電子感官分析類儀器聯用在綠茶飲感官品質快速檢測中的應用

樊蓉+張明晶+朱捷+李娟+顧今吾+李春紅+包郁明+孫露+田蘭

摘要：感官品質是消費者選擇茶葉最直觀的因素，采用電子鼻、電子舌、電子眼聯用，通過主成分分析和辨別因子分析對不同品種的綠茶茶飲進行檢測區分。結果表明：使用電子鼻、電子舌、電子眼分別對樣品進行檢測，很好地區別了綠茶中的色、香、味，且電子眼和電子鼻的區分效果好于電子舌。通過三個儀器的數據融合對樣品的區分能力和預測能力明顯增強，驗證了電子鼻、電子舌、電子眼的結合是對樣品色、香、味的信息進行了綜合評價。

關鍵詞：電子鼻；電子舌；電子眼；茶葉品質；感官分析

1 材料及方法.

1.1 實驗材料

所用茶葉均來自于市售。所購茶葉共16種，分別為2016年產的信陽毛尖茶、龍井茶、六安瓜片茶、洞庭碧螺春茶、綠毛峰茶、黃山毛峰茶；2017年產的碧螺春一級茶、碧螺春特2茶、香茶一級、龍井一級、龍井二級、龍井三級、黃山毛峰一級、黃山毛峰特2、信陽毛尖特1、信陽毛尖一級。

茶湯提?。焊鶕礼B/T23776-2009方法，稱取5mg茶葉放入事先準備好的容器內，倒入100℃的超純水250mL，浸泡5min，然后將茶湯濾出，待用。

1.2實驗方法

1.2.1 電子鼻系統

本實驗所用電子鼻是德國AIRSENSE公司的PEN3.5型便攜式電子鼻系統，它是由一組復合化學傳感器和識別軟件組成的分析儀器。硬件結構主要由傳感器陣列、采樣及清洗通道、數據采集系統及計算機組成。

1.2.2 電子舌系統

本實驗所用電子舌是法國阿爾法莫斯公司的Astree型電子舌系統，主要是由傳感器陣列。自動進樣器、數據采集系統以及電子舌配套的數據分析軟件組成。傳感器陣列由7個化學選擇性區域效應的味覺傳感器（STS、SPS、UMS、GPS、BRS、SWS、SRS）和1個Ag/Agcl參比電極組成。

1.2.3 電子眼系統

本實驗所用電子眼是英國Verivide公司推出新型的Digieye DigitalImaging System數碼測色系統。它是在穩定的標準光源D65環境下，在固定位置安裝高精度的數碼相機，通過白板和標準色卡對相機進行白平衡和顏色校正，在合適且固定的相機拍攝參數（如拍攝距離、焦距、拍攝模式、光圈大小、曝光速度及感光度等）下，拍攝得到高分辨率的數字照片，再對照片指定位置和范圍內樣品的像素顏色值進行程序計算，得到樣品的綜合顏色值。樣品的色度差異采用L*a*b*表示。其中L表示亮度（Luminosity），a表示從紅色至綠色的范圍，b表示從黃色至藍色的范圍。其中+127 a是紅色， -128a是綠色； +127 b是黃色，-128 b是藍色。電子眼每張照片選取四個區域的平均顏色值進行數據分析。

1.3 數據分析方法

試驗結果由統計分析軟件對數據進行主成分分析（PCA）和辨別因子分析（DFA）。

2結果與分析

2.1不同茶湯的電子鼻檢測

用電子鼻自帶分析軟件Winmuster對16種茶湯進行主成分分析，以主成分1為橫坐標，主成分2為縱坐標，建立二維圖。如圖2所見：第1主成分的貢獻率為98.66%，第2主成分的貢獻率為1.25%，主成分1和主成分2的累積貢獻率為99.911%，大于90%，說明主成分1和主成分2基本包含了原始數據的所有信息，能夠反映樣品的整體信息。

2.2 不同茶湯的電子舌檢測

用電子舌自帶分析軟件Alphasoft對16種茶湯進行主成分分析，以主成分1為橫坐標，主成分2為縱坐標，建立二維圖。如圖3所見：第1主成分的貢獻率為62.644%，第2主成分的貢獻率為33.133%，主成分1和主成分2的累積貢獻率為95.777%，大于90%，說明主成分1和主成分2已經包含了樣品差異的主要信息，能夠反映樣品的整體信息。

2.3不同茶湯的電子眼檢測

不同綠茶茶湯的電子眼檢測，從整體的DFA分析圖中可以看出：第1主成分和第2主成分的貢獻率分別達到73.928%和25.912%，可以很好地區分16種樣品中的色度差異。在測試樣品中，亮度值最高的是黃山毛峰系列（89.11），最低的是龍井系列（70.79）。a*值最高的是龍井系列（11.35），最低的是信陽毛尖系列（-2.63）。b*值最高的是龍井系列（53.35），最低的是黃山毛峰系列（11.9）。

2.4不同茶湯的電子鼻、電子舌、電子眼數據擬合分析

食品的感官感受是一種嗅覺、味覺、視覺等器官綜合作用形成的評判，使用單一電子感官儀器僅能辨別單一感官性質的差異性，并沒有很好地模擬人體對于食物的綜合感受。為了更好擬合人體感官，我們將上述單一感官數據（電子鼻、電子舌、電子眼）進行逐步擬合，篩選關鍵數據點及關鍵差異點，分析差異產生原因及合理性。

3 結論

1）食品的感官感受是一種嗅覺、味覺、視覺等器官綜合作用形成的評判，使用單一電子感官儀器僅能辨別單一性質物質的差異性，對于綜合性評判來講不夠全面。嘗試將電子鼻、電子舌和電子眼這三種技術融合在一起，從不同角度分析同一個樣品，模擬人的嗅覺與味覺的結合，可以大大提高識別能力。

2）通過PCA和DFA分析，電子鼻、電子眼和電子舌單獨測量的結果顯示第1主成分的貢獻率分別為98.66%、73.928%、62.644%，均達到顯著性差異之上。但是無法判別人體主觀對于茶葉的區別主要貢獻至哪一種物質。

3）通過數據擬合，第1主成分的貢獻率可以達到99.972%，分辨率明顯提高。但是針對本實驗樣品，差異性主要來自于電子鼻?？梢猿浞终f明對于綠茶飲品，揮發性物質含量及種類是辨別茶飲的標志性成分。

4）通過SIMAC分析，可以清晰地甄別出不同品種茶葉年份之間的差異。

近年來，隨著電子感官技術的不斷發展，出現了電子鼻、電子舌、電子眼等儀器集成化的趨勢。本實驗證明：不同來源的電子感官數據進行擬合后，可以更加準確地評價樣品間的差異性，明顯改善分析結果，獲得更多檢測信息。這種將電子鼻、電子舌、電子眼的檢測相結合并把它們的數據進行融合處理來評價食品品質將具有廣闊的發展前景，對食品感官評價的標準化奠定了良好的物質基礎和軟件基礎。

參考文獻：

[1]李道和.中國茶葉產業發展的經濟學分析[J].北京林業大學， 2008，1-184

[2]江用文，陳霄雄，朱建淼等.中國茶產業2020年發展規模分析[J].茶業科學，2011，31（3）：273-282

[3]楊國一，張丹丹，邱曉紅等.基于電子鼻和電子舌技術對不同存儲年份臺式烏龍茶的識別分析[J].福建茶葉，2016，38（9）：11-13

作者簡介：樊蓉（1996—），女，大專，研究方向為食品感官分析研究。