CN113029975A - 一种鉴别冻害茶叶品质的方法 - Google Patents
一种鉴别冻害茶叶品质的方法 Download PDFInfo
- Publication number
- CN113029975A CN113029975A CN202110367599.2A CN202110367599A CN113029975A CN 113029975 A CN113029975 A CN 113029975A CN 202110367599 A CN202110367599 A CN 202110367599A CN 113029975 A CN113029975 A CN 113029975A
- Authority
- CN
- China
- Prior art keywords
- tea
- sensor
- leaves
- frozen
- sample
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 241001122767 Theaceae Species 0.000 title claims abstract 26
- 230000009746 freeze damage Effects 0.000 title claims description 8
- 235000009024 Ceanothus sanguineus Nutrition 0.000 claims abstract description 11
- 240000003553 Leptospermum scoparium Species 0.000 claims abstract description 11
- 235000015459 Lycium barbarum Nutrition 0.000 claims abstract description 11
- 238000012216 screening Methods 0.000 claims abstract description 4
- 230000004044 response Effects 0.000 claims description 32
- 235000014347 soups Nutrition 0.000 claims description 30
- 238000001514 detection method Methods 0.000 claims description 14
- 230000006378 damage Effects 0.000 claims description 10
- 238000007710 freezing Methods 0.000 claims description 10
- 230000008014 freezing Effects 0.000 claims description 10
- 208000027418 Wounds and injury Diseases 0.000 claims description 9
- 208000014674 injury Diseases 0.000 claims description 9
- 239000012159 carrier gas Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 claims description 5
- 241000196324 Embryophyta Species 0.000 claims description 3
- 241000238631 Hexapoda Species 0.000 claims description 3
- 229910021607 Silver chloride Inorganic materials 0.000 claims description 3
- 241000607479 Yersinia pestis Species 0.000 claims description 3
- 201000010099 disease Diseases 0.000 claims description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 3
- 229910044991 metal oxide Inorganic materials 0.000 claims description 3
- 150000004706 metal oxides Chemical class 0.000 claims description 3
- 239000003755 preservative agent Substances 0.000 claims description 3
- 230000002335 preservative effect Effects 0.000 claims description 3
