茶葉色香味品質評價方法研究進展

,, ,,

(湖南農業大學園藝園林學院,國家植物功能成分利用工程技術研究中心,茶學教育部重點實驗室,湖南省植物功能成分利用協同創新中心,湖南長沙 410128)

長久以來,茶葉品質主要是通過感官審評和理化檢測來評定的。茶葉感官審評方法的發展時間較長,且經過了研究人員的大量探索和優化,逐步形成了較為統一的審評標準,如GB/T 23776-2018《茶葉感官審評方法》、GB/T 14487-2017《茶葉感官審評術語》等,檢測方法和步驟相對規范。感官審評方法作為最基礎的茶葉品質評價方法,以人的直觀感受作為評判依據,目前仍具有其不可替代性,但也存在一些缺陷,如審評師須經過長時間的培訓和大量經驗積累,審評結果受審評環境、個人感官靈敏度差異、審評人員身體狀態等多方面因素的干擾和影響,導致審評結果主觀性較強。相比于感官審評方法,茶葉品質的理化檢測技術較成熟,檢測結果較準確、客觀,但理化檢測只能檢測茶葉成分的種類、含量,結果比較單一,而茶葉品質是茶葉各成分相互配合、彼此協調的綜合反映,故單純的理化檢測并不能全面反映茶葉的品質狀況。多年來,茶葉科研人員致力于茶葉品質的量化評價,利用一些科學儀器和新技術,建立理化檢測與感官審評之間的聯系,尋求更接近感官審評結果的現代智能評價方法,以期實現更客觀、準確、快捷、全面的茶葉品質評判。

1 茶葉色澤品質評價

1.1 計算機視覺圖像處理技術

在日新月異的信息化時代,互聯網技術的應用已經發展成為茶葉生產和品質評價與鑒定的重要突破點。計算機視覺圖像處理技術是一種將計算機運用到圖像處理的技術。由于計算機圖像的精度優于人的視覺精度,對顏色和外形變化的反應更靈敏,具有快速、精確、可量化的特點,因此用于茶葉色澤和外形的品質評價具有可行性[1-2]。

在茶葉篩選評級方面,計算機視覺圖像處理技術多結合感官審評結果進行評價,董春旺等[3]、余洪等[4]在感官審評基礎上,通過計算機視覺對茶葉色澤及紋理特征進行提取,采用多種不同的校正算法,建立了茶葉品質評價的量化模型和分級模型,具有較高的識別率,實現了對茶葉生產中品質的實時監控和茶葉等級的判定。張堅強[5]比較了色差計法和計算機視覺法對兩種綠茶干茶色澤的評價結果,發現基于計算機視覺的評價法其決定系數R2大于色差計評價法,均方根誤差RMSE(CV/P)小于色差計評價法,決定系數R2越大、均方根誤差RMSE(CV/P)越小,說明該方法準確度越好,與真實值更接近。由此可見,基于計算機視覺的評價方法優于色差計法。研究表明,利用計算機視覺圖像處理技術與反向傳播神經網絡(back propagation neural network,BPNN)[6-9]、卷積神經網絡[10]模型相結合,改善了傳統的單一依據茶葉顏色和形狀進行分析的弊端,形成茶葉分選識別網絡,能更好的模擬人工識別，對茶葉進行分選,大大提高了品質分類評級效率。

在茶葉加工方面,計算機視覺圖像處理技術較單純的理化檢測具有更強的實時性和準確性。王娜[11]、牛青[12]、李蔚[13]等利用計算機圖像處理技術測定茶葉萎凋過程中的色澤變化,從而間接地對鮮葉萎凋程度進行了量化,研究發現,在鮮葉圖像提取的RGB(R=red,G=green,B=blue)顏色系統中,R(紅)和G(綠)都能有效反映鮮葉的萎凋變化,但R的變化程度更高,作為萎凋程度判斷的依據更佳。李文萃等[14]利用計算機視覺技術對綠茶在制品色澤變化進行量化研究,結果表明G色澤參數變化幅度較大,能較好地反映綠茶加工過程中的色澤變化。洪文娟[15]、顏玲[16]、楊龍[17]等運用計算機視覺圖像技術研究紅茶發酵過程中的顏色特征和變化規律,結合電子鼻、近紅外光譜等技術,能有效判定紅茶的發酵程度,對發酵適當的高品質紅茶的生產加工具有指導意義。張憲等[18]利用多光譜圖像技術實時監測鮮葉攤青過程的含水率和鮮葉形態參數變化,建立了茶鮮葉含水率與面積、周長、葉片長寬等多個指數的預測模型,通過方差分析和殘差的正態性分析,驗證了該模型預測含水率的準確性達到90%以上,為茶葉攤青過程的自動化提供了理論依據。多項研究表明,利用計算機視覺圖像處理技術能有效監測茶葉加工過程中葉片形狀、色澤等參數變化,彌補傳統理化檢測即時性不強的缺點,有利于及時掌控加工進程,提高茶葉生產加工的質量。

