CN114019100A - 基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法 - Google Patents

基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法 Download PDF

Info

Publication number
CN114019100A
CN114019100A CN202111268862.9A CN202111268862A CN114019100A CN 114019100 A CN114019100 A CN 114019100A CN 202111268862 A CN202111268862 A CN 202111268862A CN 114019100 A CN114019100 A CN 114019100A
Authority
CN
China
Prior art keywords
tea soup
comprehensive quality
source information
information fusion
characteristic
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.)
Granted
Application number
CN202111268862.9A
Other languages
English (en)
Other versions
CN114019100B (zh
Inventor
杨艳芹
陈佳瑜
江用文
袁海波
邓余良
沈帅
滑金杰
王近近
朱佳依
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tea Research Institute Chinese Academy of Agricultural Sciences
Original Assignee
Tea Research Institute Chinese Academy of Agricultural Sciences
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tea Research Institute Chinese Academy of Agricultural Sciences filed Critical Tea Research Institute Chinese Academy of Agricultural Sciences
Priority to CN202111268862.9A priority Critical patent/CN114019100B/zh
Publication of CN114019100A publication Critical patent/CN114019100A/zh
Application granted granted Critical
Publication of CN114019100B publication Critical patent/CN114019100B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01N33/02—Food
    • G01N33/14—Beverages
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Food Science & Technology (AREA)
  • Physics & Mathematics (AREA)
  • Medicinal Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Biochemistry (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法，基于电子眼、快速气相电子鼻和电子舌智能感官技术分别获得27维、78维、7维“色、香、味”特征信息，采用z‑socre进行多源信息融合得到112维的特征数据。OPLS‑DA分析可以实现三类茶汤的有效分类判别；PLSR分析茶汤综合品质得分真实值和预测值的绝对误差在1.86分之内，相对误差在2.06％以内。研究结果表明：多源信息融合技术结合多元统计分析可以实现茶汤综合品质的分类评价及量化评价。该项技术无需复杂的前处理，将带有主观色彩的人工感官评价转化为客观量化评价，分析结果客观可靠，有望作为国家标准等统一性评价标准。

Description

基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评 价方法
