高靜，王淑娟，劉思彤，江俞蓉，戴前穎*

（安徽農(nóng)業(yè)大學(xué)茶樹生物學(xué)與資源利用國家重點實驗室，安徽合肥 230036）

綠茶的香氣是影響其品質(zhì)和消費(fèi)者選擇的重要因素之一。然而，在儲存的過程中，綠茶極易受溫度，氧氣，濕度，光線等外界環(huán)境條件影響，發(fā)生一定程度的自動氧化及其他伴隨反應(yīng)，使原有的清香消散，失去鮮活感，表現(xiàn)出氣味陳滯的特點[1]?；趯I(yè)的感官審評可以評判茶葉的儲存時間和香氣的陳化度，但是因為評茶員的經(jīng)驗自主性比較強(qiáng)，存在一定的誤判率；而且香氣的評茶術(shù)語中多運(yùn)用“較、尚、純正、平和”等模糊程度詞，不易被普通消費(fèi)者理解和運(yùn)用。

電子鼻是模擬人類鼻子嗅覺原理的仿生體系，它包括信號的產(chǎn)生、信號的處理與傳輸、信號的判別，具有成本低、簡便和靈活等優(yōu)點[2]。近年來，在酒[3-4]、可樂[5]、肉類[6-7]、魚[8]等食品的識別和質(zhì)量分析上都得到了成功的應(yīng)用。Dutta等[9]開創(chuàng)性的利用電子鼻建立了紅茶在不同加工階段的香氣評價體系。隨后有研究者在前人的基礎(chǔ)上，把電子鼻的響應(yīng)信號與評茶員的感官評分結(jié)合在一起，把分值轉(zhuǎn)變?yōu)殡娮有畔ⅲ瑏矸治霾枞~的品質(zhì)特征[10-11]。

由于電子鼻傳感器對茶葉香氣的靈敏度具有選擇性和限制性，因此除了需要選擇合適的傳感器外還需要多樣化的模式識別。Mara Mirasoli等[12]選用備有 6個金屬氧化物半導(dǎo)體（MOS）傳感器陣列的電子鼻對長期保存的綠茶樣品進(jìn)行質(zhì)量檢測，通過線性判別分析能夠正確的區(qū)分新鮮綠茶和陳年的綠茶。Bipan Tudu等[13]針對紅茶定制了由5個傳感器（TGS）組成的電子鼻，通過增量學(xué)習(xí)的RBF神經(jīng)網(wǎng)絡(luò)對紅茶的香氣分類進(jìn)行模式識別。典則判別函數(shù)能夠考察各類別觀測值之間的相關(guān)關(guān)系而對其進(jìn)行分類，然后根據(jù)建立的分類規(guī)則對原始樣本重新進(jìn)行分類[14]。孫威江等[15]在因子分析的基礎(chǔ)上采用典則判別分析對福建和廣東的84個烏龍

茶進(jìn)行產(chǎn)地、品種和級別的鑒定，建立判別函數(shù)；通過交叉驗證和回代樣本驗證得到了較高的正判率。Bayes判別法是根據(jù)不確定的信息進(jìn)行推理和決策以最終確定構(gòu)造各體的概率函數(shù)。J Ning等[16]對云南、湖南、湖北、四川和廣西5個地區(qū)的 38種黑茶樣品進(jìn)行主要化學(xué)成分分析，選擇GA、EGC、咖啡因、總兒茶素4類物質(zhì)作為主成分建立Bayes判別模型，模型對5個地區(qū)的黑茶達(dá)到了 100%的正確判別率，說明了Bayes判別法對區(qū)分茶葉的產(chǎn)地是可行的。

目前電子鼻技術(shù)多應(yīng)用在綠茶產(chǎn)地及等級劃分，而對儲存期及陳化度的研究較少。為此以4℃、室溫、35℃條件儲存一定時期的黃山毛峰為研究對象，用PEN3電子鼻檢測不同儲存期茶湯的揮發(fā)性成分，分析比較電子鼻傳感器響應(yīng)信號的變化趨勢。結(jié)合感官審評，通過典則判別分析三個溫度條件下毛峰的儲存期和香氣的陳化度，同時構(gòu)建儲存期和陳化度的Bayes判別模型。