1.2 可視化陣列傳感技術

可視化陣列傳感器是近年新發展起來的一種傳感技術,利用傳感陣列檢測待測樣本特征響應信號,通過信號識別處理系統,將分子識別信號轉化為光學信號輸出,并將檢測結果以圖譜形式顯示出來,實現檢測的可視化[19-20]。傳感陣列上的敏感物質與茶多酚、氨基酸、水浸出物等目標物質反應后會產生明顯的光譜變化,利用RGB色彩模式原理提取光譜圖中每個敏感點的R、G、B值并進行均一化處理,形成單個敏感點甚至整個陣列的差譜圖,通過分析差譜圖中陣列響應點數目和亮度差異,可以實現不同茶葉的特異性識別。

霍丹群等[21]基于茶多酚與三價鐵的絡合性以及對氧化鈰的還原性,構建了交叉響應的液體陣列比色傳感器,實現了對不同茶樹品種的快速準確區分識別。付貝貝[20]基于茶葉中氨基酸和茶多酚的差異構建的液體陣列傳感器，也實現了對茶葉不同品種和等級的正確識別,證明液體比色陣列在茶葉品質檢測中有一定的應用價值,同時,該研究還構建了一種多層紙基傳感器,對五種外觀相似的紅酒和五種不同質量等級的綠茶都實現了正確的區分。吳宇等[22]采用金屬二聚體卟啉,席夫堿過渡金屬配合物和染料結合溶膠凝膠技術構建了一種新型可視化傳感器陣列系統,將不同產地、不同等級的烏龍茶水浸出物超聲霧化后通過陣列系統進行了檢測,同時采用主成分分析、聚類分析技術和歐式距離對檢測結果進行分析,對烏龍茶的產地和等級實現了準確的識別與分類。陳琳[23]、Li等[24]、Huo等[25]設計了對茶湯和茶葉中揮發性物質有特殊響應的嗅覺可視化比色傳感陣列,將揮發性氣體與色敏材料作用后產生的顏色圖像輸入傳感器,轉化為數字模式后進行分析處理,實現了對不同品質的綠茶和不同發酵程度的紅茶的判別。

2 茶葉香氣品質評價

2.1 電子鼻技術

電子鼻是一種仿生嗅覺的新型檢測儀器,能將樣品中揮發性成分的整體信息經過收集、加工處理與傳輸,利用傳感器進行識別,實現對揮發性成分的定性和定量分析[26-27],近年國內外基于電子鼻技術的研究熱度較高,且多與感官審評結合使用。

國內許多研究表明,電子鼻技術與主成分分析法(principal component analysis,PCA)、線性判別分析法(linear discriminant analysis,LDA)、判別因子分析法(discriminant function analysis,DFA)等模式識別技術相結合,能有效識別不同類型和不同陳化年份茶的芳香物質等特征氣味,在茶葉香氣物質的識別和區分上具有可行性。溫立香等[28]研究證明電子鼻技術結合LDA可較好識別不同陳化年份六堡茶的芳香物質等具有的特征氣味并對其進行區分歸類,證明電子鼻技術可應用于茶葉陳化年份的識別。高林等[29]、陳婷等[30]基于電子鼻技術也實現了對不同年份、不同等級普洱茶香氣的分析和判別。敖存[26]利用電子鼻對六個品種、三個產地和五個等級共59個龍井茶茶樣的香氣質量進行分析,通過PCA法和DFA法,結合感官審評結果,證明電子鼻技術具有較高的靈敏度,在固定產地、品種、等級三因素的任意兩因素前提下,電子鼻能區分單一因素不同條件下龍井茶香氣差異,但在多因素混合條件下,電子鼻的區分效果有所降低,可見電子鼻對于差異較小,香氣影響因素復雜茶樣的區分度不如感官評價,因此儀器評價目前只能作為輔助評價,尚不能完全替代感官評價,今后還應加強在多因素影響下電子鼻對茶葉香氣質量的區分研究。潘俊嫻等[31]用電子鼻對不同時間、溫度、茶水比、沖泡次數和水質處理的福鼎白茶的揮發性物質變化進行測定,對所得數據進行主成分分析和線性判別分析,發現電子鼻能在一定程度上區別不同沖泡條件下福鼎白茶茶湯風味,LDA法比PCA法的區分效果更好,但與感官審評相比,電子鼻的區分度還有待提高。