技术领域
本发明涉及化学分析技术领域，具体涉及一种基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法。
背景技术
滇红工夫茶是以大叶种茶树品种为原料，经过萎凋、揉捻、发酵、干燥工序制得的全发酵茶。滇红工夫茶产自中国云南，以其优异的品质而享誉国内外。众所周知，茶汤的品质主要反映在色、香、味三个方面。目前，对于茶汤品质的鉴别与描述常规上以人工感官审评为主，一般是由评茶师的感官审评经验决定的，且受光线强度、健康状况、精神状态等外界因素影响大，具有主观上的不确定性，重复性和一致性也较差。
随着传感器和智能仪器的迅速发展，其在食品检测等领域受到广泛关注和应用。电子鼻、电子舌和电子眼主要是通过模拟人的鼻子、舌头和眼睛获取食品的香气、滋味、色泽信息并结合相应的模式识别方法对样品进行分类鉴别，该检测方法能够提供较为客观且准确的鉴别结果。
目前，采用智能感官仪器对茶汤单一分属性的研究有诸多报道。如陈佳瑜等(LWT，2022，153，112496)建立基于快速气相电子鼻技术结合多元统计分析的滇红工夫茶汤香气品质评价方法，预测判别准确率高达95.2％。王家勤等(茶叶科学，2020，40(02):259-268)建立了基于色差系统的工夫红茶茶汤亮度的量化评价方法，可实现对茶汤亮度的准确、量化评价，且对亮、暗茶汤的判别正确率达90.7％。马婉君等(食品科学，2021，42(16):155-161)比较分析了基于Adobe Color CC、Matlab和台式色差仪量化六堡茶茶汤色泽的方法。姚月凤等(食品科学，2019，40(18):236-241)开展基于电子舌的茶汤甜纯特征的客观评价研究，预测准确率达93％以上。
然而，目前关于采用电子鼻、电子舌、电子眼融合技术来对茶汤综合品质的研究鲜有报道。而且，如何灵活综合运用电子鼻、电子舌、电子眼融合技术以尽量提高对茶汤综合品质评价准确度同样是困难重重，亟待解决。
发明内容
本发明提供了一种基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法。
为了更客观、快速、准确地评价滇红工夫茶汤综合品质，我们以专家人工感官审评为依据，根据滇红工夫茶汤香气、滋味、色泽综合感官得分将滇红工夫茶汤分为甲、乙、丙3组。然后采用快速气相电子鼻技术、电子舌、电子眼技术来获取滇红工夫茶汤香气、滋味和色泽信息，通过色、香、味多源信息融合技术结合多元统计分析来对茶汤综合品质进行客观量化评价，研究结果为茶汤的品质控制和质量评价提供了有效的技术支撑。
一种基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法，包括步骤：
(1)电子鼻信号采集和特征信息提取：
将茶汤样品加入顶空瓶中，加盖密封，采用顶空自动进样装置结合Heracles II快速气相电子鼻进行检测分析，基于信号峰响应面积大于500的原则，经过极性不同的两根色谱柱分离筛选出78个特征峰，由此获得一个78维的、可用于表征茶汤的香气品质的特征数据集；
所述极性不同的两根色谱柱分别为弱极性色谱柱MXT-5和中极性色谱柱MXT-1701；
(2)电子舌信号采集和特征信息提取：
采用ASTREE电子舌第六套传感器系统，包括AHS(酸)、ANS(甜)、SCS(苦)、CTS(咸)、NMS(鲜)、PKS(复合传感器)、CPS(复合传感器)七根传感器和一个标准参比电极Ag/AgCl，将传感器探头浸没茶汤样品进行数据采集，获得一个7维的、可用于表征茶汤的滋味品质的特征数据集；
(3)电子眼信号采集和特征信息提取：
采用IRIS VA400型电子眼设备，选择顶部及底部标准光源作为照明条件，采集茶汤样品的图像；每个茶汤样品固定于白色背景板下同一个位置进行拍摄；
对于任一采集的图像，提取图像中心圈的27个特征色号及各特征色号对应的面积占比作为分析数据，由此得到一个27维的、可用于表征茶汤的色泽品质的特征数据集；其中，每个特征色号的R、G、B(R、G、B分别代表RGB颜色系统红、绿、蓝三个颜色通道下每种色彩的亮度)、L*、a*、b*(L*、a*、b*分别表示Lab模型下的亮度、红绿度、黄蓝度)不完全相同；
(4)多源信息融合：
将步骤(1)～(3)分别得到的电子鼻的78维特征数据集、电子舌的7维特征数据集和电子眼的27维特征数据集采用z-socre标准化处理融合成一个112维的多源信息数据集；
(5)利用步骤(4)的多源信息数据集组成一个n×112数据矩阵，其中n为已按照国家标准GB/T 23776-2018进行过综合品质得分评价和分类的茶汤样品的数量，以所述n×112数据矩阵和相应茶汤样品所对应的按照国家标准GB/T 23776-2018评价得到的综合品质得分、分类为训练集，进行基于多源信息融合技术结合多元统计分析的模型训练，采用训练好的模型对待检的茶汤样品进行茶汤综合品质评价，所述待检的茶汤样品按照步骤(1)～(4)进行多源信息数据集的提取：
