CN109781949A

CN109781949A - 一种基于视觉、嗅觉和味觉传感信息融合的茶叶原产地的判别方法

Info

Publication number: CN109781949A
Application number: CN201910035081.1A
Authority: CN
Inventors: 欧阳琴; 杨永存; 陈全胜; 李欢欢; 郭志明; 吴继忠
Original assignee: Jiangsu University
Current assignee: Jiangsu University
Priority date: 2019-01-15
Filing date: 2019-01-15
Publication date: 2019-05-21

Abstract

本发明属于茶叶快速无损检测技术领域，涉及一种基于视觉、嗅觉和味觉传感信息融合的茶叶原产地的判别方法；具体步骤为：选取不同国家的茶叶样本，首先采用可见/近红外光谱技术获取茶汤的色泽信息，采用色敏型嗅觉传感器获取茶汤的香气信息，采用基于简单工作电极的味觉传感器系统获取茶汤的滋味信息；然后采用化学计量学方法对茶汤的视觉、嗅觉和味觉传感信息进行预处理，并分别提取视觉、嗅觉和味觉传感特征信息；最后融合视觉、嗅觉和味觉传感特征信息，构建茶叶产地判别模型，实现茶叶产地的判别；本发明融合视觉、嗅觉和味觉传感特征信息能够快速、准确的评判茶叶的原产地，并且操作智能简便。

Description

一种基于视觉、嗅觉和味觉传感信息融合的茶叶原产地的判别方法

技术领域

本发明属于茶叶快速无损检测技术领域，涉及一种基于视觉、嗅觉和味觉传感信息融合的茶叶原产地的判别方法。

背景技术

茶叶品质评价主要是感官评审人员运用视觉、嗅觉、味觉等器官对茶叶的色、香、味等品质进行评价。然而，人工感官评审容易受到专家性别、年龄、环境、精神状态等因素影响，采用视觉、嗅觉、味觉等仿生传感器技术模拟人的感觉器官实现茶叶品质智能评价，可以克服人工感官经验评审的不足，具有快速、客观、准确等优势。视觉、嗅觉、味觉传感器可以分别模拟人的视觉、嗅觉和味觉器官，实现对茶叶色泽、香气和口味感官品质分别进行评价。目前的研究多采用单一传感器技术，单一的仿生传感器检测手段所提供的信息往往只能描述茶叶感官品质的某一方面，如视觉传感器仅反映色泽信息、嗅觉传感器仅反应香气信息、味觉传感器仅反应口味信息等，不能全面地描述红茶感官品质的整体信息，具有一定的局限性。采用多种传感器采集信息，并将这些来自多种传感器信息融合，可以实现茶叶感官品质的综合评价。相对于单一传感器技术，多种传感器技术的融合可以提升茶叶品质的智能评判质量。

因此寻找一种低成本、简便快速的茶叶品质评价方法，从而实现茶叶原产地的准确判别具有重要意义。

发明内容

本发明针对传统茶叶品质评价方法的局限性，以及传统视觉、嗅觉和味觉传感检测方法所存在的不足，本发明旨在解决所述问题之一；本发明提出了一种基于视觉、嗅觉和味觉传感信息融合的茶叶原产地的判别方法，降低了仪器检测成本，提升了判别效果。本发明采用可见/近红外光谱技术获取茶叶的色泽信息，采用色敏型嗅觉传感器获取茶叶的香气信息，采用基于简单工作电极的味觉传感器系统获取茶叶的滋味信息，采用化学计量学方法预处理传感器数据、提取特征值、建立和优化判别模型，实现茶叶产地的准确判别。

针对本发明的方法，具体采用的技术方案如下：

一种基于视觉、嗅觉和味觉传感信息融合的茶叶原产地的判别方法，按照下述步骤进行：

步骤一，选取茶叶样本，与沸水按照一定比例冲泡得到茶汤，分别采用视觉传感检测系统获取茶汤的色泽信息，采用嗅觉传感检测系统获取茶汤的香气信息，采用味觉传感系统获取茶汤的滋味信息；所述视觉传感检测系统为便携式可见/近红外光谱系统，嗅觉传感检测系统为色敏型嗅觉传感检测系统，味觉传感系统为简单工作电极的味觉传感器系统；