1 材料與方法

1.1 實驗材料

供試毛峰為安徽市場銷售的新茶，包括2種特級二等毛峰（T1、T2）、2 種特級三等毛峰（T3、T4）；1種二級毛峰T5和1種三級毛峰T6。將收集的新鮮茶樣置于60℃烘箱中烘至足干，統(tǒng)一均勻分樣后用避光的錫箔紙袋包裝成 50g/袋密封，分別置于4℃、室溫、35℃條件下儲存，每隔一個月取出一袋進(jìn)行感官審評和電子鼻檢測。驗證茶樣：安徽市場銷售的新鮮綠茶，有舒城毛峰、霍山黃芽、炒青和六安瓜片，同樣置于4℃、室溫、35℃條件下儲存，每隔一個月取出一袋進(jìn)行感官審評和電子鼻檢測。

1.2 主要儀器設(shè)備

PEN3型電子鼻，實驗選用W1C、W5S、W3C、W6S、W5C、W1S、W1W、W2S、W2W和W3S等10個傳感器組成陣列，德國Airsense公司；培養(yǎng)箱（35℃恒溫），電熱鼓風(fēng)干燥箱，上海一恒科學(xué)儀器有限公司；美菱冰箱（4℃冷藏）；AJF-2001-P超純水機(jī)，重慶頤洋有限公司；AB-104-N電子分析天平，梅特勒-托力多儀器有限公司。

1.3 實驗方法

按照GB/T 23776-2009中綠茶的感官審評方法，由三位國家級茶葉審評技師對茶葉的香氣進(jìn)行描述并給出相應(yīng)的評語。同時使用線性標(biāo)度法[17]和排序法[18]對茶葉香氣的陳化度進(jìn)行打分，采用0-3分制，其中0-無陳氣，1-微有陳氣，2-有陳氣但感覺不強(qiáng)烈，3-能明顯感覺到陳氣。

1.4 電子鼻的測試方法

供試樣品的制備：參照茶葉感官審評 1:50的茶水比，取1.5g茶葉用75ml沸水沖泡，靜置5min，將茶水分離置于 500ml燒杯中用雙層保鮮膜覆蓋密封，放在 25±0.5℃環(huán)境中靜置45min后將電子鼻的探頭刺入燒杯上空進(jìn)行檢測，每個茶樣重復(fù)5次。電子鼻的工作條件：傳感器清洗120s、傳感器歸零時間5s、采樣時間70s、進(jìn)樣流量400ml/min。

1.5 數(shù)據(jù)處理

本文表和圖中數(shù)據(jù)均為平均值，主成分分析、判別分析等由SPSS PASW Statistics v18.0軟件進(jìn)行處理分析。

2 結(jié)果與分析

2.1 不同溫度儲存毛峰的感官審評結(jié)果與分析

表1顯示的是六種毛峰在4℃、室溫、35℃三個溫度條件下儲存一定時間后的感官審評結(jié)果，可以看出隨著儲存溫度的升高，毛峰的香氣品質(zhì)變化明顯。在4℃條件下，儲存210d后毛峰香氣變化不大，幾乎保持原茶的香氣，僅T5、T6兩種毛峰在儲存180d時出現(xiàn)微弱的陳氣。室溫條件下，毛峰的香氣呈現(xiàn)出無陳氣-微陳氣-稍有陳氣的變化趨勢。35℃條件下，毛峰陳化速度劇烈，儲存60d后產(chǎn)生微弱的陳氣，儲存120d后達(dá)到稍陳的程度，在儲存210d后T5和T6毛峰出現(xiàn)明顯的陳氣。

