基于费舍尔判别法的绿茶杀青状态在线监测

何 维，王 进，黄九明，陆国栋，唐小林，李文萃

（1. 浙江大学流体动力与机电系统国家重点实验室，浙江杭州 310027；2. 中华全国供销合作总社杭州茶叶研究院，浙江杭州 310016）

0 引言

杀青是绿茶生产中最重要的环节，而绿茶杀青状态以人工监测为主。人为监测存在判断标准不统一、主观性太强等问题，从而导致生产的茶叶质量参差不齐，降低经济收益，并浪费资源[1]。因此，研究绿茶杀青状态的在线监测技术对推动我国绿茶加工的标准化、智能化、信息化具有重要意义。

茶叶加工状态在线监测主要通过3 种方式实现，其一为计算机视觉技术，通过采集茶叶加工过程中茶叶的纹理、色彩等信息进行状态识别[2-12]；其二为近红外光谱技术，通过采集茶叶的光谱图像信息进行识别[13-18]；其三为电子鼻技术，通过采集茶叶的香气数据进行状态识别[19-23]。目前，茶叶加工过程中主要以检测杀青、发酵2 个环节为主，其中发酵过程时间长，茶叶相对静止，通过图像、光谱、电子鼻等技术研究较多。但杀青是个动态翻炒的过程，时间短，通过图像和香气在线检测难度高，目前主要以近红外光谱检测含水率为主。

近红外光谱仪精度高的价格大多在10 万元以上；电子鼻产品种类也较少，主要以德国AIRSENSE 的PEN 系列电子鼻，价格也要几十万元，这严重制约了茶叶在线品质监测的应用。因此，采用自主研发电子鼻来降低成本。近年来，费舍尔判别法因其所需样本库较少、模型简单等特点，已被广泛应用于各类情况的监测与预测[24-28]。基于此，通过电子鼻技术采集绿茶杀青过程中的香气数据，并采用费舍尔判别法建立绿茶杀青状态判别模型，为绿茶杀青状态的在线监测提供方法。

1 试验设置

1.1 试验原料与设备

实验所用茶鲜叶原料为浙江武义更香茶厂提供的乌牛早品种，采摘时间为9 月上旬。为尽可能保证鲜叶原料质量的同一性，选取连续2 日上午采摘的茶叶进行香气数据采集。绿茶加工流程为鲜叶、摊放、杀青、揉捻、干燥。茶鲜叶采摘进厂后平铺8 cm 进行摊青，摊青适度后，作为杀青叶的原料。

采集茶香气数据的电子鼻系统为实验室自主研制，主要包含有传感器阵列、反应室气腔、微型吸气泵、采集芯片、干燥管、电源模块、整机控制系统和PC 分析端。

实验室自制电子鼻见图1。

图1 实验室自制电子鼻

传感器阵列是电子鼻设备的核心部件，其合理性严重影响电子鼻性能。茶叶香气的成分主要有醇类、醛类、酯类、酮类、烯烃、酸类及其他有机气体。因此，根据成分初步选择了15 个传感器组成阵列。

传感器型号及参数见表1，传感器阵列见图2。

表1 传感器型号及参数

杀青设备采用福建佳友JY-6CST-90B 型液化气杀青机，该机型滚筒内径90 cm，长度108 cm，处理量为78 kg/h，单周期投放茶叶10 kg 左右，能控制杀青温度，且能自动翻炒，单口进出茶叶，因此炒青过程中，在进出口前就可以收集到连续可靠的数据。

香气采集现场见图3。

图2 传感器阵列

图3 香气采集现场

1.2 试验步骤

绿茶杀青在线监测的目的是对茶叶杀青状态进行实时检测，依据检测结果反馈回设备，调节设备加工参数，达到茶叶加工的智能化生产。因此，首先将绿茶杀青状态划分为3 个状态，分别为杀青不足、杀青适中、杀青过头。杀青不足时，叶色青绿，叶质硬，香气清淡；杀青适中时，叶色变暗，叶质逐渐柔软萎焉，香气显露并逐渐浓郁；杀青过头时，叶色发黑，叶片卷曲干焦。采集杀青全过程的香气数据，按如下4 个步骤进行：