- 239000008213 purified water Substances 0.000 claims description 3
- HKZLPVFGJNLROG-UHFFFAOYSA-M silver monochloride Chemical compound [Cl-].[Ag+] HKZLPVFGJNLROG-UHFFFAOYSA-M 0.000 claims description 3
- 238000003756 stirring Methods 0.000 claims description 3
- 239000002352 surface water Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000005406 washing Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000001035 drying Methods 0.000 claims description 2
- 238000002156 mixing Methods 0.000 claims description 2
- 238000007789 sealing Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims 1
- 230000001953 sensory effect Effects 0.000 abstract description 22
- 238000004458 analytical method Methods 0.000 abstract description 19
- 238000011156 evaluation Methods 0.000 abstract description 19
- 230000002349 favourable effect Effects 0.000 abstract 1
- 244000269722 Thea sinensis Species 0.000 description 131
- 235000013616 tea Nutrition 0.000 description 121
- 239000000523 sample Substances 0.000 description 26
- 230000008859 change Effects 0.000 description 8
- 238000007621 cluster analysis Methods 0.000 description 8
- 238000000513 principal component analysis Methods 0.000 description 8
- 230000009467 reduction Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 235000009569 green tea Nutrition 0.000 description 6
- 235000019568 aromas Nutrition 0.000 description 5
- 235000006468 Thea sinensis Nutrition 0.000 description 4
- 239000003086 colorant Substances 0.000 description 4
- 239000013068 control sample Substances 0.000 description 4
- 238000000556 factor analysis Methods 0.000 description 4
- 239000000706 filtrate Substances 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 230000004075 alteration Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 239000000796 flavoring agent Substances 0.000 description 3
- 235000019634 flavors Nutrition 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000009835 boiling Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000021317 sensory perception Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 229910021642 ultra pure water Inorganic materials 0.000 description 2
- 239000012498 ultrapure water Substances 0.000 description 2