2.2 基于電子鼻的毛峰陳化分析

表1 不同儲存溫度毛峰的感官審評結(jié)果

2.2.1 供試樣品制備條件的優(yōu)化

影響電子鼻傳感器接收信號的因素有很多，包括茶湯體積、頂空體積、采樣時間等。于慧春等0在利用電子鼻檢測分析不同等級和貯藏時間龍井的香氣品質(zhì)時，比較分析了影響電子鼻響應(yīng)特性和香氣成分檢測的各項因素：頂空體積、富集時間、采樣及清洗時間等。實驗在此基礎(chǔ)上進(jìn)一步探討茶湯體積對傳感器信號的影響，選取了75ml和250ml體積的茶湯，結(jié)果如圖1所示。從圖中可以看出，250ml茶湯的 W5S、W1W和 W2W傳感器的響應(yīng)值明顯高于 75ml茶湯，但是 250ml茶湯響應(yīng)值的曲線不穩(wěn)，波動性大，可能的原因是大體積的茶湯在放置至室溫的過程中，頂空聚集的水蒸氣比較多，大量水蒸氣會對傳感器造成影響。因此實驗選擇1.5g茶樣，用75ml沸水沖泡，將茶湯置于500ml燒杯中密封，放在25±0.5℃環(huán)境中富集45min后進(jìn)行檢測。

圖1 不同體積茶湯的電子鼻圖譜

2.2.2 電子鼻對不同儲存時間毛峰的響應(yīng)

電子鼻傳感器信號值變化大多是隨采樣時間增加先上升、然后趨于平穩(wěn)、最后又下降的過程。根據(jù)響應(yīng)曲線的趨勢以及變化情況，選擇響應(yīng)曲線趨于平穩(wěn)后 15s到 25s內(nèi)的平均值作為特征提取值。以T2毛峰為代表探究儲存溫度對傳感器響應(yīng)值（G/G0）的影響，結(jié)果如圖2所示。毛峰在儲存一段時間后，響應(yīng)值變化明顯。其中W1W、W2W顯著下降，分別對硫化物、芳香成分和有機(jī)硫化物靈敏；W5S在茶葉儲存的過程中出現(xiàn)先增加后又減少的情況，在4℃溫度下表現(xiàn)明顯，其主要對氮氧化合物靈敏。對硫化物靈敏的 W1W 傳感器響應(yīng)值在儲存的過程 中下降明顯，且隨著溫度的升高而下降劇烈。

圖2 不同溫度儲存的黃山毛峰（T2）電子鼻響應(yīng)值的變化

2.3 毛峰儲存期的Bayes判別分析

2.3.1 典則判別分析

為了探究電子鼻對毛峰儲存期的分辨能力，首先對電子鼻原數(shù)據(jù)進(jìn)行主成分分析。4℃條件得到了三個主成分，累積貢獻(xiàn)率為91.76%其中第一主成分的貢獻(xiàn)率為57.55%；室溫條件三個主成分的累積貢獻(xiàn)率為92.43%，第一主成分的貢獻(xiàn)率為66.16%；35℃條件三個主成分的累積貢獻(xiàn)率為 93.92%，而第一主成分的貢獻(xiàn)率為65.89%。表明在三個溫度條件下對提取的第一主成分可以作為新變量來解釋原始數(shù)據(jù)。通過Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法提取主成分的因子，三個溫度下共得到六個相同的成分，包括W1C、W3C、W5C、W1S、W1W和W2W傳感器，對香氣指紋的影響大于其他傳感器。這些傳感器分別對芳香族成分、氨水、烷烴、甲烷、有機(jī)硫化物和芳香成分靈敏。

表2 毛峰儲存期判別分析的特征值與Wilks’s Lambda 分析表

在主成分分析和因子推廣的基礎(chǔ)上以儲存期為分組變量進(jìn)行判別分析，4℃得到了6個顯著的判別函數(shù)，室溫和35℃均得到7個判別函數(shù)，其中6個為顯著的判別函數(shù)。各樣本的前兩條判別函數(shù)的特征值與Wilks’s Lambda見表2，累積的解釋變異量均大于80%。

由各樣本在前兩條判別函數(shù)上得分值的空間散點圖（圖 3）可知，三個溫度下 0d～210d毛峰隨著時間分別聚類，但是不同溫度區(qū)分效果不同。4℃的區(qū)分效果不明顯，特別是 0d～120d的毛峰幾乎聚集在一起。感官審評結(jié)果顯示，在4℃下儲存120d毛峰香氣幾乎無變化，與判別分析一致，說明冷藏可以使毛峰在一段時間內(nèi)保鮮。室溫的區(qū)分效果明顯，以120d為分界線，120d前的茶葉樣品交界處重疊較多，重疊處樣品幾乎沒有差異。感官審評顯示室溫存放 120d的茶樣出現(xiàn)陳氣，與判別分析一致。35℃條件下，0d～120d的聚類效果差，質(zhì)心點幾乎集中在一起，但是隨著儲存時間延長區(qū)分明顯，在150d后明顯分離。結(jié)合感官審評，儲存60d后茶葉開始陳化，儲存120d后陳化度進(jìn)一步增加，與分類效果一致。

