基于費舍爾判別法的綠茶殺青狀態在線監測

何 維，王 進，黃九明，陸國棟，唐小林，李文萃

（1. 浙江大學流體動力與機電系統國家重點實驗室，浙江杭州 310027；2. 中華全國供銷合作總社杭州茶葉研究院，浙江杭州 310016）

0 引言

殺青是綠茶生產中最重要的環節，而綠茶殺青狀態以人工監測為主。人為監測存在判斷標準不統一、主觀性太強等問題，從而導致生產的茶葉質量參差不齊，降低經濟收益，并浪費資源[1]。因此，研究綠茶殺青狀態的在線監測技術對推動我國綠茶加工的標準化、智能化、信息化具有重要意義。

茶葉加工狀態在線監測主要通過3 種方式實現，其一為計算機視覺技術，通過采集茶葉加工過程中茶葉的紋理、色彩等信息進行狀態識別[2-12]；其二為近紅外光譜技術，通過采集茶葉的光譜圖像信息進行識別[13-18]；其三為電子鼻技術，通過采集茶葉的香氣數據進行狀態識別[19-23]。目前，茶葉加工過程中主要以檢測殺青、發酵2 個環節為主，其中發酵過程時間長，茶葉相對靜止，通過圖像、光譜、電子鼻等技術研究較多。但殺青是個動態翻炒的過程，時間短，通過圖像和香氣在線檢測難度高，目前主要以近紅外光譜檢測含水率為主。

近紅外光譜儀精度高的價格大多在10 萬元以上；電子鼻產品種類也較少，主要以德國AIRSENSE 的PEN 系列電子鼻，價格也要幾十萬元，這嚴重制約了茶葉在線品質監測的應用。因此，采用自主研發電子鼻來降低成本。近年來，費舍爾判別法因其所需樣本庫較少、模型簡單等特點，已被廣泛應用于各類情況的監測與預測[24-28]。基于此，通過電子鼻技術采集綠茶殺青過程中的香氣數據，并采用費舍爾判別法建立綠茶殺青狀態判別模型，為綠茶殺青狀態的在線監測提供方法。

1 試驗設置

1.1 試驗原料與設備

實驗所用茶鮮葉原料為浙江武義更香茶廠提供的烏牛早品種，采摘時間為9 月上旬。為盡可能保證鮮葉原料質量的同一性，選取連續2 日上午采摘的茶葉進行香氣數據采集。綠茶加工流程為鮮葉、攤放、殺青、揉捻、干燥。茶鮮葉采摘進廠后平鋪8 cm 進行攤青，攤青適度后，作為殺青葉的原料。

采集茶香氣數據的電子鼻系統為實驗室自主研制，主要包含有傳感器陣列、反應室氣腔、微型吸氣泵、采集芯片、干燥管、電源模塊、整機控制系統和PC 分析端。

實驗室自制電子鼻見圖1。

圖1 實驗室自制電子鼻

傳感器陣列是電子鼻設備的核心部件，其合理性嚴重影響電子鼻性能。茶葉香氣的成分主要有醇類、醛類、酯類、酮類、烯烴、酸類及其他有機氣體。因此，根據成分初步選擇了15 個傳感器組成陣列。

傳感器型號及參數見表1，傳感器陣列見圖2。

表1 傳感器型號及參數

殺青設備采用福建佳友JY-6CST-90B 型液化氣殺青機，該機型滾筒內徑90 cm，長度108 cm，處理量為78 kg/h，單周期投放茶葉10 kg 左右，能控制殺青溫度，且能自動翻炒，單口進出茶葉，因此炒青過程中，在進出口前就可以收集到連續可靠的數據。

香氣采集現場見圖3。

圖2 傳感器陣列

圖3 香氣采集現場

1.2 試驗步驟

綠茶殺青在線監測的目的是對茶葉殺青狀態進行實時檢測，依據檢測結果反饋回設備，調節設備加工參數，達到茶葉加工的智能化生產。因此，首先將綠茶殺青狀態劃分為3 個狀態，分別為殺青不足、殺青適中、殺青過頭。殺青不足時，葉色青綠，葉質硬，香氣清淡；殺青適中時，葉色變暗，葉質逐漸柔軟萎焉，香氣顯露并逐漸濃郁；殺青過頭時，葉色發黑，葉片卷曲干焦。采集殺青全過程的香氣數據，按如下4 個步驟進行：