步骤二，采用信号校正方法对茶汤的视觉、嗅觉和味觉传感器数据进行预处理，并分别进行主成分分析，提取视觉、嗅觉和味觉传感器数据的贡献率高于90％的前几个主成分变量，作为视觉、嗅觉和味觉传感器数据的特征变量；融合视觉、嗅觉和味觉传感器数据的特征变量，构建得到判别模型；

步骤三，对于未知样本，分别利用视觉传感检测系统获取茶汤的色泽信息，利用嗅觉传感检测系统获取茶汤的香气信息，利用味觉传感系统获取茶汤的滋味信息，并进行相应的预处理、特征提取和信息融合，输入已构建的判别模型，即可实现茶叶产地的判别分析。

步骤一中，所述一定比例指干茶与沸水的比例1:50，使茶叶内含物充分浸出；所述冲泡，需加盖密封浸泡5min，有效浸出茶叶内含物成分。

步骤一中，所述采用视觉传感检测系统获取茶汤的色泽信息，具体是使用便携式可见/近红外光谱系统获取茶汤的色泽信息；具体步骤为：取冷却后的茶汤置于光程为10mm的比色皿中待测，积分时间设为1500us，光谱平滑3次，每条光谱采集3次取平均值，光谱仪的光谱范围为200-1100nm，共2048个变量；每个茶汤得到2048个光谱变量，即为茶汤的视觉传感信息变量；所述携式可见/近红外光谱系统主要包含以下几个部分：近红外光谱仪、卤钨灯光源、光源可调衰减器、透射部件和计算机；

步骤一中，所述采用嗅觉传感检测系统获取茶汤的香气信息，是指采用色敏型嗅觉传感检测系统获取茶汤的香气信息；所述色敏型嗅觉传感检测系统主要包括色敏型嗅觉传感器阵列、图像采集装置和计算机；

所述采用色敏型嗅觉传感检测系统获取茶汤香气信息的具体操作为：将色敏型嗅觉传感器阵列与茶汤挥发物反应15min，分别采集色敏型嗅觉传感器阵列与茶汤反应前后的色敏型嗅觉传感器阵列的图像，通过对反应前后图像中每个色敏材料的R(红)、G(绿)、B(蓝)值点对点做差，差值图作为茶叶样本的特征图像；每个色敏材料提供了R、G、B三个颜色分量作为特征值，则一个嗅觉传感器阵列共提供了27个特征变量(9个显色剂×3个颜色分量)；每个茶叶样本得到27个嗅觉传感信息变量。

所述色敏型嗅觉传感器阵列是指由9种卟啉类化合物为色敏材料，用三氯甲烷配置成溶液后，滴于疏水性薄膜，制成的嗅觉传感器阵列；所述9种卟啉类化合物分别为：(1)5，10，15，20-四苯基-21H，23H-卟吩；(2)5，10，15，20-四苯基-21H，23H-卟吩氯化锰(III)；(3)2，3，7，8，12，13，17，18-八乙基-21H，23H-卟吩锰(III)氯化物；(4)5，10，15，20-四(4-甲氧苯基)-21H，23H-卟吩氯化铁(III)；(5)5，10，15，20-四苯基-21H，23H-卟吩氯化铁(III)；(6)5，10，15，20-四苯基-21H，23H-卟吩铜(II)；(7)5，10，15，20-四(五氟苯基)-21H，23H-卟啉氯化铁(III)；(8)5，10，15，20-四(4-甲氧苯基)-21H，23H-卟吩钴(II)；(9)5，10，15，20-四苯基-21H，23H-卟吩(锌)。

步骤一中，所述采用味觉传感检测系统获取茶汤的滋味信息，是指基于简单工作电极的味觉传感器系统获取茶汤的滋味信息；所述简单工作电极的味觉传感器系统主要包括传感器阵列、数据传输和计算机；所述传感器阵列是以玻碳电极为工作电极，甘汞电极为参比电极，铂丝为对电极构成的三电极体系。

进一步，所述采用味觉传感检测系统获取茶汤滋味信息的具体步骤为：先负向扫描，再正向扫描方式采集试样信号；所述试样信号为采集玻碳电极的循环伏安信号，即试样的循环伏安曲线；所述循环伏安扫描过程中扫描速度为0.1V/s，扫描电位范围为-1.2V～1.6V，初始电位和末电位均为1.6V；每个茶汤样本经过味觉传感检测系统采集后得到5600个变量数据，即每个茶汤样本得到5600个味觉传感变量。