在國外,電子鼻同樣用于茶葉香氣識別與品質等級的劃分[32-35]以及加工過程樣的監測[36-37],基于不同傳感器的電子鼻技術與各種神經網絡識別模型相結合的茶葉香氣評價法是目前較先進的評價方式。Dutta等[38]采用氧化錫基氣體傳感器陣列的電子鼻,檢測不同等級紅茶中芳樟醇、香葉醇、水楊酸甲酯和反式-2-己醛四種揮發性香氣物質,運用PCA和LDA進行聚類分析,并利用BP神經網絡模型對不同茶葉進行分類,平均分類準確率為88.09%,證明了氧化錫基氣體傳感器陣列的電子鼻對茶葉香氣評估的有效性。Ghosh等[39]將電子鼻技術與循環Elman神經網絡相結合,使用電子鼻獲取紅茶發酵過程中揮發性物質濃度的在線數據,利用Elman網絡進行周期性重復循環嗅探,能夠實現對紅茶最佳發酵時間的預測。Tudu等[40]將徑向基神經網絡模式識別技術結合電子鼻技術用于紅茶香氣物質的分類,通過少量樣品對增量分類器進行訓練，能得到與訓練數據的特征程度最匹配的香氣關鍵性定量指標,該方法提高了電子鼻的分類精度,有利于電子鼻技術在茶葉分類方面的標準化運用。

2.2 全二維氣相色譜-飛行時間質譜技術

全二維氣相色譜-飛行時間質譜技術(GC×GC-TOFMS)是近年來在傳統氣相色譜技術的基礎上發展起來的一種新技術,其分辨率高、靈敏度高、峰容量和信息量大、定性更有規律[41-42],可以解決一些復雜基質的分離和結構鑒定,目前該技術在茶葉香氣成分檢測分析和茶葉識別上已經得到了初步的應用。

Zhu Yin等[43]采用GC×GC-TOFMS技術確定了決定綠茶產生栗香的17種關鍵香氣成分,為進一步研究茶葉香氣品質的定向調控提供了理論依據。穆兵等[44]采用GC×GC-TOFMS技術分析了六堡茶的香氣成分組成及相對含量,分離鑒定出307種共有香氣化合物,與以往研究相比,利用該方法分離鑒定出的六堡茶香氣化合物數量更為豐富。朱蔭等[45]采用了傳統氣相色譜-質譜聯用技術(GC-MS)與GC×GC-TOFMS技術分析西湖龍井的香氣成分,結果表明,GC×GC-TOFMS技術作為一種更先進的理化檢測手段,在香氣分離性能上顯示出了較強的優越性,可彌補一維氣相色譜分析上的缺陷,使可分析的香氣化合物數量提高5倍以上,為后續深入研究茶葉香氣成分的化學組成及揭示茶葉香氣品質形成機理提供了技術支撐。程權等[46]采用該技術分析得到閩南烏龍茶中51種共有揮發性成分,通過PCA分析和判別模型的建立,證實了以揮發性成分識別閩南烏龍茶具有可行性。Zhang等[47]采用該技術研究了綠茶,烏龍茶和紅茶共33個茶樣中揮發性成分的差異,使用偏最小二乘回歸法(partial least squares regression,PLSR)判別分析和層次聚類分析對這些樣本進行分類,采用非參數假設檢驗和變量投影重要性分析法對樣本進行區分,結果具有顯著性差異,表明GC×GC-TOFMS技術結合多元數據分析法可以對不同茶類或同一茶類不同品種的香氣物質進行較好地區分。

