基于电子鼻技术判别朵形毛峰的储存期和陈化度

王淑娟　孙秀娟

基于电子鼻技术判别朵形毛峰的储存期和陈化度

王淑娟孙秀娟

（山西应用科技学院山西太原030062）

文章采用PEN3电子鼻检测茶叶储存过程中茶汤气味指纹的变化数值，与感官技术相结合，并通过SPSS软件对这些数据进行主成分分析，以研究茶叶电子鼻气味指纹参数与储存期和陈化度的相关性。分析不同温度条件下朵形毛峰茶汤的电子鼻检测数据，均提取出两个主成分，35 ℃和4 ℃条件下提取的第一主成分一致，为S1、S2、S3、S5、S7、S9传感器，并发现S1、S3、S5传感器对香气指纹的影响大于其他传感器；同时，在35 ℃下储存，茶叶的陈化速度远远大于在室温或4 ℃条件下的陈化速度。

朵形毛峰；电子鼻；储存；陈化

绿茶是我国最常饮用、产量和消费量最大的一类茶叶。在储存过程中，绿茶极易受温度、氧气、湿度、光线等外界环境条件影响，发生一定程度的自动氧化和其他反应，使茶叶产生陈气、陈味，失去原有的清香醇厚，品质下降[1]。

茶叶的陈化与否，通常是由茶叶审评师来判断的，需要审评师具有丰富的茶叶知识和审评经验。然而，即便是拥有丰富经验的茶叶审评师，也会遇到感官灵敏度受到干扰的情况，例如刺激性食物、身体健康问题的干扰，以及由于环境、温度、精神状态、性别的不同而产生影响[2]，从而导致审评结果出现偏差。

电子鼻是一种由选择性的电化学传感器阵列和适当的识别装置组成的仪器，能识别简单和复杂的气味[3]。此外，可以通过化学计量统计方法对茶叶的香气成分进行定量分析[4]。目前，国内外除了通过电子鼻来区别不同的茶和不同的加工方法[5]，关于茶叶质量检测的报道很少。在一定程度上，模拟人的鼻子给出茶叶香气的整体评价结果和指纹信息是茶叶香气质量检测的热点和趋势[6]，能够更客观、直接地反映茶叶的质量。

利用SPSS软件能对电子鼻检测得到的数据进行统计分析，同时进行数据挖掘，其中主成分分析（PCA）[7-10]是一种数据压缩和特征信息提取技术。

本试验使用德国AirsensePEN3型电子鼻研究不同储存温度下茶叶陈化的进程，并通过统计分析方法建立茶叶储存期及陈化度的相关模型，以方便快捷地预测茶叶的储存期和最佳品饮期。

1 材料与方法

1.1 材料

试验选用茶种包括舒城毛峰（购于舒城）、霍山黄芽（购于霍山大化坪）、黄山毛峰一号、黄山毛峰二号（购于黄山毛峰茶业集团有限公司）。

1.2 仪器与设备

试验中主要仪器设备包括PEN3电子鼻、霉菌培养箱、美菱冰箱（4 ℃）、电热鼓风干燥箱。

1.3 茶叶的储存条件

将新购买的茶叶放入60 ℃的烘箱中，直到足够干燥，然后将茶叶均匀堆放并包装均匀。每袋50 g，分别在4 ℃、室温（25 ℃）和35 ℃下储存。每隔一个月各储存温度下拿出一袋茶叶进行电子鼻检测。

1.4 电子鼻供试样品的制备

参照国标GB/T 23776—2018《茶叶感官审评方法》中的茶水比1∶50，取1.5 g茶叶，用75 mL 100 ℃的蒸馏水冲泡5 min。将泡好的茶汤倒入500 mL烧杯中，用双层保鲜膜覆盖密封，并在（25±0.5）℃的室温环境中静置45 min。每袋茶叶样品重复5次[11]。

1.5 气味指纹采集方法

在茶叶储存过程中的0 d、30 d、60 d、90 d、120 d分别取样，对样品进行冲泡富集，使用电子鼻进行气味指纹的采集。电子鼻工作条件设置：传感器清洗120 s、传感器归零时间5 s、样品准备时间5 s、进样时间70 s、进样流量400 mL/min[11-12]。

1.6 数据处理

首先使用MicrosoftOfficeExcel 2007完成基本数据排序，然后运用SPSS 18.0来进行方差分析、主成分分析。

2 结果与分析

2.1 电子鼻供试样品制备条件的优化

图1和表1是不同体积茶汤的电子鼻图谱及对应数据，由图1可以看出，不同体积茶汤的电子鼻的响应值是有明显差异的。已知电子鼻的S7传感器主要对硫化物气体敏感，S9传感器主要对芳烃组分中的有机硫化物敏感，S2传感器主要对氮氧化物敏感。图1中，250 mL茶汤的S2、S7和S9传感器响应值显著高于75 mL茶汤，但250 mL茶汤的电子鼻传感器响应曲线不稳定，波动较大，这主要是由于大容量茶汤放置一段时间后，顶空空间中的水蒸气造成的，与相关报道相符[11]。亦有研究表明，添加一定量的硅胶有利于吸附水蒸气，但是硅胶在一定程度上会对香气有影响，所以本研究中未添加硅胶。