步骤二中，所述信号校正方法包括标准正态变量变换处理方法和标准化处理方法；当对于视觉和味觉传感器信息进行信号校正时，采用标准正态变量变换处理方法；当对嗅觉传感器数据进行信号校正时，采用标准化处理方法。

步骤二中，所述特征变量包括视觉传感信息变量的前3个主成分、嗅觉传感信息变量前5个主成分和味觉传感信息变量的前5个主成分；其中视觉传感信息变量的前3个主成分贡献率分别为V1＝60.66％，V2＝22.03％，V3＝15.73％，其累计贡献率为98.42％；嗅觉传感信息变量前5个主成分的贡献率分别为V4＝65.60％，V5＝8.77％，V6＝7.51％，V7＝5.91％，V8＝2.57％，累计贡献率为90.36％；味觉传感信息变量的前5个主成分的贡献率分别为V9＝46.93％，V10＝20.93％，V11＝15.92％，V12＝6.10％，V13＝3.34％，累计贡献率为93.22％；

其中，V1、V2、V3为视觉传感特征变量，V4、V5、V6、V7、V8为嗅觉传感特征变量，V9、V10、V11、V12、V13为味觉传感特征变量。

步骤二中，所述融合视觉、嗅觉和味觉传感器数据的特征变量具体为融合视觉传感信息变量的前3个主成分、嗅觉传感信息变量的前5个主成分和味觉传感信息变量的前5个主成分。

步骤二中，所述判别模型，是指Fisher判别模型，以某一国家作为类别Y，此国家采集样本视觉、嗅觉和味觉的13个特征变量作为X，带入SPSS软件，得到具体判别函数为：

F1＝0.545*V1+0.571*V2+0.140*V3-0.675*V4-0.038*V5+0.001*V6+0.472*V7-0.170*V8+0.171*V9+0.307*V10+0.463*V11+0.324*V12+0.177*V13

F2＝0.082*V1+0.600*V2-0.045*V3+0.260*V4+0.148*V5+0.128*V6-0.580*V7-0.133*V8+0.080*V9-0.426*V10-0.231*V11-0.105*V12+0.718*V13

F3＝0.269*V1+0.500*V2+0.019*V3+0.656*V4-0.596*V5+0.301*V6-0.053*V7+0.275*V8+0.349*V9+0.446*V10-0.174*V11+0.667*V12+0.177*V13

其中，F1为第一判别函数，F2为第二判别函数，F3为第三判别函数。

本发明的有益效果，融合视觉、嗅觉和味觉传感特征信息能够快速、准确的评判茶叶的原产地，本发明可以克服传统理化分析及人工感官品评的局限性、传统检测仪器设备成本高的局限性以及单一传感器技术因为信息获取不全面而导致的检测精度低等不足；同时为茶叶产地评判提供了有效、简便的新方法，极大提高了检测的准确性。

附图说明

图1为本发明的技术路线图。

图2为视觉传感特征信息结合Fisher判别模型对红茶原产地的判别效果图；其中函数1为根据视觉传感特征变量构建的第一判别函数，函数2为根据视觉传感特征变量构建的第二判别函数。

图3为嗅觉传感特征信息结合Fisher判别模型对红茶原产地的判别效果图；其中函数1为根据嗅觉传感特征变量构建的第一判别函数，函数2为根据嗅觉传感特征变量构建的第二判别函数。

图4为味觉传感特征信息结合Fisher判别模型对红茶原产地的判别效果；其中函数1为根据味觉传感特征变量构建的第一判别函数，函数2为根据味觉传感特征变量构建的第二判别函数。

图5为融合视觉、嗅觉和视觉传感特征信息结合Fisher判别模型对红茶原产地的判别效果；其中函数1为根据融合视觉、嗅觉和味觉传感信息特征变量构建的第一判别函数，函数2为根据融合视觉、嗅觉和味觉传感信息特征变量构建的第二判别函数。

具体实施方式

实施例：

(1)选取茶叶样本，以红茶为实验对象：收集中国、印度、印尼和肯尼亚等四个不同国家的红茶样本，共96个样本，其中中国41个样本、印度11个样本、印尼19个样本、肯尼亚25个样本；