2.3.2 Bayes判別模型的建立及驗證分析

在上述判別分析的基礎(chǔ)上，建立的模型如下：

（1）4℃條件下，毛峰儲存期的Bayes判別模型

（2）室溫條件下，毛峰儲存期的Bayes判別模型

（3）35℃條件下，毛峰儲存期的Bayes判別模型

注：Y0表示儲存0天的判別模型（下標(biāo)表示毛峰儲藏時間）；X表示傳感器的響應(yīng)值（下標(biāo)表示電子鼻傳感器類型）

對三個溫度下建立的毛峰儲存期Bayes判別模型進(jìn)行驗證分析，將驗證茶樣（同樣條件儲存的毛峰、黃芽、炒青和瓜片）的電子鼻響應(yīng)值（G/G0）作為變量代入以上線性方程中計算出相應(yīng)的Y值，最大的Y值由哪條判別函數(shù)計算得出，就可知茶樣所屬的儲存時間。驗證結(jié)果如表2所示，三個溫度的判別正確率均大于85%，符合統(tǒng)計分析要求，毛峰早期儲存時間的判別模型具有實際意義。

表3 不同溫度毛峰儲存期Bayes判別模型驗證

2.4 毛峰陳化度的Bayes判別分析

2.4.1 典則判別分析

感官審評顯示4℃儲存210d的毛峰香氣變化不明顯，只有兩種經(jīng)過揉捻的毛峰在儲存180d后達(dá)到了1的陳化度；室溫條件下儲存210d后，毛峰能夠達(dá)到0、1、2的陳化度；而35℃儲存210d后，毛峰達(dá)到了0、1、2、3的陳化度。以毛峰的感官陳化度（0、1、2、3）為分組變量進(jìn)行判別分析，4℃只得到了一個判別函數(shù)，室溫得到2個判別函數(shù)，35℃則得到3個判別函數(shù)，前兩條判別函數(shù)的累積解釋變異量為96.4%；三個儲存溫度得到的判別函數(shù)的特征值與Wilks’s Lambda見表4。

表4 毛峰陳化度判別分析的特征值與Wilks’s Lambda 分析表

室溫和35℃在前兩條判別函數(shù)上得分值的空間散點圖如圖4所示，從圖中可以看出，毛峰隨著陳化度分別進(jìn)行聚類，室溫條件各陳化度毛峰在空間上的重疊部分較多，特別是0和1的交界處，函數(shù)的區(qū)別力較差。在35℃條件下，毛峰隨陳化度的聚類效果明顯，同樣在0和1、1和2以及2和3交界處有重疊，表明在陳化度過度時毛峰香氣差異不大，容易誤判。從分類效果圖上得出在陳化度過度時區(qū)分度低，但是隨著陳化度的增加區(qū)分效果越明顯，綜上所述，可以通過電子鼻對毛峰陳化度進(jìn)行初步判別。

2.4.2 陳化度 Bayes判別模型的建立及驗證分析

基于以上的判別分析建立3個溫度下毛峰陳化度的Bayes判別模型：

（1）4℃條件下，毛峰陳化度的Bayes判別模型

（2）室溫條件下，毛峰陳化度的Bayes判別模型

（3）35℃條件下，毛峰陳化度的Bayes判別模型

注：Y0表示感官陳化度為0的判別模型（下標(biāo)表示毛峰的陳化度）；X表示傳感器的響應(yīng)值（下標(biāo)表示電子鼻傳感器類型）

對建立的三個溫度下毛峰陳化度的 Bayes判別模型進(jìn)行驗證分析，將待測茶樣的電子鼻響應(yīng)值（G/G0）作為變量代入以上線性方程中計算出相應(yīng)的Y值，最大的Y值由哪條判別函數(shù)計算得出，就可知茶樣所屬的陳化度。驗證結(jié)果如表3所示，模型判別正確率均大于80%，說明 3個儲存溫度下毛峰陳化度的判別模型具有實際意義。