第一步：预热设备。打开电子鼻设备的加热按钮对传感器进行加热，直至传感器数据在空气环境下30 s 内不再发生明显变化；启动滚筒杀青机，将滚筒内温度均匀加热至220 ℃，在1 min 内温度变化不超过±1 ℃。

第二步：投放茶叶。待传感器数据和杀青温度稳定下来后，一次性投放10 kg 摊青完成后的茶叶至滚筒内部，转动滚筒。

第三步：采集数据。将电子鼻进气管伸入滚筒内部距离入口处10 cm 处，按下电子鼻数据采集按钮开始采集数据，采集频率1 s /次。

第四步：记录数据。制茶专家现场对茶叶杀青状态实时判断，并记录状态变化的时间点，直至杀青过头大约2 min。

试验数据记录见表2。

表2 试验数据记录

2 数据前处理

数据前处理旨在通过对传感器的数据简单处理分析，检验香气数据是否适合判别茶叶加工状态，并且筛选出对茶叶香气最敏感的传感器阵列。

2.1 试验步骤

香气指纹图谱见图4。

图4 香气指纹图谱

由图4 可知，杀青过程中香气变化具有明显的阶段性，出现了3 个波峰，而这3 个阶段与专家对茶叶加工状态的评定具有很高的重合，这说明大部分传感器收集到的气体数据能比较好地反映出茶叶杀青过程中的香气变化特征，也验证了香气特征变化能较好地反映茶叶杀青状态变化。

2.2 传感器敏感性分析

传感器的敏感性体现在传感器对香气数据的响应幅值，因此可以将传感器对香气响应的幅值作为传感器对香气的敏感性。因此传感器敏感性按照公式（1） 计算。

式中：maxi——传感器对第i 筒杀青香气响应的最大值；

mini——传感器对第i 筒杀青香气响应的最小值；

n——杀青桶数。

按照公式（1） 计算所有传感器的敏感性，按照敏感性从大到小对传感器进行排序，得到表3 所示的结果。

传感器敏感性排序见表3。

表3 传感器敏感性排序

由表3 可以看出，MQ138，MQ135 和MP135 分别对醇类/醛酮类、芳香类化合物和硫化物灵敏性很强，实际敏感性也是排在前列，与杀青过程中的主要挥发气体相符，而常用气味检测的电子鼻传感器在8 个左右[29-30]。故剔除敏感性低的7 个传感器，将剩余8 个传感器数据进行茶叶加工状态的判别。

3 数据分析

3.1 费舍尔判别法思想

费舍尔判别的基本思想为通过将多维数据按照一定的投影向量投影到新的低维空间上，简化原始信息，使得投影后类群数据之间尽可能分开，即类与类之间的方差尽可能大，使得类群内的数据尽可能集中，即类内的方差尽可能小。实现高维数据在低维空间上的分离。

具体的判别方法是将已知样本按照上述原则计算出判别函数，将未知样本带入判别函数模型，计算出新的样本值组成新的坐标。然后计算新的坐标与已知样本的类群中心的距离进行比较，将其判别为较近的类群。

3.2 判别函数的建立

将第一筒杀青的香气数据作为模型建立样本，结合专家对每个数据状态的判定对数据进行分类，杀青不足类别为1，杀青适中类别为2，杀青过头类别为3，将其导入SPSS 软件，进行费舍尔判别分析。费舍尔判别降维后的维度按照公式（2） 计算：

式中：n——类群数；

m——原始数据空间维度。

结合以上分析结果，n=3，m=15，费舍尔判别降维后的维度为2 维。因此，建立了2 个方向上的判别函数，如公式（3），（4） 所示，得到如下2 个降维后的方向判别函数。