(2)样品准备：每个茶叶样本取3个等份的1g干茶，分别用视觉、嗅觉和味觉传感系统获取茶叶的色泽、香气和滋味信息；

(3)视觉传感器信息采集：取红茶样本(干茶)1g，用50mL沸水泡制，加盖密封5min，过滤得到茶汤；取冷却后的茶汤置于光程为10mm的比色皿中待测，积分时间设为1500us，光谱平滑3次，每条光谱采集3次求平均，光谱仪的光谱范围为200-1100nm，共2048个变量；每个茶汤样本得到2048个光谱变量，即为茶汤的视觉传感信息变量。

(4)嗅觉传感器信息采集：取红茶样本(干茶)1g，用50mL沸水泡制，加盖密封5min，将嗅觉传感器阵列与茶汤挥发的香气反应15min，分别采集嗅觉传感器阵列与茶汤反应前后的嗅觉传感器阵列的图像，通过对反应前后图像每个色敏材料的R、G、B值点对点做差，差值图作为红茶样本的特征图像。每个色敏材料提供R、G、B三个颜色分量作为特征值，则一个嗅觉传感器阵列共提供了27个传感变量(9个显色剂×3个颜色分量)，每个茶汤得到27个嗅觉传感信息变量；

(5)味觉传感器信息采集：红茶样本(干茶)1g，用50mL沸水泡制，加盖密封5min，过滤得到茶汤；待样品冷却之后，将电极传感阵列插入红茶茶汤样品中，进行循环伏安扫描，得到玻碳电极检测茶汤的循环伏安曲线；循环伏安扫描的范围为扫描电位范围-1.2V～1.6V，初始电位和末电位均为1.6V，扫描速度0.1V/s；每个茶汤得到5600个味觉传感信息变量；

(6)分别对视觉、嗅觉和味觉传感器信息进行信号预处理，采用标准正态变量变换方法预处理视觉传感信息变量和视觉传感信息变量，采用标准化方预处理嗅觉传感信息变量；

(7)提取视觉、嗅觉和味觉传感信息变量的累计贡献率达到90％以上的前几个主成分变量为特征变量。提取视觉传感信息变量的前3个主成分，贡献率分别为V1＝60.66％，V2＝22.03％，V3＝15.73％，其累计贡献率为98.42％；提取嗅觉传感信息变量前5个主成分，贡献率分别为V4＝65.60％，V5＝8.77％，V6＝7.51％，V7＝5.91％，V8＝2.57％，累计贡献率为90.36％；提取味觉传感信息变量的前5个主成分，贡献率分别为V9＝46.93％，V10＝20.93％，V11＝15.92％，V12＝6.10％，V13＝3.34％，累计贡献率为93.22％。