(5-1)采用OPLS-DA(正交偏最小二乘判别)方法对茶汤样品进行综合品质的定性分类评价；
(5-2)采用PLSR(偏最小二乘回归分析法)、SMLR(逐步多元回归分析)对茶汤样品进行综合品质的客观量化评价。
在一优选例中，所述茶汤样品按照国家标准GB/T 23776-2018进行制备。
在一优选例中，步骤(1)中：
相对于20mL的顶空瓶，茶汤样品的体积为4mL；
孵化温度为65℃，孵化时间为30min；
每个茶汤样品重复检测分析3次。
在一优选例中，步骤(1)中，所述78个特征峰为：
Figure BDA0003327941410000031
Figure BDA0003327941410000041
Figure BDA0003327941410000051
在一优选例中，步骤(2)中：
每个传感器探头在茶汤样品中的数据采集时间为120s，其中每秒采集1个数据点，选取110～120s时间段内稳定响应信号的平均值作为所需数据。
在一优选例中，步骤(3)中：
所述顶部及底部标准光源为顶部2个荧光灯灯管，底部2个荧光灯灯管；
采用5mm光圈的CMOS摄像头采集茶汤样品的图像；
每个茶汤样品重复采集图像3次。
在一优选例中，步骤(3)中，所述27个特征色号为：
Figure BDA0003327941410000052
Figure BDA0003327941410000061
在一优选例中，步骤(4)中，对于任一茶汤样品的任一维的特征数据，按如下公式进行z-socre标准化处理：
Figure BDA0003327941410000062
式中，z表示标准化数值，x表示该茶汤样品的该维原始数值，μ表示已按照国家标准GB/T 23776-2018进行过综合品质得分评价和分类的n个茶汤样品的该维原始数据的平均值，σ表示已按照国家标准GB/T23776-2018进行过综合品质得分评价和分类的n个茶汤样品的该维原始数据的标准差。
在一优选例中，步骤(5)中：
基于PLSR筛选的变量投影重要性(VIP)＞1变量进行SMLR，得到回归方程：Y＝83.592-3.132*S1’－1.228*B20’+1.998*B27’+1.142*Y16’－1.939*B24’，其中，Y表示综合品质得分，S1’表示AHS传感器采集到的数据进行z-socre标准化处理后的值，B20’表示电子鼻中极性色谱柱MXT-1701分离检测分析得到的2-甲基丁醇的特征峰面积进行z-socre标准化处理后的值，B27’表示电子鼻中极性色谱柱MXT-1701分离检测分析得到的月桂烯的特征峰面积进行z-socre标准化处理后的值，Y16’表示R＝152、G＝72、B＝8、L*＝40.649、a*＝31.849、b*＝48.316的特征色号的面积占比进行z-socre标准化处理后的值，B24’表示电子鼻检测分析得到的β-蒎烯的特征峰面积进行z-socre标准化处理后的值。
本发明与现有技术相比，主要优点包括：
1、本发明采用快速气相电子鼻技术、电子眼、电子舌技术来获取滇红工夫茶汤香气，颜色和滋味信息，通过数据融合综合“色、香、味”三方面的信息对茶汤综合品质进行客观量化评价，无需对茶汤样品进行复杂的前处理操作，分析结果客观可靠，操作简单，具有较高的实际应用价值。
2、本发明建立的滇红工夫茶汤综合品质评价方法，可以实现茶汤综合品质分类的正确判别和茶汤综合品质得分的客观评价评价，为茶汤综合品质评价提供一种新的技术手段。
3、本发明建立的滇红工夫茶汤综合品质评价方法，弥补了人工感官评价主观影响较大、一致性和可重复性较差的缺陷，为茶汤综合品质评价提供一种快速、准确、客观的方法。
附图说明
图1为实施例三类不同感官品质的茶汤OPLS-DA分析结果，(a)OPLS-DA得分图，(b)置换检验结果；
图2为实施例茶汤综合品质得分PLSR分析结果；
图3为实施例茶汤综合品质得分SMLR分析结果。
具体实施方式
下面结合附图及具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。下列实施例中未注明具体条件的操作方法，通常按照常规条件，或按照制造厂商所建议的条件。
1实验部分
1.1材料与试剂
从市场上收购了来自云南省不同产地(临沧凤庆县、临沧双江县、临沧云县、保山昌宁县、普洱、西双版纳等地)、不同外形(条形、弯曲形、螺形等)的商品茶，共21个典型的滇红工夫茶样。
纯净水(杭州娃哈哈集团有限公司)；正构烷烃C6-C16混合标品(美国RESTEK公司)；36.5％分析纯盐酸(常州市旭宏化工有限公司)；氯化钠(上海阿拉丁生化科技股份有限公司)；L-谷氨酸钠(北京索莱宝科技有限公司)。
