国isenso公司，其传感器阵列如表1、2所示。

1.3 试验方法

1.3.1 感官审评。邀请3位具有一级审评资质的审评专家对6个等级茶叶进行感官审评，各因子评分权重为外形20%、汤色10%、香气30%、滋味30%、叶底10%，并进行评语记录[9]。

1.3.2 茶叶审评样品处理。准确称取有代表性的茶样3.0 g置于150 mL干净审评杯中，用沸水冲泡至150 mL（满杯）、加盖静止4 min，将茶水倒入审评碗，置于专用样品瓶内，为待测样Q。

1.3.3 电子鼻检测茶汤样品。取待测样Q进行电子鼻检测，检测方法：检测时间120 s，空气流量0.3 L/min，清洗时间150 s，等待时间10 s，提取响应值，样品平行检测[10-11]。endprint

1.3.4 电子鼻检测干茶样品。称取2 g茶叶样品于10 mL顶空进样瓶内，70 ℃水浴加热30 min，每个样品准备3组平行实验，检测方法同1.3.3。

1.3.5 电子舌检测茶汤样品。取待测样Q应用多频脉冲电子舌检测，电子舌扫描参数：正向最大多频大幅脉冲电位1.0 V，负向多频大幅脉冲电位-1.0 V，步降电压0.2 V；频率段为100、10、1 Hz；检测时间为100 s；清洗时间为90 s。提取响应值，每个样品平行处理检测5次[12-13]。

1.3.6 人工智能数据分析法。通过应用试验测得的传感器相应信号数据，对传感器进行优化，采用主成分分析（PCA）法对优化完成的响应信号进行识别，对特征向量进行线性分类分析；建立西湖龙井等级分析模型图，对采集数据进行判别因子分析（DFA），确定模型可行性[14]。

2 结果与分析

2.1 感官审评分析

通过感官审评，审评结果如表3所示。

2.2 基于电子舌对茶汤的PCA分析

電子舌检测数据是基于传感器阵列的多维数据，应用系统对传感器进行优化，确定最优传感器阵列为S2-100Hz金电极、S3-1Hz钯电极、S4-1Hz钨电极，S6-100Hz银电极，分析得到的区别指数（DI值）为77.41%（图1）。

由图1可知，对西湖龙井茶样的电子舌信息采集贡献率最大的第一主成分（PCV1）与贡献率次之的第二主成分（PCV2）的贡献率分别为70.2%、11.1%，累计方差贡献率为81.3%，第一主成分和第二主成分包含西湖龙井茶样大量信息。沿第一主成分正方向，分别为西湖龙井5J、4J、3J、2J、TJ、1J，除特级与一级位置交换外，其余龙井形成较为条理的等级分布，结合感官评定滋味审评（表1）发现，TJ与1J 2个龙井滋味基本相似，人为也很难审评出差别，可能是由茶叶使用原料差别所造成。

2.3 基于电子舌对茶汤样品的DFA分析

主成分分析表明样品区别指数较好（DI值为77.41%），建立电子舌数据模型。为了验证电子舌检测各等级西湖龙井数据库模型图的可靠性，从6个等级试验茶样中各取3个样品，打乱顺序作为盲样，分别用电子舌进行检测识别，得到的盲样判别结果（图2）。

由图2可知，6个等级西湖龙井样品检测未发生1例误判，总体识别率为100%。由以上判别结果可知，以S2-100 Hz金电极、S3-1 Hz钯电极、S4-1 Hz钨电极、S6-100 Hz银电极为传感器阵列建立基于电子舌技术的西湖龙井数据库模型具有极高的辨识能力，能够快速判别茶样等级。

2.4 基于电子鼻对样品的PCA分析

2.4.1 茶汤样品电子鼻PCA分析。智鼻检测系统内10个不同金属氧化物传感器对西湖龙井茶汤样品进行检测扫描，得到特征响应曲线，应用系统对最佳传感器阵列优化，最优传感器组合为S1、S2、S4、S5、S6传感器阵列，并进行主成分分析，如图3（a）所示。可知，优化完成的最佳传感器阵列第一主成分与第二主成分贡献率分别为93.2%、4.8%，累计方差贡献率为98%，说明第一主成分和第二主成分包含样品大量信息，分析得到的区别指数为86.1%。

观察第一主成分坐标轴发现，TJ茶汤与其他5个等级茶汤有较大的离散度，第一主成分能较大程度区分出特级西湖龙井茶汤；一级至五级的龙井茶香气主成分主要体现在第二主成分上，观察纵坐标发现，沿第二主成分坐标负向分别为西湖龙井1J、2J、3J、4J、5J，其中龙井2J、3J与4J的茶汤离散度较小，表明这3类茶的香气成分较接近，造成这一现象的原因很大程度是这3类龙井皆为使用高低等级龙井拼配工艺，香气成分相似。

2.4.2 干茶样品电子鼻PCA分析。智鼻检测系统内10个不同金属氧化物传感器对西湖龙井干茶样品进行检测扫描，得其特征响应曲线，应用系统对最佳传感器阵列优化，最优传感器组合为S2、S4、S5、S6传感器阵列，并进行主成分分析，如图3（b）所示。