- 235000003261 Artemisia vulgaris Nutrition 0.000 description 1
- 240000006891 Artemisia vulgaris Species 0.000 description 1
- 241000256135 Chironomus thummi Species 0.000 description 1
- 238000012351 Integrated analysis Methods 0.000 description 1
- 238000012352 Spearman correlation analysis Methods 0.000 description 1
- 229960001506 brilliant green Drugs 0.000 description 1
- HXCILVUBKWANLN-UHFFFAOYSA-N brilliant green cation Chemical compound C1=CC(N(CC)CC)=CC=C1C(C=1C=CC=CC=1)=C1C=CC(=[N+](CC)CC)C=C1 HXCILVUBKWANLN-UHFFFAOYSA-N 0.000 description 1
- 235000010633 broth Nutrition 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000003205 fragrance Substances 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 229940107698 malachite green Drugs 0.000 description 1
- FDZZZRQASAIRJF-UHFFFAOYSA-M malachite green Chemical compound [Cl-].C1=CC(N(C)C)=CC=C1C(C=1C=CC=CC=1)=C1C=CC(=[N+](C)C)C=C1 FDZZZRQASAIRJF-UHFFFAOYSA-M 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000000447 pesticide residue Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0001—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00 by organoleptic means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0098—Plants or trees
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/14—Beverages
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Food Science & Technology (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Medicinal Chemistry (AREA)
- Botany (AREA)
- Wood Science & Technology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Tea And Coffee (AREA)
Abstract
本发明提供了一种冻害茶叶鉴定与评价的方法,利用智能感官分析仪器测定不同品种茶树冻害茶叶的汤色、香气和滋味,通过特征值筛选,基于逐步回归法推导线性拟合方程,构建冻害茶叶品质识别模型,实现对冻害茶叶品质的鉴定与评价。该方法是基于智能感官仪器的16个指标的综合评价,与现有技术的用单一指标或极少指标鉴定受冻茶叶的方法相比,更加准确客观,适用于不同茶树品种冻害茶叶的鉴定与评价的技术体系,有利于茶叶市场茶叶品质管理的规范化。
Description
技术领域
本发明属于食品品质检测领域,涉及智能感官仪器分析、感官审评、统计分析的方法和技术。
背景技术
茶树(Camellia sinensis(L.)O.Kuntze)是一种多年生常绿木本植物,广泛分布在我国近20个省份。目前茶产业已成为其主产区农村经济的重要支柱产业和出口创汇的优势产业。随着我国茶产业生产规模快速增长,与之而来的是茶叶制品质量安全问题,诸如“假冒伪劣茶叶”、“茶叶产品重金属超标”、“茶叶制品农药残留”等屡见不鲜,无法控制的天气状况如轻度“倒春寒”发生频率也较高,可迟滞茶梢伸育而造成茶叶减产减值。每年低温影响都会对茶产业造成巨大的损失,严重影响茶叶市场的稳定与健康发展。茶叶质量安全是茶叶的生命线,亟需茶叶品质评测的相关新技术。
