人工智能對龍井茶等級識別研究

虞培力+趙粼+王晞丞+張星海

摘要 應用電子鼻、電子舌技術對6個等級龍井茶進行識別研究。檢測數據通過主成分分析（PCA）與判別因子分析（DFA），確定龍井茶等級識別最佳傳感器陣列組合。結果表明，以S2-100Hz金電極、S3-1Hz鈀電極、S4-1Hz鎢電極、S6-100Hz銀電極為傳感器陣列，建立龍井茶湯智舌模型；以S1、S2、S4、S5、S6為傳感器陣列，建立龍井茶湯智鼻模型；以S2、S4、S5、S6為傳感器陣列，建立龍井干茶智鼻模型，將智舌、智鼻檢測方法結合形成的人工智能識別龍井茶等級的方法具有極高的辨識能力，能夠快速有效地判別龍井茶樣等級。

關鍵詞 電子鼻；電子舌；龍井茶；分級；模型

中圖分類號 TS272.7 文獻標識碼 A 文章編號 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

龍井茶是一種原產地域產品，指在原產地域范圍內采摘的茶樹鮮葉，按照傳統工藝技術在原產地域范圍內加工而成[1]。龍井茶的原產地域可細分為西湖產區、錢塘產區和越州產區，其中尤以西湖產區的龍井茶最富盛名，根據其品質的不同，經濟價值差異巨大[2]。長期以來，茶葉品質大多數是通過人的感官評定，但是人的感覺器官的靈敏度易受到外界因素的干擾，從而影響評定的準確性，茶葉感官評審無法做到完全標準化和真正客觀化[3-4]。

為了提高茶葉等級評定的客觀性與公正性，需要引入科學的、先進的方法與設備對茶葉品質進行輔助檢測。電子鼻是由不同專一性的氣敏傳感器構成的陣列和適當的模式識別系統組成的儀器，用來識別簡單和復雜的氣味[5]；電子舌是模仿人體味覺機理制成的一種新型分析儀器，由味覺傳感器陣列獲取待測液信息，通過適當的多元統計分析方法對傳感器輸出信號進行處理[6-7]，電子鼻和電子舌均為仿生檢測設備，利用傳感器技術和模式識別技術，可以分析復雜體系的整體“信息輪廓”[8]。

本試驗應用電子舌與電子鼻技術，檢測識別6種以龍井43號品種制的不同等級名優西湖龍井，建立數據庫模型，研究審評名優西湖龍井新方法。

1 材料與方法

1.1 試驗材料

杭州梅家塢龍井43號制西湖龍井茶葉（6個等級，2016年春茶）：特級（TJ）、一級（1J）、二級（2J）、三級（3J）、四級（4J）、五級（5J）。

1.2 儀器與設備

INOSE型電子鼻、電子舌（多頻脈沖伏安法）：美國isenso公司，其傳感器陣列如表1、2所示。

1.3 試驗方法

1.3.1 感官審評。邀請3位具有一級審評資質的審評專家對6個等級茶葉進行感官審評，各因子評分權重為外形20%、湯色10%、香氣30%、滋味30%、葉底10%，并進行評語記錄[9]。

1.3.2 茶葉審評樣品處理。準確稱取有代表性的茶樣3.0 g置于150 mL干凈審評杯中，用沸水沖泡至150 mL（滿杯）、加蓋靜止4 min，將茶水倒入審評碗，置于專用樣品瓶內，為待測樣Q。

1.3.3 電子鼻檢測茶湯樣品。取待測樣Q進行電子鼻檢測，檢測方法：檢測時間120 s，空氣流量0.3 L/min，清洗時間150 s，等待時間10 s，提取響應值，樣品平行檢測[10-11]。endprint

1.3.4 電子鼻檢測干茶樣品。稱取2 g茶葉樣品于10 mL頂空進樣瓶內，70 ℃水浴加熱30 min，每個樣品準備3組平行實驗，檢測方法同1.3.3。

1.3.5 電子舌檢測茶湯樣品。取待測樣Q應用多頻脈沖電子舌檢測，電子舌掃描參數：正向最大多頻大幅脈沖電位1.0 V，負向多頻大幅脈沖電位-1.0 V，步降電壓0.2 V；頻率段為100、10、1 Hz；檢測時間為100 s；清洗時間為90 s。提取響應值，每個樣品平行處理檢測5次[12-13]。

