CN101487825B - 一种识别茶叶种类和/或等级的方法 - Google Patents
一种识别茶叶种类和/或等级的方法 Download PDFInfo
- Publication number
- CN101487825B CN101487825B CN2009100788288A CN200910078828A CN101487825B CN 101487825 B CN101487825 B CN 101487825B CN 2009100788288 A CN2009100788288 A CN 2009100788288A CN 200910078828 A CN200910078828 A CN 200910078828A CN 101487825 B CN101487825 B CN 101487825B
- Authority
- CN
- China
- Prior art keywords
- sample
- tealeaves
- electronic nose
- tea
- headspace gas
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种识别茶叶种类和/或等级的方法。本发明提供的识别茶叶种类和/或等级的方法，是利用HERACLES Electronic Nose对茶叶种类和/或等级进行检测和分析。采取本发明方法，样品前处理简单；整个实验过程没有利用有机溶剂，无污染；检测速度快，识别准确率高；本发明方法步骤简单，操作方便，便于大规模推广应用。
Description
技术领域
本发明涉及一种识别茶叶种类和/或等级的方法。
背景技术
在国内外，茶叶品质大多数是通过人的感官评定的，由于茶叶香气的整体特征信息的成因和构造非常复杂，茶叶的品质并不是通过某种成分的量化就能表达的，它是茶叶中各种成分的综合反映。外界条件变化和自身情绪变化会影响人的感觉器官的灵敏度，从而影响评定结果的准确性。
电子鼻(Electronic Nose)，又称人工嗅觉分析***(Artificial Olfactory)，是20世纪90年代发展起来的一种新颖的分析、识别和检测技术，是由传感***和自动化模式识别***组成的针对各种气味进行识别的人工智能***，它的工作原理类似人的鼻子，故称之为“电子鼻”。电子鼻融合了当今最为活跃的材料学、电子信号学、应用数学、传感和计算机科学等领域的新成果，一产生就受到了国外科学界的极大的重视和普遍的关注。
目前又出现了一种新型的电子鼻，HERACLES Electronic Nose，它是根据气相色谱的原理制成的一种人工智能气味识别***。它与传统的传感器型电子鼻相比，具有检测更快速、分析检测范围更大的特点，并且避免了传感器型电子鼻的传感器中毒现象。
发明内容
本发明提供了一种识别茶叶种类和/或等级的方法。
本发明提供的识别茶叶种类和/或等级的方法，是用HERACLES Electronic Nose对待测茶叶的种类和/或等级进行识别。
所述方法中，HERACLES Electronic Nose的进样口温度可为180-300℃，如180-250℃或250-300℃。
所述方法中，HERACLES Electronic Nose的检测器温度可为190-300℃，如190-280℃或280-300℃。
所述方法中，HERACLES Electronic Nose的检测柱升温程序可为：40℃保留1-10s，以1-10℃/s的速度升温到260℃保留1-15s。检测柱升温程序具体可为40℃保留1-2s，以1-5℃/s的速度升温至260℃保留1-5s。检测柱升温程序具体还可为40℃保留2-10s，以5-10℃/s的速度升温至260℃保留5-15s。
所述方法中，HERACLES Electronic Nose的进样时间可为1-100s，如1-20s或20-100s。
所述方法中，HERACLES Electronic Nose的进样方式具体可为顶空气进样。
当HERACLES Electronic Nose采用顶空气进样时，涉及的参数如下：
顶空气发生温度可为50-100℃，如50-80℃或80-100℃。
顶空气发生时间可为10-40min，如10-20min或20-40min。
顶空气进样量可为1ml-5ml，如1ml-3ml或3ml-5ml。
所述方法中，用于检测的样本具体可为用水提取待测茶叶得到的提取液。
本发明首次将HERACLES Electronic Nose应用于茶叶种类和/或等级的识别，并且通过大量试验，得到了最佳的参数设定范围，采用该范围内的参数时，识别指数非常高。采取本发明方法识别茶叶品质，具有如下优点：样品前处理简单；整个实验过程没有利用有机溶剂，无污染；检测速度快，顶空气发生步骤所需时间与气相色谱的相应步骤接近，但每个样本的分析识别时间仅需3分钟左右，远小于气相色谱的0.5-1小时；识别准确率高；步骤简单、操作方便，便于大规模推广应用。
具体实施方式
以下的实施例便于更好地理解本发明，但并不限定本发明。下述实施例中的实验方法，如无特殊说明，均为常规方法。下述实施例中的试剂，如无特殊说明，均为从常规生化试剂可以购买得到的。