茶叶审评技术作为茶叶品质检验的核心,对茶叶生产起着指导和促进作用,一直以来被看作是茶叶生产的中枢。不同等级的茶叶,不仅在风味上相差较大,其价格往往也相去甚远。目前主要依靠传统的感官审评,即利用人体感觉器官,如嗅觉、味觉、视觉、触觉等,通过一定的评茶程序,在干看审评外形、开汤审评内质两个方面,分外形、香气、汤色、滋味和叶底等五个评审项目,每个项目又包含许多因子,对茶叶品质的优次、高低进行综合评定。但感官分析极易受到诸多客观因素和主观因素的干扰,对审评人员具有较高的专业要求且受其个人喜好等因素影响较大,易受外界因素干扰如审评场所的干湿环境、地域差别等,都是造成最终审评结果不准确的重要因素,因此评审结果很容易引起争议。
用理化审评替代感官审评是国内外茶叶工作者多年的宿愿,科学技术的进步以及市场对茶叶标准的需求使越多的新兴技术运用到了茶叶的审评过程中。智能感官分析技术基于对人体感官感知过程的模仿,可以在一定程度上模拟人的感官给出有关茶叶香气、滋味和外质的评判结果和指纹信息。利用模式识别方法将所获得的智能感官数据进行预处理、特征提取及模式判定等,从而得到对茶叶品质的判断。智能感官分析技术具有检测时间短、重复性好、不需要复杂的样品预处理过程、不发生感官疲劳和检测结果客观可靠等优点,是目前茶叶品质检测研究的热点和发展趋势,但在鉴别冻害茶叶品质方面目前未见相关报道。
发明内容
本发明的目的在于克服现有技术的不足,提供一种鉴别受冻茶叶品质的方法。
一种鉴别冻害茶叶品质的方法,通过以下步骤实现:
1)选取若干茶树品种采集无病虫害、长势一致的当年生枝条中的一芽三叶,用纯净水冲洗干净,滤纸吸干表面水分,进行低温胁迫处理设定时长,每个茶树品种均设定N个不同的低温胁迫温度处理的实验组,所述低温胁迫处理温度小于等于10℃,以自然生长的茶树叶片为对照;将N个实验组和对照组的茶叶样品制成蒸青样,将每份蒸青样样品混合均匀,按四分法分为4份,取其中1份供检测;
2)利用色差计检测茶汤色泽,测定亮度L*、色度a*和b*的色泽参数;
3)利用电子鼻检测茶叶香气,测定传感器的响应值;
4)利用电子舌检测茶汤滋味,测定传感器的响应值;
5)通过色差计参数、电子鼻传感器响应值和电子舌传感器响应值数据进行冻害茶叶品质识别模型的构建;
6)选取待鉴别的茶叶,将其制作为蒸青样,通过步骤2)-步骤4)获得色差计参数、电子鼻传感器响应值和电子舌传感器响应值,利用步骤5)所构建的冻害茶叶品质识别模型鉴别茶叶是否发生冻害和/或鉴别冻害茶叶品质。
在本发明的一个优选实施例中,选取了6个茶树品种,分别为乌牛早、平阳特早、茂绿、中茶102、龙井43和中茶108,茶树品种无性系,树龄6a。
预选的,低温胁迫处理的时间为4h,进一步的,实验组低温胁迫处理温度分别为-16℃、-10℃、-5℃、0℃、4℃、10℃。
优选的,所述方法需采用色差计型号为CM-3600A。
优选的,所述的茶汤的制备方法需参照国家标准《茶叶感官审评方法》(GB/T /23776-2018)。
优选的,所述的电子鼻型号为GEMINI,配有6个金属氧化物传感器(T70/2、 PA/2、P30/1、P30/2、LY2/AA、LY2/gCT)。
优选的,所述的用于电子鼻检测样品的制备方法是2g于100mL烧杯中,用保鲜膜密封,于50℃烘箱中静置10min后取出检测。
优选的,所述的电子鼻检测程序是载气为干燥洁净空气,载气流速为150 mL·min-1。数据采集时间为90s,延迟时间为210s,选用每个传感器的最大响应值作统计分析。
优选的,所述的电子舌型号为Astree型,配有1个Ag/AgCl参比电极和1# 传感器(ZZ、JE、BB、CA、GA、HA、GB)。
优选的,所述的电子舌检测程序是设置数据采集时间为120s,搅拌速率为1 次/s,取最后20s测量值的平均值作为该传感器的响应值。每采样1次,传感器进入清洗溶液清洗1次。
优选的,所述的冻害茶叶品质识别模型是将数据归一化处理,通过特征值筛选,基于逐步回归法推导线性拟合方程进行构建。
优选的,所述步骤6)中,利用步骤5)所构建的冻害茶叶品质识别模型鉴别茶叶是否发生冻害,具体为:向冻害茶叶品质识别模型输入色差计参数、电子鼻传感器响应值和电子舌传感器响应值,模型输出结果为预测处理温度,若预测处理温度小于等于10℃,则认为待测茶叶样品发生了冻害。
进一步的,若模型所得预测处理温度越低,可认定待测茶叶冻害程度越大,品质越低。
附图说明
图1为各茶样汤色的色度值差异;
图2a为各茶样汤色的衍生指标b*/a*值的差异
图2b为各茶样汤色的饱和度C的差异;
图3为各茶样茶汤的色差计分析数据聚类分析图;
注:A—平阳特早,B—乌牛早,C—茂绿,D—龙井43,E—中茶102,F—中茶108
图4为各茶样茶汤的电子鼻检测雷达图;
图5a为各茶样香气的电子鼻主成分分析;
图5b为各茶样香气的电子鼻判别因子分析;
注:圆形—平阳特早,十字形—乌牛早,菱形—茂绿,星形—龙井43,正方形—中茶102,直线形—中茶108。
图6为各茶样茶汤的电子鼻分析数据聚类分析图;
图7为各茶样茶汤的电子舌检测雷达图;
图8为各茶样香气的电子舌主成分分析(左)和判别因子分析(右);
图9为各茶样茶汤的电子舌分析数据聚类分析图。
具体实施方式