1.3.6 人工智能數據分析法。通過應用試驗測得的傳感器相應信號數據，對傳感器進行優化，采用主成分分析（PCA）法對優化完成的響應信號進行識別，對特征向量進行線性分類分析；建立西湖龍井等級分析模型圖，對采集數據進行判別因子分析（DFA），確定模型可行性[14]。

2 結果與分析

2.1 感官審評分析

通過感官審評，審評結果如表3所示。

2.2 基于電子舌對茶湯的PCA分析

電子舌檢測數據是基于傳感器陣列的多維數據，應用系統對傳感器進行優化，確定最優傳感器陣列為S2-100Hz金電極、S3-1Hz鈀電極、S4-1Hz鎢電極，S6-100Hz銀電極，分析得到的區別指數（DI值）為77.41%（圖1）。

由圖1可知，對西湖龍井茶樣的電子舌信息采集貢獻率最大的第一主成分（PCV1）與貢獻率次之的第二主成分（PCV2）的貢獻率分別為70.2%、11.1%，累計方差貢獻率為81.3%，第一主成分和第二主成分包含西湖龍井茶樣大量信息。沿第一主成分正方向，分別為西湖龍井5J、4J、3J、2J、TJ、1J，除特級與一級位置交換外，其余龍井形成較為條理的等級分布，結合感官評定滋味審評（表1）發現，TJ與1J 2個龍井滋味基本相似，人為也很難審評出差別，可能是由茶葉使用原料差別所造成。

2.3 基于電子舌對茶湯樣品的DFA分析

主成分分析表明樣品區別指數較好（DI值為77.41%），建立電子舌數據模型。為了驗證電子舌檢測各等級西湖龍井數據庫模型圖的可靠性，從6個等級試驗茶樣中各取3個樣品，打亂順序作為盲樣，分別用電子舌進行檢測識別，得到的盲樣判別結果（圖2）。

由圖2可知，6個等級西湖龍井樣品檢測未發生1例誤判，總體識別率為100%。由以上判別結果可知，以S2-100 Hz金電極、S3-1 Hz鈀電極、S4-1 Hz鎢電極、S6-100 Hz銀電極為傳感器陣列建立基于電子舌技術的西湖龍井數據庫模型具有極高的辨識能力，能夠快速判別茶樣等級。

2.4 基于電子鼻對樣品的PCA分析

2.4.1 茶湯樣品電子鼻PCA分析。智鼻檢測系統內10個不同金屬氧化物傳感器對西湖龍井茶湯樣品進行檢測掃描，得到特征響應曲線，應用系統對最佳傳感器陣列優化，最優傳感器組合為S1、S2、S4、S5、S6傳感器陣列，并進行主成分分析，如圖3（a）所示?？芍瑑灮瓿傻淖罴褌鞲衅麝嚵械谝恢鞒煞峙c第二主成分貢獻率分別為93.2%、4.8%，累計方差貢獻率為98%，說明第一主成分和第二主成分包含樣品大量信息，分析得到的區別指數為86.1%。

觀察第一主成分坐標軸發現，TJ茶湯與其他5個等級茶湯有較大的離散度，第一主成分能較大程度區分出特級西湖龍井茶湯；一級至五級的龍井茶香氣主成分主要體現在第二主成分上，觀察縱坐標發現，沿第二主成分坐標負向分別為西湖龍井1J、2J、3J、4J、5J，其中龍井2J、3J與4J的茶湯離散度較小，表明這3類茶的香氣成分較接近，造成這一現象的原因很大程度是這3類龍井皆為使用高低等級龍井拼配工藝，香氣成分相似。

2.4.2 干茶樣品電子鼻PCA分析。智鼻檢測系統內10個不同金屬氧化物傳感器對西湖龍井干茶樣品進行檢測掃描，得其特征響應曲線，應用系統對最佳傳感器陣列優化，最優傳感器組合為S2、S4、S5、S6傳感器陣列，并進行主成分分析，如圖3（b）所示。

由圖3（b）可知，優化完成的最佳傳感器陣列第一主成分（PCV1）與第二主成分（PCV2）貢獻率分別為99.1%、0.8%，累計方差貢獻率為99.9%，說明第一主成分和第二主成分包含樣品主要信息，區別指數（DI值）為88.0%。沿著縱坐標負方向分別為西湖龍井5J、4J、3J、2J、1J與TJ，形成較為條理的等級分布，且離散度較好，能直觀區分各等級西湖龍井，結合感官審評發現，其條理性準確無差別。