以下实施例中所用的电子鼻为法国Alpha MOS仪器公司的HERACLES ElectronicNose。
以下实施例中所用的茶叶样本如下：
实施例1至实施例3的茶叶样本(四种茶叶，每种茶叶取5个样本)如下：
花茶：福建茉莉花茶(一级)；绿茶：信阳毛尖(夏茶一级)；红茶：祁门红茶(一级)；青茶：安溪铁观音(一级)；以上样本均为市售散装。
实施例4至实施例6的茶叶样本如下：
信阳磨盘山茶场的五个等级的毛尖茶样：m240、m180、m110、m80、m20；每个等级取5个样本。
实施例7至实施例9的茶叶样本如下：
信阳狮河港茶场的五个等级的毛尖茶样：s珍品、s纯芽、s次芽、s春尾、s二采芽；每个等级取5个样本。
以下区分指数(Discrimination Index，简称DI)代表电子鼻对样本的识别能力，由下列公式计算而来：
DI＝[1-(每个组群空间面积的总和/包容所有组群的总空间面积)]×100。
在样本的主成分分析(PCA)图谱中，如果组群之间没有叠加时，DI为正值，当组群之间有叠加时，DI为负值，表明样品之间不能完全区分。DI的最大值为100，DI在80-100之间就表明有效的区分，DI值越大，区分越好。
实施例1、不同种类茶叶的识别
每个茶叶样本分别进行检测，具体如下：
用250mL开水冲泡5g待测茶叶5分钟，得到茶水。将5ml茶水放入样品瓶(样品瓶规格为10ml)中，然后将样品放置于顶空气发生装置，顶空气发生温度为50℃，顶空气发生时间为40min。然后用电子鼻进样针抽取顶空气，注射到电子鼻进样口中，顶空气进样量为1ml。
电子鼻的设置如下：进样口温度180℃；检测器温度190℃；进样时间1s；柱升温程序为：40℃保留1s，以1℃/s的速度升温到260℃保留1s。
每个样本进行6次重复试验。
经过电子鼻自带的主成分分析(PCA)软件对所获取的数据进行分析。分析结果显示：第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为91.435％、2.656％，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为91。其中PC1和PC2的累积方差贡献率之和为94.091％，大于85％，这说明PC1和PC2已经包含了样品很大的信息量，能够反映样品的整体信息。区分指数(DI)为91，这说明不同种类的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同种类的茶叶，分析识别时间短，样品前处理简单，实验过程中也没有利用有机溶剂。
实施例2、不同种类茶叶的识别
每个茶叶样本分别进行检测，具体如下：
用250mL开水冲泡5g待测茶叶5分钟，得到茶水。将5ml茶水放入样品瓶(样品瓶规格为10ml)中，然后将样品放置于顶空气发生装置，顶空气发生温度为80℃，顶空气发生时间为20min。然后用电子鼻进样针抽取顶空气，注射到电子鼻进样口中，顶空气进样量为3ml。
电子鼻的设置如下：进样口温度250℃；检测器温度280℃；进样时间20s；柱升温程序为：40℃保留2s，以5℃/s的速度升温到260℃保留5s。
每个样本进行6次重复试验。
经过电子鼻自带的主成分分析(PCA)软件对所获取的数据进行分析。分析结果显示：第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为95.715％、2.146％，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为97。其中PC1和PC2的累积方差贡献率之和为97.861％，大于85％，这说明PC1和PC2已经包含了样品很大的信息量，能够反映样品的整体信息。区分指数(DI)为97，这说明不同种类的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同种类的茶叶，分析识别时间短，样品前处理简单，实验过程中也没有利用有机溶剂。
实施例3、不同种类茶叶的识别
每个茶叶样本分别进行检测，具体如下：
用250mL开水冲泡5g待测茶叶5分钟，得到茶水。将5ml茶水放入样品瓶(样品瓶规格为10ml)中，然后将样品放置于顶空气发生装置，顶空气发生温度为100℃，顶空气发生时间为10min。然后用电子鼻进样针抽取顶空气，注射到电子鼻进样口中，顶空气进样量为5ml。
电子鼻的设置如下：进样口温度300℃；检测器温度300℃；进样时间100s；柱升温程序为：40℃保留10s，以10℃/s的速度升温到260℃保留15s。
每个样本进行6次重复试验。
经过电子鼻自带的主成分分析(PCA)软件对所获取的数据进行分析。分析结果显示：第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为91.334％、3.203％，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为92。其中PC1和PC2的累积方差贡献率之和为94.537％，大于85％，这说明PC1和PC2已经包含了样品很大的信息量，能够反映样品的整体信息。区分指数(DI)为92，这说明不同种类的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同种类的茶叶，分析识别时间短，样品前处理简单，实验过程中也没有利用有机溶剂。