此外，测定温度一般要维持在25 ℃室温，不同体积的茶汤从沸水降至室温所需的时间是不一致的，大体积的茶汤（250 mL）需要的时间远远大于小体积的茶汤（75 mL），故从试验时间的安排上考虑，宜推荐小体积的茶汤进行试验。并且，由图1中可以看出，75 mL的茶汤电子鼻的响应值强度较高，完全能达到检测的要求。因此，试验选择1.5 g茶样，用75 mL沸水冲泡5 min，静置45 min，待茶汤温度降为室温时检测。

图1　不同体积茶汤的电子鼻图谱

表1不同体积茶汤的电子鼻各传感器的响应值

茶汤体积传感器阵列响应值（G/G0或G0/G）S1S2S3S4S5S6S7S8S9S10 75 mL1.2152.9131.0761.0701.0332.34212.4881.4554.3681.327 250 mL2.6409.5581.5321.1021.1594.89430.1582.51412.6681.678

2.2 陈化前后茶样香气电子鼻图谱的变化

图2和表2是朵形茶样品中霍山黄芽在35 ℃下储存120 d前后的电子鼻各传感器响应值的图谱及对应数据。从图2中可以看出，朵形毛峰在储存120 d后电子鼻各传感器的响应值均呈现下降的趋势，尤其S7传感器的响应值下降趋势最明显，显示茶叶陈化过程中，茶叶香气里的含硫化合物变化剧烈。本试验拟通过电子鼻中10个传感器筛选出对茶叶陈化香气中因子影响最大的因素，以得到茶叶陈化香气与传感器之间的判别函数，从而可以运用新技术更客观、快捷地识别茶叶的陈化度及储存时间。

图2　霍山黄芽35 ℃储存120 d前后的电子鼻图谱

表2霍山黄芽35 ℃储存120 d前后的电子鼻各传感器响应值

35 ℃下储存时间传感器阵列响应值（G/G0或G0/G）S1S2S3S4S5S6S7S8S9S10 0 d2.0198.3341.3021.1141.0824.78530.0352.52010.5161.726 120 d1.3755.7371.1671.0621.0522.10616.5461.5285.4601.260

2.3 主成分分析与因子提取

2.3.1 不同温度下朵形毛峰的KMO检验和Bartlett球形检验

KMO（Kaiser-Meyer-Olkin）检验统计量是用来比较变量间简单相关系数和偏相关系数的指标，主要用于多元统计的因子分析。Kaiser给出了通用的KMO测量标准：高于0.9表示非常合适，0.8表示合适，0.7表示一般，0.6表示不合适，低于0.5表示极不合适。Bartlett球形检验是一种测试各种变量之间相关性的方法[13,16]。

表3是不同温度条件下朵形毛峰的KMO检验和Bartlett球形检验结果，从表中可以看出，不同温度下的KMO值均大于0.7，表明该检查适用于因子分析；Bartlett球形检验统计值的显著性概率为0.000（＜0.01），表明数据相关矩阵不是单位矩阵，各项目之间存在差异，相关分析还表明，统计数据适用于因子分析。

表3不同温度下朵形毛峰的KMO检验和Bartlett球形检验

检验方法温度35 ℃室温4 ℃ Kaiser-Meyer-Olkin和Bartlett的球形度检验KMO0.7570.7610.711 近似卡方54 037.69265 841.13461 504.730 df454545 Sig.0.0000.0000.000

2.3.2 主成分分析

从统计学上讲，累计方差贡献率大于85%，选择的新变量基本能反映原始变量的综合信息，可以作为提取[13-15]，即可作为抽提出来的主成分。表4的数据表明，在35 ℃条件下得到两个主成分，累计方差贡献率达到88.558%，可作为新变量来解释原始数据并进行分析判别；在室温条件下得到两个主成分，累计方差贡献率达到84.482%，大致符合统计要求；在4 ℃条件下同样得到两个主成分，累计方差贡献率达到86.223%，可作为新变量来解释原始数据并进行分析判别。