2.5 基于電子鼻對樣品的DFA分析

由主成分分析表明茶湯樣品電子鼻區別指數為86.1%、干茶樣品電子鼻區別指數為88.0%，區別指數均較高，可建立電子舌數據模型圖。為了驗證電子鼻檢測各等級西湖龍井數據庫模型圖的可靠性，從6個等級試驗茶樣中各取2個樣品，打亂順序作為盲樣，分別應用電子鼻進行進樣檢測，得到盲樣判別結果，如圖4所示。

由圖4可知，對6個等級西湖龍井樣品進行電子鼻檢測，其中茶湯法中1例三級茶樣出現誤判，其他未發生誤判現象，總體識率為91.67%；干茶法中未出現1例誤判，總體識別率為100%。由以上判別結果可知，以S1、S2、S4、S5、S6為傳感器陣列，建立龍井茶湯電子鼻模型；以S2、S4、S5、S6為傳感器陣列，建立龍井干茶電子鼻模型，并將電子鼻檢測龍井干茶與茶湯方法相結合，識別龍井茶等級的方法具有較高的辨識能力，能夠快速有效地判別茶樣等級，并應用于實際工作中。

3 結論

本試驗應用電子鼻、電子舌技術對龍井茶等級（以杭州梅家塢龍井43號品種制西湖龍井為例）進行識別研究，結合主成分分析（PCA）與判別因子分析（DFA），建立智鼻、智舌識別龍井茶等級新方法。根據檢測6個等級西湖龍井干茶與茶湯的成分信息，通過優化電子舌與電子鼻傳感器選擇，確定龍井茶等級識別最佳傳感器陣列組合。endprint

試驗結果表明，以S2-100Hz金電極、S3-1Hz鈀電極、S4-1Hz鎢電極、S6-100Hz銀電極為傳感器陣列，建立龍井茶湯智舌模型；以S1、S2、S4、S5、S6為傳感器陣列，建立龍井茶湯智鼻模型；以S2、S4、S5、S6為傳感器陣列，建立龍井干茶智鼻模型，并將以上智舌、智鼻檢測方法相結合形成的人工智能識別龍井茶等級的方法具有極高的辨識能力，能夠快速有效地判別龍井茶樣等級，且區別指數（DI值）高，模型離散程度好。此方法經感官審評方法驗證其科學性與可行性高，為人工智能識別龍井茶等級提供了新途徑與新方法。

4 參考文獻

[1] 浙江省質量技術監督局.龍井茶：GB 18650-2002原產地域產品[S].北京：中國標準出版社，2002.

[2] 汪厚銀，李志，張劍，等.基于氣質聯用/氣相色譜-嗅覺測定技術的西湖龍井茶特征香氣成分分析[J].食品科學，2012，33（8）：248-251.

[3] 趙愛鳳，于國鋒，劉曉艷，等.電子鼻、電子舌在茶葉審評中的應用[J].福建農機，2007（3）：23-26.

[4] 薛丹，史波林，趙鐳，等.基于電子舌技術的茶葉等級分類研究[J].食品科技，2010，35（12）：278-281.

[5] 陳哲，趙杰文.基于電子鼻技術的碧螺春茶葉品質等級檢測研究[J].農機化研究，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] 吳瑞梅，趙杰文，陳全勝，等.基于電子舌技術的綠茶滋味品質評價[J].農業工程學報，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] 楊國一，張丹丹，邱曉紅，等.基于電子鼻和電子舌技術對不同儲存年份臺式烏龍茶的識別分析[J].福建茶葉，2016，38（9）：11-13.

[10] 敖存.龍井茶香氣質量評價電子鼻輔助方法研究[D].杭州：浙江大學，2011.

[11] 陳婷，蔣明忠，彭文，等.基于電子鼻技術對云南普洱熟茶的香氣品質判別[J].西南農業學報，2017，30（2）：339-344.

[12] 潘俊嫻，段玉偉，蔣玉蘭，等.福鼎白茶風味的電子鼻和電子舌評價[J].食品工業科技，2017，38（12）：25-30.

[13] 寧珂.電子鼻與電子舌融合技術及其應用[D].吉林：東北電力大學，2014.

[14] 史波林，趙鐳，支瑞聰，等.應用電子鼻判別西湖龍井茶香氣品質[J].農業工程學報，2011，27（增刊2）：302-306.endprint