实施例4、不同等级茶叶的识别
方法同实施例1。每个样本进行6次重复试验。
经过电子鼻自带的主成分分析(PCA)软件对所获取的数据进行分析。分析结果显示：第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为90.832％、3.146％，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为90。其中PC1和PC2的累积方差贡献率之和为93.978％，大于85％，这说明PC1和PC2已经包含了样品很大的信息量，能够反映样品的整体信息。区分指数(DI)为90，这说明不同等级的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同等级的茶叶，分析识别时间短，样品前处理简单，实验过程中也没有利用有机溶剂。
实施例5、不同等级茶叶的识别
方法同实施例2。每个样本进行6次重复试验。
经过电子鼻自带的主成分分析(PCA)软件对所获取的数据进行分析。分析结果显示：第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为96.805％、2.747％，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为98。其中PC1和PC2的累积方差贡献率之和为99.552％，大于85％，这说明PC1和PC2已经包含了样品很大的信息量，能够反映样品的整体信息。区分指数(DI)为98，这说明不同等级的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同等级的茶叶，分析识别时间短，样品前处理简单，实验过程中也没有利用有机溶剂。
实施例6、不同等级茶叶的识别
方法同实施例3。每个样本进行6次重复试验。
经过电子鼻自带的主成分分析(PCA)软件对所获取的数据进行分析。分析结果显示：第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为92.665％、3.897％，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为94。其中PC1和PC2的累积方差贡献率之和为96.547％，大于85％，这说明PC1和PC2已经包含了样品很大的信息量，能够反映样品的整体信息。区分指数(DI)为94，这说明不同等级的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同等级的茶叶，分析识别时间短，样品前处理简单，实验过程中也没有利用有机溶剂。
实施例7、不同等级茶叶的识别
方法同实施例1。每个样本进行6次重复试验。
经过电子鼻自带的主成分分析(PCA)软件对所获取的数据进行分析。分析结果显示：第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为90.262％、2.186％，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为89。其中PC1和PC2的累积方差贡献率之和为92.448％，大于85％，这说明PC1和PC2已经包含了样品很大的信息量，能够反映样品的整体信息。区分指数(DI)为89，这说明不同等级的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同等级的茶叶，分析识别时间短，样品前处理简单，实验过程中也没有利用有机溶剂。
实施例8、不同等级茶叶的识别
方法同实施例2。每个样本进行6次重复试验。
经过电子鼻自带的主成分分析(PCA)软件对所获取的数据进行分析。分析结果显示：第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为94.312％、3.708％，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为97。其中PC1和PC2的累积方差贡献率之和为98.02％，大于85％，这说明PC1和PC2已经包含了样品很大的信息量，能够反映样品的整体信息。区分指数(DI)为97，这说明不同等级的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同等级的茶叶，分析识别时间短，样品前处理简单，实验过程中也没有利用有机溶剂。
实施例9、不同等级茶叶的识别
方法同实施例3。每个样本进行6次重复试验。