以下结合说明书附图和实施例对本发明做进一步说明。
本发明各实施例中的蒸青茶样的制备过程如下:
选取6个茶树品种(乌牛早、平阳特早、茂绿、中茶102、龙井43和中茶 108),无性系,树龄6a,采集无病虫害、长势一致的当年生枝条中的一芽三叶,用纯净水冲洗干净,滤纸吸干表面水分,进行低温胁迫处理4h,处理温度为-16℃、 -10℃、-5℃、0℃、4℃、10℃,以自然生长的茶树叶片为对照。将每个茶树品种的7个不同处理温度的样品制成蒸青样。将每份蒸青样样品混合均匀,按四分法分为4份,取其中1份供检测。
本发明中,用于色差计和电子舌检测色泽和滋味的茶汤,其制备方法参照国家标准《茶叶感官审评方法》(为GB/T 23776-2018)。
实施例1不同温度下蒸青茶样汤色的色泽分析
取每个茶树品种实验组和对照组的蒸青茶样各3g于带盖锥形瓶中,加入沸腾超纯水150mL,5min后过滤。滤液降至室温后取10mL用于色差计分析。采用日本Konica Minolta公司生产的CM-3600A型色差计。试验时将待测茶汤注入到色差计专用比色皿中,检测亮度L、色度a和b。色空间选用绝对测量方式 (L*a*b*色差***)。亮度L的值域为0-100,数值愈大则亮度愈高。对a来说,“+”表示红色成分,“–”表示绿色成分;对b来说,“+”表示黄色成分,“–”表示蓝色成分。每个样品重复测10次。
由茶汤色泽参数L*、a*、b*分析显示(图1),各品种茶汤亮度L*随温度降低整体呈现上升趋势。除中茶102和龙井43以外,其余4个品种茶汤在-16℃下亮度最高,而这两个品种则在-5℃时亮度最高;不同品种的对照样中平阳特早和中茶102亮度相近,而茂绿和龙井43亮度相近,中茶108亮度最高。各品种不同温度下的茶汤色度a*均为负值,表现绿色色度;除中茶102外,各品种随温度降低绿色色度a*显著加深;不同品种的对照样中中茶102绿色色度最高。除中茶102外,其余5个品种汤色均随温度降低黄色色度b*明显加深;不同品种的对照样中中茶102黄色色度最高,而平阳特早、乌牛早和龙井43黄色色度均较低。可见色度值对温度的变化有较为灵敏的反映。
根据茶汤色差衍生指标b*/a*分析可知(图2a),各品种色差衍生指标随温度的降低,整体呈现下降趋势。除平阳特早和茂绿外,其余4个品种均在4℃出现骤降之后上升;龙井43和乌牛早色差衍生指标随温度降低,整体变化趋势较为一致,呈现降低—升高—降低现象;平阳特早和茂绿整体变化趋势较为一致,在0℃以上温度范围内变化较为平缓,而在0℃以下出现骤降;中茶102和中茶 108均是在10℃出现骤高,4℃骤降,之后缓慢下降的趋势。
根据茶汤饱和度C分析可知(图2b),除龙井43外,其余品种饱和度整体变化趋势随温度降低而升高,其中平阳特早和茂绿变化趋势一致;同一品种不同温度下的饱和度差异较大,且不同品种之间差异也较为明显,表明色差计能够表现各汤色之间的细微差异,对汤色进行有效区分,能有效、准确地反映出不同温度处理后的茶汤颜色变化。
采用DPS软件对每个品种不同温度的色彩色差计3个指标数据进行聚类分析,以欧氏距离作为聚类距离,采用离差平方和法对其进行聚类分析(图3)。结果表明,6个品种的对照茶样均与低温处理茶样有较明显区分,尤其是平阳特早,相较于其他样品,对照样品单独聚为一类,区分非常显著。龙井43和中茶 108以0℃为界,0℃以上聚为一类,0℃及以下聚为一类。
实施例2不同温度下蒸青茶样的香气分析
取蒸青茶样2g于100mL烧杯中,用保鲜膜密封,于50℃烘箱中静置10min 后取出检测。采用法国Alpha MOS公司研发的GEMINI电子鼻,配有6个金属氧化物传感器(T70/2、PA/2、P30/1、P30/2、LY2/AA、LY2/gCT)。数据采集前 48h开机,打开载气发生器引入气流,缓缓促使传感器达到平衡状态。载气为干燥洁净空气,载气流速为150mL·min-1。数据采集时间为90s,延迟时间为210s,选用每个传感器的最大响应值作统计分析。每个样品重复测5次。
通过电子鼻传感器雷达图可直观发现,不同温度下的各品种茶样香气传感器响应值随温度变化具有明显差异。6个传感器对各茶样香气响应程度不同,P40/1 最高,其次是PA/2和P30/1,最低的是LY2/AA和LY2/gCT。传感器P30/1响应值离散度大,样品间差异明显。LY2系列传感器响应非常集中。
在主成分分析(PCA)和判别因子分析(DFA)中(图5a和图5b),PCA 分析的各品种的对照样数据比较集中,跨度小,稳定性良好;而-16℃下,各品种数据跨度大,其次为-5℃;与之相反的是0℃时各品种数据跨度小,品种间和品种内的数据皆集中;10℃和4℃时均显示出同一品种跨度下比较稳定而品种间差异大的情况;-10℃时品种间差距较大。表明对照样和0℃处理样在各品种间香气差异不明显。DFA分析显示较多数据比较集中,重叠度高,较难区分。总体来说,-16℃和-5℃对于各茶样的香气影响较大,而10℃和4℃仅对乌牛早、茂绿和中茶102的香气产生影响,这三种茶样香气对于温度改变的稳定性略显不足。