第一步：預熱設備。打開電子鼻設備的加熱按鈕對傳感器進行加熱，直至傳感器數據在空氣環境下30 s 內不再發生明顯變化；啟動滾筒殺青機，將滾筒內溫度均勻加熱至220 ℃，在1 min 內溫度變化不超過±1 ℃。

第二步：投放茶葉。待傳感器數據和殺青溫度穩定下來后，一次性投放10 kg 攤青完成后的茶葉至滾筒內部，轉動滾筒。

第三步：采集數據。將電子鼻進氣管伸入滾筒內部距離入口處10 cm 處，按下電子鼻數據采集按鈕開始采集數據，采集頻率1 s /次。

第四步：記錄數據。制茶專家現場對茶葉殺青狀態實時判斷，并記錄狀態變化的時間點，直至殺青過頭大約2 min。

試驗數據記錄見表2。

表2 試驗數據記錄

2 數據前處理

數據前處理旨在通過對傳感器的數據簡單處理分析，檢驗香氣數據是否適合判別茶葉加工狀態，并且篩選出對茶葉香氣最敏感的傳感器陣列。

2.1 試驗步驟

香氣指紋圖譜見圖4。

圖4 香氣指紋圖譜

由圖4 可知，殺青過程中香氣變化具有明顯的階段性，出現了3 個波峰，而這3 個階段與專家對茶葉加工狀態的評定具有很高的重合，這說明大部分傳感器收集到的氣體數據能比較好地反映出茶葉殺青過程中的香氣變化特征，也驗證了香氣特征變化能較好地反映茶葉殺青狀態變化。

2.2 傳感器敏感性分析

傳感器的敏感性體現在傳感器對香氣數據的響應幅值，因此可以將傳感器對香氣響應的幅值作為傳感器對香氣的敏感性。因此傳感器敏感性按照公式（1） 計算。

式中：maxi——傳感器對第i 筒殺青香氣響應的最大值；

mini——傳感器對第i 筒殺青香氣響應的最小值；

n——殺青桶數。

按照公式（1） 計算所有傳感器的敏感性，按照敏感性從大到小對傳感器進行排序，得到表3 所示的結果。

傳感器敏感性排序見表3。

表3 傳感器敏感性排序

由表3 可以看出，MQ138，MQ135 和MP135 分別對醇類/醛酮類、芳香類化合物和硫化物靈敏性很強，實際敏感性也是排在前列，與殺青過程中的主要揮發氣體相符，而常用氣味檢測的電子鼻傳感器在8 個左右[29-30]。故剔除敏感性低的7 個傳感器，將剩余8 個傳感器數據進行茶葉加工狀態的判別。

3 數據分析

3.1 費舍爾判別法思想

費舍爾判別的基本思想為通過將多維數據按照一定的投影向量投影到新的低維空間上，簡化原始信息，使得投影后類群數據之間盡可能分開，即類與類之間的方差盡可能大，使得類群內的數據盡可能集中，即類內的方差盡可能小。實現高維數據在低維空間上的分離。

具體的判別方法是將已知樣本按照上述原則計算出判別函數，將未知樣本帶入判別函數模型，計算出新的樣本值組成新的坐標。然后計算新的坐標與已知樣本的類群中心的距離進行比較，將其判別為較近的類群。

3.2 判別函數的建立

將第一筒殺青的香氣數據作為模型建立樣本，結合專家對每個數據狀態的判定對數據進行分類，殺青不足類別為1，殺青適中類別為2，殺青過頭類別為3，將其導入SPSS 軟件，進行費舍爾判別分析。費舍爾判別降維后的維度按照公式（2） 計算：

式中：n——類群數；

m——原始數據空間維度。

結合以上分析結果，n=3，m=15，費舍爾判別降維后的維度為2 維。因此，建立了2 個方向上的判別函數，如公式（3），（4） 所示，得到如下2 個降維后的方向判別函數。