经过电子鼻自带的主成分分析(PCA)软件对所获取的数据进行分析。分析结果显示：第一主成分(PC1)和第二主成分(PC2)的累积方差贡献率为91.221％、2.132％，由PC1(X轴)-PC2(Y轴)所构成的二维图谱区分指数(DI)为93。其中PC1和PC2的累积方差贡献率之和为93.353％，大于85％，这说明PC1和PC2已经包含了样品很大的信息量，能够反映样品的整体信息。区分指数(DI)为93，这说明不同等级的样本能被很好的区分，识别结果与实际相符，识别结果正确。6次重复实验中，区分指数一致，重复性极好。采用本发明的方法识别不同等级的茶叶，分析识别时间短，样品前处理简单，实验过程中也没有利用有机溶剂。
Claims (2)
1.一种识别茶叶种类和/或等级的方法，是用HERACLES Electronic Nose对待测茶叶的种类和/或等级进行识别；
所述HERACLES Electronic Nose的进样口温度为250-300℃；检测器温度为280-300℃；检测柱升温程序为：40℃保留1-10s，以1-10℃/s的速度升温到260℃保留1-15s；进样时间为20-100s；进样方式为顶空气进样；顶空气发生温度为80-100℃；顶空气发生时间为20-40min；顶空气进样量为3ml-5ml。
2.如权利要求1所述的方法，其特征在于：所述方法中，用于检测的样本为用水提取待测茶叶得到的提取液。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2009100788288A CN101487825B (zh) | 2009-03-03 | 2009-03-03 | 一种识别茶叶种类和/或等级的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2009100788288A CN101487825B (zh) | 2009-03-03 | 2009-03-03 | 一种识别茶叶种类和/或等级的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101487825A CN101487825A (zh) | 2009-07-22 |
| CN101487825B true CN101487825B (zh) | 2011-11-16 |
Family
ID=40890797
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2009100788288A Expired - Fee Related CN101487825B (zh) | 2009-03-03 | 2009-03-03 | 一种识别茶叶种类和/或等级的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101487825B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101692053B (zh) * | 2009-10-09 | 2012-01-18 | 江苏大学 | 基于多传感信息融合的名优茶品质仪器智能化审评方法 |
| CN105021748A (zh) * | 2014-04-29 | 2015-11-04 | 中国科学院大连化学物理研究所 | 一种茶叶挥发性香气成分分析方法 |
| CN104849387A (zh) * | 2015-05-22 | 2015-08-19 | 福建中烟工业有限责任公司 | 茶叶冲泡香气物质检测方法、茶叶盖杯香收集方法及装置 |
| CN104849320A (zh) * | 2015-06-04 | 2015-08-19 | 安徽农业大学 | 电子鼻黄芽茶的香气品质分类方法 |
| CN104897729A (zh) * | 2015-06-04 | 2015-09-09 | 安徽农业大学 | 电子鼻瓜片茶的储存时间分类方法 |
| CN105181761B (zh) * | 2015-08-26 | 2018-02-16 | 安徽农业大学 | 一种利用电子鼻快速鉴别茶叶辐照吸收剂量的方法 |
| CN105866223B (zh) * | 2016-03-29 | 2018-06-29 | 福建农林大学 | 一种基于电子舌检测信息的武夷岩茶滋味等级判别方法 |
| CN106124680A (zh) * | 2016-07-14 | 2016-11-16 | 上海应用技术学院 | 一种大红袍茶中含氮化合物的鉴定方法 |
| CN106018623A (zh) * | 2016-07-14 | 2016-10-12 | 上海应用技术学院 | 一种祁门红茶中含氮化合物的鉴定方法 |
| CN107273421B (zh) * | 2017-05-16 | 2020-10-23 | 浙江大学 | 一种高准确性茶叶香气类型和品质的模式识别检测方法 |
| CN109164188A (zh) * | 2018-10-16 | 2019-01-08 | 云南清莲生物科技有限公司 | 一种区分不同产区和发酵类型乌龙茶的方法 |
| CN113466409A (zh) * | 2021-06-24 | 2021-10-01 | 上海应用技术大学 | 一种通过电子鼻来鉴定正山小种红茶的不同生产工艺的方法 |