采用DPS软件对每个品种不同温度的电子鼻6个传感器的响应值进行聚类分析,以欧氏距离作为聚类距离,采用离差平方和法对其进行聚类分析(图6)。结果表明,6个品种的对照茶样均与低温处理茶样有较明显区分,尤其是乌牛早、龙井43、中茶102和中茶108的对照样品单独聚为一类,区分非常显著。而茂绿品种以0℃为界,0℃及以上聚为一类,0℃以下聚为一类,其中0℃及以上的聚类中,对照样品单独聚为一小类。平阳特早则以4℃为界,4℃以上聚为一类, 4℃及以下聚为一类。
实施例3不同温度下蒸青茶样茶汤的滋味分析
取蒸青茶样3g于带盖锥形瓶中,加入沸腾超纯水150mL,5min后过滤。滤液降至室温后取100mL用于电子舌分析。采用法国Alpha MOS公司研发的 Astree型电子舌,配有1#传感器(ZZ、JE、BB、CA、GA、HA、GB)和1个 Ag/AgCl参比电极。数据采集前,***需要经过初始化、校准、诊断等程序,以确保传感器响应信号的可靠性和稳定性。设置数据采集时间为120s,搅拌速率为1次/s,取最后20s测量值的平均值作为该传感器的响应值。每采样1次,传感器进入清洗溶液清洗1次,避免对下一个样品响应信号产生影响。每个样品重复10次。
为直观的分析电子舌传感器对不同茶汤样品的响应,将每个传感器的数据均值均匀排列在圆周上(图7)。7个传感器的响应值分布离散度较大。JE传感器离散较为集中。相对于BB和HA来说,CA、JE、JB、GA和ZZ传感器对样品的响应值存在较大差异,说明这5个传感器对样品中某些物质敏感度较高,间接说明传感器对茶汤滋味有较好区分效果。
主成分分析和判别因子分析是在损失较少信息的前提下,把多个变量综合成少数几个综合变量来研究总体各方面信息的多元统计方法。样品距离越近,说明其品质特性越相似。电子舌能够精确有效地检测出6个茶树品种7个不同处理温度共计42个样品的茶汤滋味差异(图8)。PCA分析显示,品种内差异主要根据 PC2区分,品种间差异主要根据PC1区分,且低温处理对不同品种的茶汤滋味造成的差异显著。各品种的对照样滋味均与品种内温度处理下的滋味有明显差异,且品种内茶汤滋味均呈线状分布;龙井43各温度间距离较远,说明其茶汤滋味在不同温度下差异显著;茂绿和中茶108经10℃及以下温度处理后的样品相对集中,且均与各对照样距离较远,说明这2个品种一旦经历低温,其滋味品质就会明显劣变;平阳特早和乌牛早的滋味较相近,尤其是在0℃~10℃范围内,这2 个品种出现重叠现象,说明在这个温度范围内,平阳特早和乌牛早的滋味一致。 DFA分析显示,组内差异缩小,组间差异增大。各品种差异均与PCA结果较一致。
采用DPS软件对每个品种不同温度的电子舌7个传感器响应值进行聚类分析,以欧氏距离作为聚类距离,采用离差平方和法对其进行聚类分析(图9)。结果表明,各品种蒸青样明显分为两大类,其中茂绿、龙井43和中茶102对照样品与受低温胁迫的样品区分明显,其它品种的对照样品与0℃以上的样品聚为一类。
实施例4不同温度下蒸青茶样品质感官审评与智能仪器的相关性分析
按照感官审评国家标准(GB/T23776-2018)对6个品种7个温度下总计42 个样品进行感官审评。将感官审评得分与电子舌、电子鼻和色彩色差计数据通过 Spearman相关性分析发现(表1),电子舌、电子鼻和色彩色差计与感官审评有较强的正相关性。滋味方面,除JE和HA外,与电子舌其他5个传感器均呈显著或极显著相关。香气方面,除LY2系列传感器外,与电子鼻其他4个传感器均呈现极显著相关。在汤色方面,与L*和a*呈现显著或极显著相关。
由于,本发明所采用的电子舌、电子鼻和色彩色差计与感官审评有较强的正相关性,因此采用电子舌、电子鼻和色彩色差计等智能仪器的检测信号值来构建低温胁迫下茶叶品质识别模型是科学和准确的。
表1感官审评得分与电子舌、电子鼻和色差计的相关性
实施例5综合分析
根据所得结果,可知电子舌、电子鼻和色彩色差计均能检测出6个品种7个温度的样品。将数据归一化处理,通过特征值筛选,基于逐步回归法推导线性拟合方程,构建低温胁迫下茶叶品质识别模型。
本实施例最终构建的低温胁迫下茶叶品质识别模型为:
T=7.478X1-14.207X2+0.075X3+0.067X4-0.107X5+0.073X6+0.056X7+0.088X8-353.209 注:温度T(℃),X1为色彩色差参数a*,X2为电子鼻传感器P30/1,X3-X8分别为电子舌传感器ZZ、BB、 CA、GA、HA、JB。
该模型对冻害茶叶和正常茶叶具有极强的鉴别准确性,可准确分别冻害茶叶和正常茶叶,本发明的模型还能大致对茶叶的冻害程度进行鉴别,值得注意的是,对乌牛早、平阳特早、茂绿、中茶102、龙井43和中茶108外的绿茶茶叶品种,采用本发明的模型和方法进行鉴定,也能较准确鉴别冻害茶叶和正常茶叶。可见本发明模型具有一定的普适性,可推广至绿茶茶叶的冻害鉴别,这也说明本发明方法所选用的建模特征参数较好得包含了冻害茶叶相比于普通茶叶在感官上的区别。模型鉴别方法还具有重复性好、不需要复杂的样品预处理过程、不发生感官疲劳和检测结果客观可靠等优点。
以上所述,仅是本发明的若干实施案例,并未对本发明做任何形式上的限制,依据本发明的技术实质对上述案例进行简单的修改、优化,等同变化与修饰,均属本发明方案技术范围内。