表5 不同溫度下毛峰陳化度的Bayes判別模型驗證

3 討論

綠茶的香氣不穩(wěn)定，在儲存過程中容易劣變，其品質(zhì)評判主要運(yùn)用感官審評、化學(xué)分析方法等。目前關(guān)于綠茶陳化主要是探究在儲藏過程中其品質(zhì)的變化和新陳茶的評判[12][20-21]。對一些組成成分相近或者類似的樣品，電子鼻技術(shù)分析有著傳統(tǒng)感官審評不可比擬的優(yōu)點，其快捷、無損、客觀的檢測方法在判別茶葉的等級和產(chǎn)地以及加工過程中的品質(zhì)監(jiān)測，都有成功的應(yīng)用[22-23]。而電子鼻在對新陳綠茶的評判中也著重于正確區(qū)分儲存一定年限的綠茶和當(dāng)年新制作的綠茶[12][24]，對綠茶早期儲存時間和陳化程度的評判研究較少。

本實驗利用電子鼻檢測對黃山毛峰的揮發(fā)性成分進(jìn)行分析，檢測顯示對硫化物敏感的W1W傳感器有顯著的下降趨勢，且隨儲存溫度的升高而下降劇烈。有研究表明二甲基硫是茶葉中主要的含硫化合物，由茶葉炒制過程中的甲基蛋氨酸硫鹽受熱分解產(chǎn)生，其在高品質(zhì)的茶葉中有較高含量[25]，可與殘留的青葉醇共存形成綠茶的“新茶香”[26]。新茶香會隨著茶葉儲存期的延長而揮發(fā)散失，二甲基硫可以作為判別新、陳綠茶重要的化合物之一[27]。在4℃儲存90d后，W1W傳感器響應(yīng)值的變化加劇，說明4℃冷藏90d后毛峰開始有明顯的失去其新鮮茶香的現(xiàn)象。判別分析顯示，三個溫度條件下毛峰儲存期和陳化度的模型正判率均大于80%，所得毛峰陳化度的評定與判別模型對毛峰儲存期品質(zhì)的判別提供了一種量化、簡易的參考方法。

4 結(jié)論

本研究基于電子鼻技術(shù)結(jié)合典則判別分析和Bayes判別模型，探究毛峰在早期儲存時香氣變化規(guī)律。發(fā)現(xiàn)硫化物的含量在毛峰儲存的過程中下降明顯，且隨著溫度的升高變化劇烈。實驗建立的 Bayes模型對毛峰早期的保鮮儲存有一定的指導(dǎo)意義，能夠?qū)崟r監(jiān)測毛峰在4℃、室溫和35℃條件下的儲存期和陳化度。但是由于檢測技術(shù)的原因，不能確定硫化物與毛峰陳化之間的關(guān)系。需要進(jìn)一步采用適宜的香氣萃取及檢測手段，了解毛峰陳化機(jī)理，最終建立完善的保鮮措施，為黃山毛峰產(chǎn)品質(zhì)量的穩(wěn)定提供一定的保障。

[1]宛曉春. 茶葉生物化學(xué)[M]:北京:中國農(nóng)業(yè)出版社;2003.

[2]畢麗君, 高宏巖. 電子鼻(EN)及其在多領(lǐng)域中的應(yīng)用[J].醫(yī)學(xué)信息.2006, 19(7): 1283-1286.

[3]Lozano J, Santos J P, Aleixandre M, et al. Identification of typical wine aromas by means of an electronic nose[J]. IEEE Sensors Journal, 2006, 6(1):173-178.

[4]Li S, Li X R, Wang G L, et al. Rapid discrimination of Chinese red ginseng and Korean ginseng using an electronic nose coupled with chemometrics[J]. J Pharm Biomed Anal,2012, 70(21):605-608.

[5]Bahram G. Kermani, Susan S. Schiffman, H. Troy Nagle.Performance of the Levenberg–Marquardt neural network training method in electronic nose applications[J]. Sensors and Actuators B: Chemical, 2005, 110(1):13-22.

[6]Dorothy D&#x a;H Boothe, Arnold J W. Electronic nose analysis of volatile compounds from poultry meat samples,fresh and after refrigerated storage[J]. Journal of the Science of Food & Agriculture, 2002, 82(3):págs. 315-322.