| CN114586546A (zh) * | 2022-03-14 | 2022-06-07 | 西南大学 | 基于电子鼻与图像识别的草莓自动采摘装置及其控制方法 |
-
2009
- 2009-03-03 CN CN2009100788288A patent/CN101487825B/zh not_active Expired - Fee Related
Non-Patent Citations (4)
| Title |
|---|
| Ritaban Dutta，et al.Tea quality prediction using a tin oxide-based electronic nose:an artificial intelligence approach.《Sensors and Actuators B》.2003,第94卷第228-237页. * |
| 于慧春等.龙井茶叶品质的电子鼻检测方法.《农业机械学报》.2007,第38卷(第7期),第103-106页. * |
| 朱丽敏等.气味指纹分析技术在食品质控和风味研究的应用.《农产品加工·学刊》.2005,(第9、10期),第72－76页. * |
| 高永梅等.主要香型白酒的电子鼻指纹图谱.《酿酒科技》.2008,(第5期),第38-40、44页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101487825A (zh) | 2009-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101487825B (zh) | 一种识别茶叶种类和/或等级的方法 | |
| CN101487826B (zh) | 一种识别白酒香型和/或等级的方法 | |
| CN103217487B (zh) | 一种利用双指纹图谱溯源进口梅洛葡萄酒产地的分析方法 | |
| CN103592395B (zh) | 洋槐蜜中掺有油菜蜜的鉴别方法 | |
| CN104914190A (zh) | 一种茶叶种类鉴别和21种特征成分含量测定的方法 | |
| CN102645502A (zh) | 一种利用快速气相色谱型电子鼻指纹分析***鉴别黄酒酒龄的方法 | |
| CN109781918B (zh) | 一种不同企业生产的黄酒的气相离子迁移谱鉴别方法 | |
| CN108445094A (zh) | 气相离子迁移谱快速鉴别黄酒酒龄的建立方法以及应用 | |
| CN103217393A (zh) | 一种掺伪茶油的检测方法 | |
| CN103134850A (zh) | 一种基于特征香气的茶叶品质快速检测装置及检测方法 | |
| CN102507800B (zh) | 醋地理标志保护产品的香气指纹快速识别方法 | |
| KR102202225B1 (ko) | 참깨의 원산지 판별용 바이오마커 및 이를 이용한 원산지 판별방법 | |
| CN110133050A (zh) | 一种基于多传感器指纹图谱定性定量检测茶叶品质的方法 | |
| CN105259293A (zh) | 基于同位素质谱技术鉴别橄榄油产地的方法 | |
| CN113125590A (zh) | 一种基于快速气相电子鼻技术的滇红工夫茶汤香气品质客观评价方法 | |
| CN104111274A (zh) | 一种利用气体传感器阵列型电子鼻指纹分析***鉴别杨梅汁产地的方法 | |
| CN109030666A (zh) | 利用高效液相色谱鉴别金银花和山银花的方法 | |
| CN106018511A (zh) | 一种茶叶等级识别中电子鼻传感器的筛选方法及*** | |
| CN105319296A (zh) | 一种甲醇含量的测定方法 | |
| CN100451648C (zh) | 一种年份酒的鉴别方法 | |
| CN105021761A (zh) | 一种检测葡萄汁中多种有机酸的含量及其真伪的方法 | |
| Ye et al. | Classification of Maojian teas from different geographical origins by micellar electrokinetic chromatography and pattern recognition techniques | |
| CN101487824A (zh) | 一种识别啤酒风味的方法 | |
| CN101231276A (zh) | 一种针对掺植脂末原奶的检测方法 | |
| CN105092557A (zh) | 一种利用拉曼光谱快速检测黄酒中游离氨基酸含量的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111116 Termination date: 20150303 |
|
| EXPY | Termination of patent right or utility model |