Claims (10)
1.一种鉴别冻害茶叶品质的方法,其特征在于通过以下步骤实现:
1)选取若干茶树品种采集无病虫害、长势一致的当年生枝条中的一芽三叶,用纯净水冲洗干净,滤纸吸干表面水分,进行低温胁迫处理设定时长,每个茶树品种均设定N个不同的低温胁迫温度处理的实验组,所述低温胁迫处理温度小于等于10℃,以自然生长的茶树叶片为对照;将N个实验组和对照组的茶叶样品制成蒸青样,将每份蒸青样样品混合均匀,按四分法分为4份,取其中1份供检测;
2)利用色差计检测茶汤色泽,测定亮度L*、色度a*和b*的色泽参数;
3)利用电子鼻检测茶叶香气,测定传感器的响应值;
4)利用电子舌检测茶汤滋味,测定传感器的响应值;
5)通过色差计参数、电子鼻传感器响应值和电子舌传感器响应值数据进行冻害茶叶品质识别模型的构建;
6)选取待鉴别的茶叶,将其制作为蒸青样,通过步骤2)-步骤4)获得色差计参数、电子鼻传感器响应值和电子舌传感器响应值作为模型输入,利用步骤5)所构建的冻害茶叶品质识别模型鉴别茶叶是否发生冻害和/或鉴别冻害茶叶品质。
2.根据权利要求1所述的方法,其特征在于所述的色差计型号为CM-3600A。
3.根据权利要求1所述的方法,其特征在于步骤2)中所述的茶汤的制备方法为GB/T23776-2018。
4.根据权利要求1所述的方法,其特征在于所述的电子鼻型号为GEMINI,配有6个金属氧化物传感器T70/2、PA/2、P30/1、P30/2、LY2/AA、LY2/gCT。
5.根据权利要求1所述的方法,其特征在于步骤3)中,电子鼻检测的样品的制备方法为,取2g蒸青样样品于100mL烧杯中,用保鲜膜密封,于50℃烘箱中静置10min后取出检测。
6.根据权利要求1或5所述的方法,其特征在于电子鼻的检测方法为:采用干燥洁净空气为载气,载气流速为150mL·min-1;数据采集时间为90s,延迟时间为210s,选用每个传感器的最大响应值作统计分析。
7.根据权利要求1所述的方法,其特征在于所述的电子舌型号为Astree型,配有1个Ag/AgCl参比电极和1#传感器ZZ、JE、BB、CA、GA、HA、GB。
8.根据权利要求1所述的方法,其特征在于电子舌的检测方法为,设置数据采集时间为120s,搅拌速率为1次/s,取最后20s测量值的平均值作为该传感器的响应值;每采样1次,传感器进入清洗溶液清洗1次。
9.根据权利要求1所述的方法,其特征在于所述的冻害茶叶品质识别模型是将数据归一化处理,通过特征值筛选,基于逐步回归法推导线性拟合方程进行构建。
10.根据权利要求1所述的方法,其特征在于,所述步骤6)中,利用步骤5)所构建的冻害茶叶品质识别模型鉴别茶叶是否发生冻害,具体为:向冻害茶叶品质识别模型输入色差计参数、电子鼻传感器响应值和电子舌传感器响应值,模型输出结果为预测处理温度,若预测处理温度小于等于10℃,则认为待测茶叶样品发生了冻害。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110367599.2A CN113029975A (zh) | 2021-04-06 | 2021-04-06 | 一种鉴别冻害茶叶品质的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110367599.2A CN113029975A (zh) | 2021-04-06 | 2021-04-06 | 一种鉴别冻害茶叶品质的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113029975A true CN113029975A (zh) | 2021-06-25 |
Family
ID=76454361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110367599.2A Pending CN113029975A (zh) | 2021-04-06 | 2021-04-06 | 一种鉴别冻害茶叶品质的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113029975A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113670917A (zh) * | 2021-07-28 | 2021-11-19 | 三江侗族自治县仙池茶业有限公司 | 一种绿茶品质的分析方法和*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103472197A (zh) * | 2013-09-10 | 2013-12-25 | 江苏大学 | 一种食品智能化仿生评价中的跨感知信息交互感应融合方法 |
CN108195895A (zh) * | 2017-12-26 | 2018-06-22 | 山东农业大学 | 一种基于电子鼻和分光测色仪的茶树叶片氮含量快速检测方法 |
CN110100593A (zh) * | 2019-05-10 | 2019-08-09 | 浙江大学 | 茶树品种耐寒力的鉴定方法 |