1.2仪器与设备
Heracles II快速气相电子鼻(法国Alpha Mos公司)；ASTREE电子舌及配置第6套传感器(法国Alpha Mos公司)；IRIS VA400型电子眼(法国Alpha Mos公司)；20mL顶空进样瓶(美国Agilent科技公司)；100mL烧杯(重庆欣维尔玻璃有限公司)；国家标准茶叶审评杯碗(中国农业科学院茶叶研究所)；电子天平(北京赛多利斯科学仪器有限公司)。
1.3方法
1.3.1茶汤制备
按照国家标准GB/T 23776-2018《茶叶感官审评方法》，称取3.0g茶叶，注入150mL沸水于审评杯中并加盖，计时5min后，将茶汤滤出置于审评碗中。
1.3.2感官审评
由评茶专家小组(5人均具有国家高级评茶员及以上等级职业资格)对茶汤的香气、滋味、色泽这三个维度分别进行描述和评分。评价标准在GB/T 23776-2018《茶叶感官审评方法》的基础上进行了优化调整，按照分数范围分为3个级别：90～99分为甲级，80～89分为乙级，70～79分为丙级。评分采用百分制，除掉一个最高分和一个最低分后取平均值作为最终得分，其中香气、滋味、色泽的评分系数参照国标，按照权重依次为25/65、30/65、10/65进行归一化处理。
1.3.3电子鼻检测
采用顶空自动进样装置结合Heracles II快速气相电子鼻进行检测分析，将待检的茶汤样品加入20mL顶空瓶中，加盖密封。每个样品重复测定3次。为得到良好的色谱信息，通过预实验确定了茶汤体积4mL、孵化温度65℃和孵化时间30min为最佳顶空进样条件。Heracles II快速气相电子鼻系统包含2根长20m、柱径180μm且极性不同的色谱柱(MXT-5为弱极性色谱柱，MXT-1701为中极性色谱柱)，以及两个FID检测器。一次进样，双柱分析，同时生成两张总离子流图。采用正构烷烃标准溶液(C6-C16)进行校准，将化合物的保留时间(RT)转化为保留指数(RI)，参考Kovats保留指数结合AroChemBase数据库对化合物进行鉴定。
1.3.4电子舌检测
取制备好的茶汤，经150目滤布过滤后转移到100mL电子舌专用烧杯中。测样前对传感器进行活化、校准和诊断，确保传感器状态稳定。参考王银诚等的检测方法(食品工业科技，2017，38(12):65-71+6)，编辑序列时以“纯水-茶汤-纯水”的顺序进行，即保证每杯茶汤检测后及时清洗传感器避免交叉污染。每杯茶汤循环测定7次，选取后3次稳定的测量数据进行分析。
1.3.5电子眼检测
调整IRIS VA400型电子眼设备镜头的曝光度和焦距，并将比色卡置于光源稳定的光室内进行自动校准。根据预实验结果选择顶部及底部标准光源(顶部2个荧光灯灯管，底部2个荧光灯灯管)作为照明条件，采用5mm光圈的CMOS摄像头采集茶汤样品的图像。每个茶汤样品固定于白色背景板下同一个位置进行拍摄，重复采集图像3次。对于任一采集的图像，提取图像中心圈的27个特征色号及各特征色号对应的面积占比作为分析数据，由此得到一个27维的、可用于表征茶汤的色泽品质的特征数据集；其中，每个特征色号的R、G、B、L*、a*、b*不完全相同。
1.3.5数据分析
采用MATLAB 2017a软件(美国MathWorks公司)对电子鼻、电子舌、电子眼采集的数据进行z-socre标准化处理，标准化公式如下：
Figure BDA0003327941410000091
式中，z表示标准化数值，x表示该茶汤样品的该维原始数值，μ表示已按照国家标准GB/T 23776-2018进行过综合品质得分评价和分类的n个茶汤样品的该维原始数据的平均值，σ表示已按照国家标准GB/T 23776-2018进行过综合品质得分评价和分类的n个茶汤样品的该维原始数据的标准差。本实施例中，n为21。
采用SIMCA 14.1软件对不同感官品质级别的茶汤进行OPLS-DA判别分析，进一步对茶汤综合品质评分进行PLS拟合。单因素显著性分析采用SPSS 23.0软件完成。
2结果与讨论
2.1感官审评结果分析
参照工夫红茶的感官审评国家标准(GB/T 23776-2018)，香气、滋味、汤色的评分系数分别为25/100、30/100、10/100，因本研究以茶汤作为研究对象，外形和叶底不在茶汤品质评价的范围内，因此按照25/65:30/65:10/65(香气:滋味:汤色)的权重比对茶汤的综合品质评分采用百分制进行归一化计算。本实验所用的21个滇红茶样的感官审评结果如表1所示：香气的分值范围为72.00～94.33，滋味的分值范围为75.00～95.67，汤色的分值范围为84.00～94.67，综合品质的分值范围为73.03～95.00。我们以综合品质得分将茶汤划分成甲类、乙类和丙类，21样品中包含4个甲类茶(90-99分)，11个乙类茶(80-89分)，6个丙类茶(70-79分)。