2.3 氣相色譜-嗅覺-質譜測定法

氣相色譜-嗅覺-質譜測定法(GC-O-MS)是一種從復雜的香氣混合物中對氣味活性成分進行有效分析的方法[48]。多年來,雖然從食品中鑒定出了大量揮發性化合物,但其中僅少量物質對食品香氣有貢獻,而很多揮發性物質在食品中濃度雖然很低,但由于其氣味閾值低而容易被感官感覺到,因此單靠化學檢測器檢測到的峰值并不能真實反映食品的香氣描述。GC-O將GC的分離能力與人類鼻子的靈敏性相結合,對鑒別特征香氣化合物、氣味活性化合物、具有有效香味的化合物及用來確定香味化合物的強度和作用大小均非常有效[49-50]。

GC-O結合質譜聯用(GC-O-MS)技術結合了人的感官評價與MS的定性技術,克服了GC-MS在風味活性成分評價中無法確定各個香氣組分的貢獻度的缺陷,可以實現對特征香型芳香化合物的鑒定,是近年用于茶葉香氣評價的熱點領域。葛曉杰等[51]采用頂空固相微萃取/氣相色譜-嗅覺-質譜聯用(HS-SPME/GC-O-MS)技術對紅茶“花香”和“甜香”香型的關鍵活性成分進行了分析鑒定,共鑒定出44種揮發性組分,其中19種為香氣活性成分,芳樟醇、苯甲醛等6種成分為兩種特征香型紅茶的主要香氣活性成分,水楊酸甲酯、橙花醇等7種香氣成分是決定兩種香型差異的關鍵因子。Mao等[52]系統地研究了工夫紅茶的香氣特征,鑒定出芳樟醇及其氧化物、水楊酸甲酯等6種香氣成分是工夫紅茶的基本香氣活性化合物,并通過PLSR分析鑒定了對感官知覺貢獻最大的揮發性成分,表明GC-O是一種快速有效的分離和定量香氣活性化合物的方法。Xiao等[53]通過定量描述感官分析,GC-MS和GC-O技術在四種工夫紅茶中鑒定出64種揮發性化合物,通過香氣提取物稀釋分析得出滇紅中的反式芳樟醇氧化物,坦洋工夫、滇紅和祁門紅茶中的香葉醇為最高風味稀釋因子,再利用PLSR法建模,構建茶樣、感官屬性與香氣活性物質之間的關系,分析顯示戊醛與“麥芽香”呈顯著正相關,順-3-己烯-1-醇與“青草香”呈顯著負相關,2-甲基吡嗪與“花香”呈顯著負相關,順式芳樟醇氧化物、反式芳樟醇氧化物和橙花叔醇與“木質香”呈顯著正相關,而順式-6-壬烯-1-醇和2-甲基吡嗪與“木質香”呈顯著負相關。此外,GC-O-MS法在鑒定綠茶[50,54-55]、普洱茶[56]、烏龍茶[57-58]的特征香氣中也取得了較好的效果。

3 茶葉滋味品質評價

3.1 電子舌技術

電子舌同電子鼻類似,是模仿人體味覺機理制成的一種新型仿生分析儀器,由味覺傳感器陣列、信號采集器和識別系統等部件組成,通過適當的多元統計方法和模式識別技術處理,可以分析復雜體系的整體“指紋”數據[59-61]。近年來,電子舌技術在茶葉滋味品質的定性與定量上都得到了大量應用。

在定性分析方面,利用各種類型的電子舌結合不同的化學計量法和模式識別法,研究者們在茶葉種類[62]、等級[63-65]、產區[66-67]的識別上取得了豐碩的成果。劉爽[63]采用電子舌技術結合感官審評對不同等級、不同產地及不同類型的多個綠茶進行鮮爽味判別,建立了電子舌與人工感官審評的偏最小二乘擬合模型,相關系數達到0.9223,表明電子舌在滋味評判方面與專家感官審評具有較好的相關性。Li等[68]使用電子舌對不同產地的四種鐵觀音用層次聚類分析(hierarchical cluster analysis,HCA)和PCA進行分類,并用帶有Levenberg-Marquardt訓練算法的BP神經網絡(LMBP)構建識別模型,LMBP的識別性能達到100%,結果表明,帶有模式識別功能的電子舌適用于不同產地來源的鐵觀音的分類。