费舍尔判别降维成新的空间后的数据质量可以用新空间每个方向上的方差来解释。

方差占比见表4。

表4 方差占比

由表4 可以看出，为新的投影空间在每个方向上的投影方差占比。在第一投影方向上的方差占比达到了95.8%，第二投影方向上的方差占比为4.2%，2 个方向的方差信息累计100%。结果表明，第一投影方向上的质量远远高于第二投影方向。但是，为尽可能保留原始数据信息，联合2 个方向的判别函数综合对状态进行判别。

绿茶杀青过程香气样本的主成分投影分布图见图5。

图5 绿茶杀青过程香气样本的主成分投影分布图

由图5 可以看出，3 个状态在二维空间上具有明显的区分性，虚线为第一投影方向上的类群分割线，实线为二维空间的类群分割线，显然，联合2 个投影方向的分类准确率更高。

如图5 所示的茶叶加工3 个状态的类群中心，其中心值（见表5），杀青不足为（-3.724，-0.465），杀青适中为（0.642，1.569），杀青过头为（7.016，-0.657）。

类群中心见表5。

3.3 状态判别结果分析

3.3.1 概述

研究的数据分为建模组和验证组，建模组用于茶叶加工状态判别模型的建立，验证组作为未知样本，检验判别模型对茶叶状态的判别结果。

3.3.2 建模组自检结果分析

以上述2 个判别函数为依据，对建模组的397个样本进行回判，得到如表6 所示的回判结果。杀青不足的回判准确率为99%，杀青适中的回判准确率为98%，杀青过头为100%。总回判准确率接近99%。

建模组回判结果见表6，回判准确率见表7。

表5 类群中心

表6 建模组回判结果

表7 回判准确率

3.3.3 验证组结果分析

将验证组数据代入判别函数（3），（4） 计算出（F1，F2） 的值利用欧式距离判别法判别茶叶加工状态，并结合专家对每个样本的评定结果进行比较。

验证组判别结果见表8，判别准确率见表9，不同传感器结果对比见表10。

由表9 可以看出，杀青不足的判别准确率为90%，杀青适中的判别准确率为80%，杀青过头的判别准确率达100%。总体判别准确率为91.65%。表明应用费舍尔判别监测绿茶杀青加工状态具有较好的可行性。

如表10 所示为依据敏感性筛选的8 个传感器与随机选择的8 个传感器进行判别的结果，由表10可知，优选的传感器阵列判别效果优于随机选择的效果。

优选传感器对验证组杀青状态判别见图6。

表8 验证组判别结果

表9 判别准确率

表10 不同传感器结果对比/%

图6 优选传感器对验证组杀青状态判别

图6 显示了优选传感器对验证组杀青状态判别结果，纵坐标值为1，2，3 分别表示杀青不足、杀青适中和杀青过头。在杀青不足阶段，利用费舍尔判别有一部分误判（可能是局部香气抽样样本造成），在杀青不足到杀青适中的过渡阶段，判别结果在杀青不足和杀青适中波动，主要原因为滚动中部分茶叶杀青适中，部分杀青不足。随着杀青时间的持续，在230～270 s 作用表现为稳定的杀青适中，即香气检测过程中，若有稳定10～20 s 的香气状态判别为杀青适中，可以判断为杀青稳定适中，结束杀青。

4 结论

（1） 针对绿茶杀青，利用自制的电子鼻研究了绿茶杀青状态与香气之间的关系，基于费舍尔判别法建立了绿茶杀青状态的判别模型。

（2） 根据建模组合验证组的判别结果显示，建模组的回判准确率将近99%，验证组的判别准确率也达到了91.65%。结果表明茶叶加工过程中香气变化明显，能够区分茶叶加工状态。

（3） 绿茶杀青过程香气主成分投影点可聚类成杀青不足、杀青适中、杀青过头3 个聚类中心，利用当前状态香气的主成分投影点与聚类中心的距离进行杀青状态判断和在线监控。

（4） 当连续有一段时间，如10～20 s 以上，被稳定判断为杀青适中时，可作为杀青稳定和结束的控制信号。

（5） 依据敏感性筛选的8 个传感器可提升茶叶杀青加工过程的监控效果。