V1、V2、V3为视觉传感特征变量，V4、V5、V6、V7、V8为嗅觉传感特征变量，V9、V10、V11、V12、V13为味觉传感特征变量。

(8)构建视觉传感器数据的Fisher判别模型，用于不同国家红茶的判别，Fisher判别函数分别为F1-1＝0.968*V1+1.198*V2+0.303*V3

F2-1＝0.748*V1-0.302*V2-0.309*V3

F3-1＝0.171*V1-0.179*V2+0.932*V3

其中，F1-1为根据视觉传感特征变量构建的第一判别函数，F2-1为根据视觉传感特征变量构建的第二判别函数，F3-1为根据视觉传感特征变量构建的第三判别函数。

图2为视觉传感特征信息结合Fisher判别模型区分4个不同国家红茶的结果，判别准确率为76.0％。

(9)构建嗅觉传感器数据的Fisher判别模型，用于不同国家红茶的判别，Fisher判别函数分别为：

F1-2＝1.113*V4-0.095*V5-0.001*V6-0.461*V7+0.369*V8

F2-2＝-0.029*V4+0.750*V5+0.289*V6-0.661*V7-0.317*V8

F3-2＝-0.021*V4-0.496*V5+0.831*V6-0.181*V7-0.119*V8

其中，F1-2为根据嗅觉传感特征变量构建的第一判别函数，F2-2为根据嗅觉传感特征变量构建的第二判别函数，F3-2为根据嗅觉传感特征变量构建的第三判别函数。

图3为嗅觉传感特征信息结合Fisher判别模型区分4个不同国家红茶的结果，判别准确率为80.2％。

(10)构建味觉传感器数据的Fisher判别模型，用于不同国家红茶的判别，Fisher判别函数分别为：

F1-3＝0.778*V9+0.558*V10+0.708*V11+0.877*V12+0.234*V13

F2-3＝0.292*V9-0.507*V10-0.188*V11-0.039*V12+0.886*V13

F3-3＝-0.017*V9-0.243*V10+0.770*V11-0.454*V12+0.021*V13

其中，F1-3为根据味觉传感特征变量构建的第一判别函数，F2-3为根据味觉传感特征变量构建的第二判别函数，F3-3为根据味觉传感特征变量构建的第三判别函数。

图4为味觉传感特征信息结合Fisher判别法区分4个不同国家红茶的结果，判别准确率为72.9％。

(11)融合视觉、嗅觉和味觉传感信息特征变量(分别是3个视觉传感特征变量、5个嗅觉传感特征变量和5个味觉传感特征变量)，构建视觉、嗅觉和味觉传感器数据融合的Fisher判别模型，用于不同国家红茶的判别，具体判别函数为：

其中，F1为根据融合视觉、嗅觉和味觉传感信息特征变量构建的第一判别函数，F2为根据融合视觉、嗅觉和味觉传感信息特征变量构建的第二判别函数，F3为根据融合视觉、嗅觉和味觉传感信息特征变量构建的第三判别函数。

图5和表1为融合视觉、嗅觉、味觉传感信息结合Fisher判别模型区分4个不同国家红茶的结果，判别准确率为92.7％，结果明显优于单一传感信息的判别分析结果，4个国家的红茶区分较为明显。

表1 融合视觉、嗅觉和味觉传感信息结合Fisher判别模型区分不同国家红茶的结果

比较了基于视觉、嗅觉和味觉单一传感信息模型，与视觉、嗅觉和味觉传感信息融合模型，判别不同国家的红茶产地的效果。分别提取视觉、嗅觉和味觉传感器数据累计贡献率达到90％的主成分变量，然后采用Fisher判别法构建判别模型。其实，第一判别函数和第二判别函数，前两个函数的贡献率可以达到95.5％，通过前两个函数基本可以区分，但是在实际区分时，还是使用三个函数。

每个样本，第一判别函数和第二判别函数的值决定了在图坐标中的位置；结果显示，基于视觉、嗅觉和味觉传感的不同国家红茶Fiher判别准确率分别为76.0％、80.2％、72.9％，而基于视觉、嗅觉和味觉传感融合信息的不同国家红茶Fiher判别准确率达到了92.7％。结果表明，多传感融合信息显著提高了不同国家红茶的判别效果，对于红茶品质智能评价具有重要的意义。

本发明的有益效果，融合视觉、嗅觉和味觉传感信息快速、准确的评判茶叶的原产地，该方法可以克服传统理化分析及人工感官品评的局限性，以及克服传统检测仪器设备成本高的局限性。为茶叶产地评判提供了有效、简便的新方法，准确性得到较大提高。

说明：以上实施例仅用以说明本发明而并非限制本发明所描述的技术方案；因此，尽管本说明书参照上述的各个实施例对本发明已进行了详细的说明，但是本领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换；而一切不脱离本发明的精神和范围的技术方案及其改进，其均应涵盖在本发明的权利要求范围内。

Claims

1.一种基于视觉、嗅觉和味觉传感信息融合的茶叶原产地的判别方法，其特征在于，按照以下步骤进行：

步骤二，采用信号校正方法对茶汤的视觉、嗅觉和味觉传感器数据进行预处理，并分别进行主成分分析，提取视觉、嗅觉和味觉传感器数据的贡献率高于90％的前几个主成分变量，作为视觉、嗅觉和味觉传感器数据的特征变量；融合视觉、嗅觉和味觉传感器数据的特征变量，构建判别模型；

步骤三，对于未知样本，分别利用视觉传感检测系统获取茶汤的色泽信息，利用嗅觉传感检测系统获取茶汤的香气信息，利用味觉传感系统获取茶汤的滋味信息，并进行相应的特征提取和信息融合，输入已构建的判别模型，即可实现茶叶产地的判别分析。

2.根据权利要求1所述基于视觉、嗅觉和味觉传感信息融合的茶叶原产地的判别方法，其特征在于，步骤一中所述一定比例指干茶与沸水的比例为1:50；所述冲泡的条件为密封浸泡5min。