由图3（b）可知，优化完成的最佳传感器阵列第一主成分（PCV1）与第二主成分（PCV2）贡献率分别为99.1%、0.8%，累计方差贡献率为99.9%，说明第一主成分和第二主成分包含样品主要信息，区别指数（DI值）为88.0%。沿着纵坐标负方向分别为西湖龙井5J、4J、3J、2J、1J与TJ，形成较为条理的等级分布，且离散度较好，能直观区分各等级西湖龙井，结合感官审评发现，其条理性准确无差别。

2.5 基于电子鼻对样品的DFA分析

由主成分分析表明茶汤样品电子鼻区别指数为86.1%、干茶样品电子鼻区别指数为88.0%，区别指数均较高，可建立电子舌数据模型图。为了验证电子鼻检测各等级西湖龙井数据库模型图的可靠性，从6个等级试验茶样中各取2个样品，打乱顺序作为盲样，分别应用电子鼻进行进样检测，得到盲样判别结果，如图4所示。

由图4可知，对6个等级西湖龙井样品进行电子鼻检测，其中茶汤法中1例三级茶样出现误判，其他未发生误判现象，总体识率为91.67%；干茶法中未出现1例误判，总体识别率为100%。由以上判别结果可知，以S1、S2、S4、S5、S6为传感器阵列，建立龙井茶汤电子鼻模型；以S2、S4、S5、S6为传感器阵列，建立龙井干茶电子鼻模型，并将电子鼻检测龙井干茶与茶汤方法相结合，识别龙井茶等级的方法具有较高的辨识能力，能够快速有效地判别茶样等级，并应用于实际工作中。

3 结论

本试验应用电子鼻、电子舌技术对龙井茶等级（以杭州梅家坞龙井43号品种制西湖龙井为例）进行识别研究，结合主成分分析（PCA）与判别因子分析（DFA），建立智鼻、智舌识别龙井茶等级新方法。根据检测6个等级西湖龙井干茶与茶汤的成分信息，通过优化电子舌与电子鼻传感器选择，确定龙井茶等级识别最佳传感器阵列组合。endprint

试验结果表明，以S2-100Hz金电极、S3-1Hz钯电极、S4-1Hz钨电极、S6-100Hz银电极为传感器阵列，建立龙井茶汤智舌模型；以S1、S2、S4、S5、S6为传感器阵列，建立龙井茶汤智鼻模型；以S2、S4、S5、S6为传感器阵列，建立龙井干茶智鼻模型，并将以上智舌、智鼻检测方法相结合形成的人工智能识别龙井茶等级的方法具有极高的辨识能力，能够快速有效地判别龙井茶样等级，且区别指数（DI值）高，模型离散程度好。此方法经感官审评方法验证其科学性与可行性高，为人工智能识别龙井茶等级提供了新途径与新方法。

4 参考文獻

[1] 浙江省质量技术监督局.龙井茶：GB 18650-2002原产地域产品[S].北京：中国标准出版社，2002.

[2] 汪厚银，李志，张剑，等.基于气质联用/气相色谱-嗅觉测定技术的西湖龙井茶特征香气成分分析[J].食品科学，2012，33（8）：248-251.

[3] 赵爱凤，于国锋，刘晓艳，等.电子鼻、电子舌在茶叶审评中的应用[J].福建农机，2007（3）：23-26.

[4] 薛丹，史波林，赵镭，等.基于电子舌技术的茶叶等级分类研究[J].食品科技，2010，35（12）：278-281.

[5] 陈哲，赵杰文.基于电子鼻技术的碧螺春茶叶品质等级检测研究[J].农机化研究，2012，34（11）：133-137.

[6] SHI B，WANG H，ZHAO L，et al.Study on Key Technology for the Disc-rimination of Xihu Longjing Tea Grade by Electronic Tongue[M].Berlin Springer International Publishing，2015.

[7] 吴瑞梅，赵杰文，陈全胜，等.基于电子舌技术的绿茶滋味品质评价[J].农业工程学报，2011，27（11）：378-381.

[8] NETALE C，MACAGNANO.Electronic nose and sensorial analysis：comparison of performances in selected case[J].Sensor and Actuators B，1998，50（2）：246-252.

[9] 杨国一，张丹丹，邱晓红，等.基于电子鼻和电子舌技术对不同储存年份台式乌龙茶的识别分析[J].福建茶叶，2016，38（9）：11-13.

[10] 敖存.龙井茶香气质量评价电子鼻辅助方法研究[D].杭州：浙江大学，2011.

[11] 陈婷，蒋明忠，彭文，等.基于电子鼻技术对云南普洱熟茶的香气品质判别[J].西南农业学报，2017，30（2）：339-344.

[12] 潘俊娴，段玉伟，蒋玉兰，等.福鼎白茶风味的电子鼻和电子舌评价[J].食品工业科技，2017，38（12）：25-30.

[13] 宁珂.电子鼻与电子舌融合技术及其应用[D].吉林：东北电力大学，2014.

[14] 史波林，赵镭，支瑞聪，等.应用电子鼻判别西湖龙井茶香气品质[J].农业工程学报，2011，27（增刊2）：302-306.endprint