[7]Barbri N E, Llobet E, Bari N E, et al. Electronic Nose Based on Metal Oxide Semiconductor Sensors as an Alternative Technique for the Spoilage Classification of Red Meat[J]. Sensors, 2008, 8(1):142.

[8]O’Connell M, Valdora G, Peltzer G, et al. A practical approach for fish freshness determinations using a portable electronic nose[J]. Sensors & Actuators B Chemical, 2001,80(2):149-154.

[9]Dutta R, Hines E L, Gardner J W, et al. Tea quality prediction using a tin oxide-based electronic nose: an artificial intelligence approach[J]. Sensors & Actuators B Chemical, 2003, 94(2):228-237.

[10]Bhattacharyya N, Bandyopadhyay R, Bhuyan M, et al.Electronic Nose for Black Tea Classification and Correlation of Measurements With “Tea Taster” Marks[J]. IEEE Transactions on Instrumentation & Measurement, 2008,57(7):1313-1321.

[11]Chen Q, Zhao J, Chen Z, et al. Discrimination of green tea quality using the electronic nose technique and the human panel test, comparison of linear and nonlinear classification tools[J]. Sensors & Actuators B Chemical, 2011, 159(1):294-300.

[12]Mirasoli M, Gotti R, Di F M, et al. Electronic nose and chiral-capillary electrophoresis in evaluation of the quality changes in commercial green tea leaves during a long-term storage[J]. Talanta, 2014, 129(21):32-38.

[13]Tudu B, Jana A, Metla A, et al. Electronic nose for black tea quality evaluation by an incremental RBF network[J].Sensors & Actuators B Chemical, 2009, 138(1):90-95.

[14]林薇, 李勝, 曹治清. 基于判別分析的基因分類[J]. 西南民族大學(xué)學(xué)報(自然科學(xué)版), 2014,40(1):97-100.

[15]孫威江, 董青華, 周衛(wèi)龍,等. 烏龍茶品質(zhì)評定與產(chǎn)品判別研究[J]. 茶葉科學(xué), 2011, 31(4):305-312.

[16]Ning J, Fang J, Luo X, et al. Identification of Dark Tea(Camellia sinensis (L.)) Origins According to Chemical Composition Combined with Bayes Classification Pattern Recognition[J]. Advance Journal of Food Science &Technology, 2016, 12(3):150-154.

[17]Sensory analysis. Guidelines for the use of quantitative response scales[J]. Iso International Standard, 2003.

[18]Institution B S. Sensory analysis. Methodology.Sequential analysis[J]. Iso International Standard, 2004.

[19]于慧春. 基于電子鼻技術(shù)的茶葉品質(zhì)檢測研究[D]. 浙江大學(xué), 2007.

[20]Lee J, Chambers D H. FLAVORS OF GREEN TEA CHANGE LITTLE DURING STORAGE[J]. Journal of Sensory Studies, 2010, 25(4):512-520.

[21]鮑忠贊, 董榮建, 鄧昭浦,等. 基于陳茶特征香氣成分的綠茶新茶和陳茶鑒定方法的研究[J]. 茶葉科學(xué),2015(6):583-588.

[22]Yu H, Wang J. Discrimination of LongJing green-tea grade by electronic nose[J]. Sensors & Actuators B Chemical,2007, 122(1):134-140.

[23]Chen Q, Liu A, Zhao J, et al. Classification of tea category using a portable electronic nose based on an odor imaging sensor array[J]. Journal of Pharmaceutical & Biomedical Analysis, 2013, 84(5):77.

[24]Zhang H M, Chang M X, Yu Y C, et al. Detection of XinyangMaojian Green Tea Quality and Age by Electronic Nose[J]. Advanced Materials Research, 2011, 239-242:2096-2100.

[25]Wang L, Wei K, Cheng H, et al. Geographical tracing of Xihu Longjing tea using high performance liquid chromatography.[J]. Food Chemistry, 2014, 146(1):98.

[26]Pino J A, Mesa J. Contribution of volatile compounds to mango (Mangifera indica L.) aroma[J]. Flavour & Fragrance Journal, 2006, 21(2):207-213.

[27]舒暢. 龍井茶特征香氣成分分析及鑒定研究[D]. 上海應(yīng)用技術(shù)學(xué)院, 2016.