費舍爾判別降維成新的空間后的數據質量可以用新空間每個方向上的方差來解釋。

方差占比見表4。

表4 方差占比

由表4 可以看出，為新的投影空間在每個方向上的投影方差占比。在第一投影方向上的方差占比達到了95.8%，第二投影方向上的方差占比為4.2%，2 個方向的方差信息累計100%。結果表明，第一投影方向上的質量遠遠高于第二投影方向。但是，為盡可能保留原始數據信息，聯合2 個方向的判別函數綜合對狀態進行判別。

綠茶殺青過程香氣樣本的主成分投影分布圖見圖5。

圖5 綠茶殺青過程香氣樣本的主成分投影分布圖

由圖5 可以看出，3 個狀態在二維空間上具有明顯的區分性，虛線為第一投影方向上的類群分割線，實線為二維空間的類群分割線，顯然，聯合2 個投影方向的分類準確率更高。

如圖5 所示的茶葉加工3 個狀態的類群中心，其中心值（見表5），殺青不足為（-3.724，-0.465），殺青適中為（0.642，1.569），殺青過頭為（7.016，-0.657）。

類群中心見表5。

3.3 狀態判別結果分析

3.3.1 概述

研究的數據分為建模組和驗證組，建模組用于茶葉加工狀態判別模型的建立，驗證組作為未知樣本，檢驗判別模型對茶葉狀態的判別結果。

3.3.2 建模組自檢結果分析

以上述2 個判別函數為依據，對建模組的397個樣本進行回判，得到如表6 所示的回判結果。殺青不足的回判準確率為99%，殺青適中的回判準確率為98%，殺青過頭為100%。總回判準確率接近99%。

建模組回判結果見表6，回判準確率見表7。

表5 類群中心

表6 建模組回判結果

表7 回判準確率

3.3.3 驗證組結果分析

將驗證組數據代入判別函數（3），（4） 計算出（F1，F2） 的值利用歐式距離判別法判別茶葉加工狀態，并結合專家對每個樣本的評定結果進行比較。

驗證組判別結果見表8，判別準確率見表9，不同傳感器結果對比見表10。

由表9 可以看出，殺青不足的判別準確率為90%，殺青適中的判別準確率為80%，殺青過頭的判別準確率達100%。總體判別準確率為91.65%。表明應用費舍爾判別監測綠茶殺青加工狀態具有較好的可行性。

如表10 所示為依據敏感性篩選的8 個傳感器與隨機選擇的8 個傳感器進行判別的結果，由表10可知，優選的傳感器陣列判別效果優于隨機選擇的效果。

優選傳感器對驗證組殺青狀態判別見圖6。

表8 驗證組判別結果

表9 判別準確率

表10 不同傳感器結果對比/%

圖6 優選傳感器對驗證組殺青狀態判別

圖6 顯示了優選傳感器對驗證組殺青狀態判別結果，縱坐標值為1，2，3 分別表示殺青不足、殺青適中和殺青過頭。在殺青不足階段，利用費舍爾判別有一部分誤判（可能是局部香氣抽樣樣本造成），在殺青不足到殺青適中的過渡階段，判別結果在殺青不足和殺青適中波動，主要原因為滾動中部分茶葉殺青適中，部分殺青不足。隨著殺青時間的持續，在230～270 s 作用表現為穩定的殺青適中，即香氣檢測過程中，若有穩定10～20 s 的香氣狀態判別為殺青適中，可以判斷為殺青穩定適中，結束殺青。

4 結論

（1） 針對綠茶殺青，利用自制的電子鼻研究了綠茶殺青狀態與香氣之間的關系，基于費舍爾判別法建立了綠茶殺青狀態的判別模型。

（2） 根據建模組合驗證組的判別結果顯示，建模組的回判準確率將近99%，驗證組的判別準確率也達到了91.65%。結果表明茶葉加工過程中香氣變化明顯，能夠區分茶葉加工狀態。

（3） 綠茶殺青過程香氣主成分投影點可聚類成殺青不足、殺青適中、殺青過頭3 個聚類中心，利用當前狀態香氣的主成分投影點與聚類中心的距離進行殺青狀態判斷和在線監控。

（4） 當連續有一段時間，如10～20 s 以上，被穩定判斷為殺青適中時，可作為殺青穩定和結束的控制信號。

（5） 依據敏感性篩選的8 個傳感器可提升茶葉殺青加工過程的監控效果。