表4不同储存温度下朵形毛峰的解释总方差

温度成分初始特征值提取平方和载入旋转平方和载入合计方差贡献率/%累计方差贡献率/%合计方差贡献率/%累计方差贡献率/%合计方差贡献率/%累计方差贡献率/% 35 ℃16.57665.76265.7626.57665.76265.7624.55745.57045.570 22.28022.79688.5582.28022.79688.5584.29942.98888.558 室温16.78967.88567.8856.78967.88567.8854.64646.45946.459 21.66016.59684.4821.66016.59684.4823.80238.02284.482 4 ℃15.28552.85352.8535.28552.85352.8534.78647.85847.858 23.33733.37086.2233.33733.37086.2233.83638.36586.223

表5不同温度下下朵形毛峰的旋转成分矩阵

注：以上提取方法为主成分分析；旋转法为具有Kaiser标准化的正交旋转法，旋转在3次迭代后收敛。

2.3.3 因子分析

因子分析是主成分分析的推广，其目的是选择每个主分量中载荷贡献率最高的因子来代表主成分，以便对原始数据进行处理。原始分量对各主成分的载荷贡献值越大，反映的原始信息就越全面，可以作为主成分因子来代替主分量[16]。表5的数据表明，在35 ℃条件下，第一主成分分别为S1、S2、S3、S5、S7、S9传感器；在室温条件下，第一主成分分别为S1、S3、S4、S5、S6、S8、S10传感器；在4 ℃条件下，第一主成分分别为S1、S2、S3、S5、S7、S9传感器。可以看出35 ℃和4 ℃条件下提取的第一主成分一致，且S1、S3、S5传感器对香气指纹的影响大于其他传感器。

3 结论

试验选择1.5 g茶样，用75 mL沸水冲泡5 min，放置45 min，待茶汤温度降为室温时检测。本文利用SPSS 18.0分析不同温度条件下朵形毛峰茶汤的电子鼻检测结果，均提取出两个主成分。其中在35 ℃条件下，第一主成分分别为S1、S2、S3、S5、S7、S9传感器；在室温条件下，第一主成分分别为S1、S3、S4、S5、S6、S8、S10传感器；在4 ℃条件下，第一主成分分别为S1、S2、S3、S5、S7、S9传感器。从以上可以看出，35 ℃和4 ℃条件下提取的第一主成分一致，且S1、S3、S5传感器对香气指纹的影响大于其他传感器。

通过运用电子鼻技术对电子鼻气味指纹参数与茶叶储存期和陈化度的相关性进行分析研究，有利于借助新技术对茶叶的储存期和陈化度进行监控。

[1]王泽农.茶叶理化审评[J].茶叶,1959(4):8.

[2]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):23-26,7.

[3]赵梦醒,丁晓敏,曹荣,等.基于电子鼻技术的鲈鱼新鲜度评价[J].食品科学,2013,34(6):143-147.

[4]刘辉,牛智有.基于电子鼻的鱼粉中挥发性盐基氮检测模型比较[J].农业工程学报,2010,26(4):322-326.

[5]王文杰.茶叶品质识别技术研究进展[J].中国茶叶加工,2006(3):40-42.

[6]史波林,赵镭,汪厚银,等.智能感官分析技术在茶叶品质检测中的应用[J].食品科学,2009,30(19):351-355.

[7]梅长林,范金城.数据分析方法:第二版.[M].北京:高等教育出版社,2018.

[8]范金城,梅长林.数据分析[M].北京:科学出版社,2010.

[9]钟仪华,李榕.基于主成分分析的最小二乘支持向量机岩性识别方法[J].测井技术,2009,33(5):425-429.

[10]张国英,王娜娜,张润生,等.基于主成分分析的BP神经网络在岩性识别中的应用[J].北京石油化工学院学报,2008(3):43-46.

[11]于慧春.基于电子鼻技术的茶叶品质检测研究[D].杭州:浙江大学,2007.

[12]张胡彬,何健叶,王志耕,等.基于电子鼻的中式发酵香肠理化品质指标检测方法[J].食品与发酵工业,2014,40(7):205-211.

[13]张文彤,闫洁.SPSS统计分析基础教程[M].北京:高等教育出版社,2004.

[14]张明鸣,宁井铭,张正竹,等.化学成分结合统计分析鉴别不同产地绿茶的研究[J].安徽农业大学学报,2014,41(5):751-756.

[15]高静,王淑娟,刘思彤,等.基于电子鼻技术判别黄山毛峰的储存期和陈化度[J].茶业通报,2018,40(2):77-85.

[16]陈希镇.现代统计分析方法的理论和应用[M].北京:国防工业出版社,2016.

10.3969/j.issn.2095-1205.2022.07.26

TS272.5

A

2095-1205(2022)07-78-04

2021年山西省艺术科学规划课题“基于‘健康中国2030’背景下‘山西药茶’的茶旅模式研究”（2021A091）

王淑娟（1990- ），女，汉族，安徽安庆人，硕士研究生，讲师，研究方向为食品与健康。