在定量分析方面,王銀誠等[69-71]基于專一性電子舌技術及滋味分值構建了人工審評、品質成分含量同電子舌傳感器響應值的定量模型,發現電子舌技術既可以定性區分不同滋味等級的茶樣,也能定量給出不同茶樣之間的酸、甜、苦、咸、鮮味的相對強度分值,在紅茶滋味評價上有較好應用。范培珍等[72]利用電子舌結合高效液相色譜技術,采用主成分分析、聚類分析和軟獨立建模分析法,研究了不同等級霍山黃芽由氨基酸成分含量及比例的差異引起的滋味品質的差異,從而表明電子舌可以根據茶葉氨基酸組成和含量區別霍山黃芽的品質。許勇泉等[73]研究用電子舌結合線性相關分析建立了茶湯苦味強度和回甘滋味強度的量化分析模型及茶湯中茶多酚、氨基酸等風味化學成分的量化分析模型。Saha等[74]融合了從多傳感器電子舌信號的響應中提取的三個不同特征,并建立回歸模型以建立ET反應與茶黃素(theaflavin,TF),茶紅素(thearubigin,TR)和TR/TF比值之間的相關性,從而可以估測茶葉中影響茶湯滋味的TF、TR含量和TR/TF的比例。

3.2 近紅外光譜法

近紅外光譜(near infrared spectroscopy,NIRS)是一種介于可見光與中紅外之間的電磁輻射,其記錄的信息主要是含氫基團(如:C-H、N-H、O-H、S-H等)的倍頻、合頻以及差頻的疊加吸收[9]。茶葉內含多種有機化合物,如茶多酚、蛋白質、氨基酸等都含有各種含氫基團,因此可以通過獲取近紅外光譜信息,結合適宜的化學計量方法,建立相關數學模型進行定性和定量測定[75]。

NIRS在茶葉領域定性方面的研究主要是對茶葉品質成分的快速測定[76-77]和對茶葉產地[78-79]、等級[80-81]、年份[82-83]、種類[84]等的定性判別,在定量分析方面,主要是針對茶葉中的品質成分建立定量分析模型,并對模型效果進行評價。周昌海[85]采用NIRS對碧螺春、四川蒙山毛尖、龍井、鐵觀音四種茶葉的茶多酚和咖啡堿含量進行無損檢測,結合化學計量學方法建立了茶多酚和咖啡堿的校正模型,能對不同種類的茶葉進行判別。吳瑞梅等[86]采集不同產地的綠茶,用NIRS快速分析綠茶茶湯酚氨比,對光譜的特征變量進行篩選,建立了酚氨比的估測模型,結果表明該方法準確可靠,可以快速有效估測綠茶滋味品質。劉洪林等[87]將工夫紅茶茶樣的近NIRS與感官審評評分結果建立定量分析預測模型,證明該模型預測性能較優,適合于工夫紅茶審評品質評價預測。綜上眾多研究證明,基于化學計量學的NIRS與感官審評結果和傳統理化分析相結合,能較好的進行茶葉品質的判別與評價。

4 展望

目前,對于茶葉色香味品質的評價方法相較過去有了顯著的進步與發展,在傳統的感官審評與理化品質分析的基礎上,研究者們采用智能感官分析方法、色譜指紋圖譜結合化學計量法建立預測模型等新方法,在茶葉品質的定性、定量方面都取得了積極的效果,但今后還需更深入和廣泛的研究。

運用現代智能技術結合模式化識別技術已經成為茶葉品質評價中一個重要的研究方向,因此今后還需進一步優化傳感陣列和特征提取方法,使其對茶葉色、香、味的特征提取更為靈敏,使檢測結果更為準確。

由于茶葉品質是多感官特征綜合的結果,僅憑一種技術對茶葉品質進行評價存在片面性,因此充分運用多信息融合技術和相應的統計方法對茶葉品質進行色、香、味、形的全方位綜合評判,是未來茶葉品質評價的發展趨勢。

目前使用先進技術對茶葉品質的評價方法還沒有形成統一的標準和規范,因此還需要大量的實驗探索與總結。相信未來在積累了大量經驗的基礎上,新技術的檢測方法能更加成熟,能夠制定穩定可靠的檢測標準,從而得到更大范圍的應用。