3.根据权利要求1所述基于视觉、嗅觉和味觉传感信息融合的茶叶原产地的判别方法，其特征在于，步骤一中所述采用视觉传感检测系统获取茶汤的色泽信息，具体是使用便携式可见/近红外光谱系统获取茶汤的色泽信息；具体步骤为：取冷却后的茶汤置于光程为10mm的比色皿中待测，积分时间设为1500us，光谱平滑3次，每条光谱采集3次取平均值，光谱仪的光谱范围为200～1100nm，共2048个变量；每个茶汤得到2048个光谱变量，即为茶汤的视觉传感信息变量。

4.根据权利要求1所述基于视觉、嗅觉和味觉传感信息融合的茶叶原产地的判别方法，其特征在于，步骤一中所述采用嗅觉传感检测系统获取茶汤的香气信息具体是指采用色敏型嗅觉传感检测系统获取茶汤的香气信息；所述色敏型嗅觉传感检测系统主要包括色敏型嗅觉传感器阵列、图像采集装置和计算机；

所述采用色敏型嗅觉传感检测系统获取茶汤香气信息的具体操作为：将色敏型嗅觉传感器阵列与茶汤挥发物反应15min，分别采集色敏型嗅觉传感器阵列与茶汤反应前后的色敏型嗅觉传感器阵列的图像，通过对反应前后图像中每个色敏材料的R、G、B值点对点做差，差值图作为茶叶样本的特征图像；每个色敏材料提供了R、G、B三个颜色分量作为特征值，则一个嗅觉传感器阵列共提供了27个特征变量，每个茶叶样本得到27个嗅觉传感信息变量；

5.根据权利要求1所述基于视觉、嗅觉和味觉传感信息融合的茶叶原产地的判别方法，其特征在于，所述采用味觉传感检测系统获取茶汤的滋味信息，是指基于简单工作电极的味觉传感器系统获取茶汤的滋味信息；所述简单工作电极的味觉传感器系统主要包括传感器阵列、数据传输和计算机；所述传感器阵列是以玻碳电极为工作电极，甘汞电极为参比电极，铂丝为对电极构成的三电极体系。

6.根据权利要求5所述基于视觉、嗅觉和味觉传感信息融合的茶叶原产地的判别方法，其特征在于，所述采用味觉传感检测系统获取茶汤滋味信息的具体步骤为：先负向扫描，再正向扫描方式采集试样信号；所述试样信号为采集玻碳电极的循环伏安信号，即试样的循环伏安曲线；所述循环伏安扫描过程中扫描速度为0.1V/s，扫描电位范围为-1.2V～1.6V，初始电位和末电位均为1.6V；每个茶汤经过味觉传感检测系统采集后得到5600个变量数据，即每个茶汤得到5600个味觉传感变量。

7.根据权利要求1所述基于视觉、嗅觉和味觉传感信息融合的茶叶原产地的判别方法，其特征在于，所述信号校正方法包括标准正态变量变换处理方法和标准化处理方法；当对于视觉和味觉传感器信息进行信号校正时，采用标准正态变量变换处理方法；当对嗅觉传感器数据进行信号校正时，采用标准化处理方法。

8.根据权利要求1所述基于视觉、嗅觉和味觉传感信息融合的茶叶原产地的判别方法，其特征在于，所述特征变量包括视觉传感信息变量的前3个主成分、嗅觉传感信息变量前5个主成分和味觉传感信息变量的前5个主成分；其中视觉传感信息变量的前3个主成分贡献率分别为V1＝60.66％，V2＝22.03％，V3＝15.73％，其累计贡献率为98.42％；嗅觉传感信息变量前5个主成分的贡献率分别为V4＝65.60％，V5＝8.77％，V6＝7.51％，V7＝5.91％，V8＝2.57％，累计贡献率为90.36％；味觉传感信息变量的前5个主成分的贡献率分别为V9＝46.93％，V10＝20.93％，V11＝15.92％，V12＝6.10％，V13＝3.34％，累计贡献率为93.22％；

其中，V1、V2、V3为视觉传感特征变量，V4、V5、V6、V7、V8为嗅觉传感特征变量，V9、V10、V11、V12、V13为味觉传感特征变量；

所述融合视觉、嗅觉和味觉传感器数据的特征变量具体为融合视觉传感信息变量的前3个主成分、嗅觉传感信息变量的前5个主成分和味觉传感信息变量的前5个主成分。

9.根据权利要求8所述基于视觉、嗅觉和味觉传感信息融合的茶叶原产地的判别方法，其特征在于，由所述特征变量V1～V13得到判别函数；所述判别函数为：