CN110133050A (zh) * | 2019-04-10 | 2019-08-16 | 浙江大学 | 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 |
-
2021
- 2021-04-06 CN CN202110367599.2A patent/CN113029975A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103472197A (zh) * | 2013-09-10 | 2013-12-25 | 江苏大学 | 一种食品智能化仿生评价中的跨感知信息交互感应融合方法 |
CN108195895A (zh) * | 2017-12-26 | 2018-06-22 | 山东农业大学 | 一种基于电子鼻和分光测色仪的茶树叶片氮含量快速检测方法 |
CN110133050A (zh) * | 2019-04-10 | 2019-08-16 | 浙江大学 | 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 |
CN110100593A (zh) * | 2019-05-10 | 2019-08-09 | 浙江大学 | 茶树品种耐寒力的鉴定方法 |
Non-Patent Citations (2)
Title |
---|
郑雨婷;韩善捷;韩宝瑜;: "基于感官智能分析仪器的蝉害茶色香味的变异分析", 茶叶科学 * |
郑雨婷等: "基于感官智能分析仪器的蝉害茶色香味的变异分析", 《茶叶科学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113670917A (zh) * | 2021-07-28 | 2021-11-19 | 三江侗族自治县仙池茶业有限公司 | 一种绿茶品质的分析方法和*** |
CN113670917B (zh) * | 2021-07-28 | 2023-12-19 | 三江侗族自治县仙池茶业有限公司 | 一种绿茶品质的分析方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105445421B (zh) | 一种通过外观指标预测片烟醇化过程中感官质量的方法 | |
CN107860740A (zh) | 一种基于近红外光谱技术的红茶发酵品质的评价方法 | |
CN103163217A (zh) | 声表面波谐振器串联检测***及其检测方法 | |
CN103389281A (zh) | 一种基于近红外光谱技术的普洱茶聚类分析方法 | |
CN107543795B (zh) | 一种烤烟产地的判别方法 | |
CN102012365A (zh) | 一种基于红外光谱的茶叶发酵度识别方法 | |
CN112414967B (zh) | 一种快速实时检测蒲黄炭炮制的近红外质控方法 | |
CN114092839B (zh) | 基于无人机遥感的大豆收获期成熟度的判断方法 | |
CN111795943A (zh) | 基于近红外光谱技术无损检测茶叶中外源掺杂蔗糖的方法 | |
CN108195895A (zh) | 一种基于电子鼻和分光测色仪的茶树叶片氮含量快速检测方法 | |
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 | |
CN113029975A (zh) | 一种鉴别冻害茶叶品质的方法 | |
CN112033911A (zh) | 一种基于色差和紫外光谱的茶叶等级快速鉴别方法 | |
CN106226267B (zh) | 一种辣椒干色价的近红外测定方法 | |
CN112114065B (zh) | 一种鲜食大豆风味鉴别方法 | |
CN113049571A (zh) | 一种基于拉曼光谱判别绿茶新陈的方法 | |
CN107917982B (zh) | 一种基于21种特征成分含量的柑橘品种鉴别和***分类的方法 | |
CN115843681A (zh) | 一种大白菜耐热品种鉴定及评价方法 | |
CN110231300A (zh) | 一种无损快速鉴别真假阿克苏红富士苹果的方法 | |
CN115453045A (zh) | 一种菠萝黑心病无损检测模型及无损检测方法 | |
CN107941997A (zh) | 一种外引烤烟品种种植区域遴选和验证的方法 | |
CN108732128A (zh) | 一种检测花生仁食用感官品质的方法 | |
CN100429501C (zh) | 一种快速无损检测鸭梨黑心病的方法 | |
CN115060695A (zh) | 基于三维荧光光谱的枸杞子储藏年份鉴别方法 | |
CN114076745A (zh) | 一种基于云端-互联便携式近红外技术的西红花鉴别方法及其掺伪品定量预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210625 |