表1实验所用茶汤样本感官审评结果
Figure BDA0003327941410000101
Figure BDA0003327941410000111
2.2电子鼻、电子舌、电子眼信号分析和特征信息提取
2.2.1电子鼻信号分析和特征信息提取
基于信号峰响应面积大于500的原则，经过极性不同的两根色谱柱分离筛选出78个特征峰，鉴定出55个化合物，其中22个化合物分别在两个FID检测器中被共同识别。挥发性化合物信息见表2。
表2电子鼻特征信息提取结果
Figure BDA0003327941410000112
Figure BDA0003327941410000121
2.2.2电子舌信号分析和特征提取
本研究采用电子舌第六套传感器系统，包括AHS、ANS、SCS、CTS、NMS、PKS、CPS七根传感器和一个标准参比电极(Ag/AgCl)。其中，AHS、ANS、SCS、CTS、NMS分别对酸、甜、苦、咸、鲜的成味物质测定敏感，PKS、CPS则为复合传感器(表3)。将传感器探头浸没茶汤进行检测，每个样本的数据采集时间为120s，其中每秒采集1个数据点，选取110～120s时间段内稳定响应信号的平均值作为输出值，由此可以获得一个7维的特征数据集表征茶汤的滋味品质。传感器的响应近似呈一条平滑的直线，其中SCS传感器响应最高(介于3689～3767)，CTS传感器响应最低(介于769～884)。
表3电子舌特征信息提取结果
编号 传感器 敏感味觉
S1 AHS 酸味
S2 ANS 甜味
S3 SCS 苦味
S4 CTS 咸味
S5 NMS 鲜味
S6 PKS 复合
S7 CPS 复合
2.2.3电子眼信号分析和特征提取
全部样本中共提取到27个特征色号(表4)，每一样本的图像信息由不同的色号及相应面积占比构成。每个特征色号对应特定的R、G、B和L*、a*、b*值。由此，得到一个27维的特征数据集表征茶汤的色泽品质。
表4电子眼特征信息提取结果
Figure BDA0003327941410000131
Figure BDA0003327941410000141
2.3基于多源信息融合技术的茶汤综合品质分类评价
为了对21个茶汤样本香气、滋味、色泽的感官品质进行综合分析，将电子鼻的78维特征信息集、电子舌的7维特征信息集和电子眼的27维特征信息集，采用z-socre标准化处理融合成一个112维的多源信息数据集，即组成一个21×112数据矩阵。
正交偏最小二乘判别(OPLS-DA)是一种常见的多元统计分析方法。不同于无监督的主成分分析(PCA)，OPLS-DA能有监督地实现不同分组样本之间的有效分离；相比于偏最小二乘判别(PLS-DA)，OPLS-DA增加了正交计算以滤除与分类无关的变量，提高了模型的解释性。本研究中，我们引入OPLS-DA的方法对三类感官品质不同的茶样进行定性分析。OPLS-DA模型中，R2Y表示模型对Y(分类归属)矩阵的解释能力，Q2表示模型的预测能力，R2和Q2的值越接近于1则模型越好。结果表明，本研究建立的模型(评价参数R2Y＝0.94，Q2＝0.90)具有良好的解释度和拟合度。得分图可以直观地反映该模型下样本之间的相似程度，图1a中三类样本组内聚拢(相似)和组间疏离(差异)明显。通过置换检验(200次)对模型进行内部验证，图1b中所有模拟值均低于真实值，Q2回归线与Y轴的截距小于0.05，说明模型不存在过拟合。
2.4基于多源信息融合技术的茶汤综合品质客观量化评价
基于电子鼻、电子舌、电子眼的融合数据可以反映茶汤色香味综合品质的分类级别，为了进一步清晰地表示不同样本之间的品质差异，即综合感官品质具体得分的预测，我们引入了偏最小二乘回归分析法(PLSR)进行量化评价。PLSR是通过数据降维的方式来建立因变量与自变量之间的回归关系，适用于自变量个数大于观察样本个数和自变量之间存在多重线性关系的情况。对自变量和因变量数据进行标准化处理后，建立了PLSR回归模型(图2)，其模型参数R2Y＝0.966＞0.8，Q2＝0.731＞0.5，说明该模型具有较高的拟合度和较强的预测能力。21个样本的真实值和拟合值的绝对误差在1.86分之内，相对误差在2.06％以内(表5)。其中，VIP值高于1的变量共有40个，可认为他们对模型具有重要贡献。
表5基于PLSR方法定量预测茶汤综合品质评分的误差分析
Figure BDA0003327941410000151
为了能更进一步对茶汤品质得分进行量化评价，基于PLSR模型筛选的VIP＞1变量进行逐步多元回归分析(SMLR)。在把变量逐个引入模型的过程中，每引入一个新的变量就对原有的变量进行检验，剔除由于加入新变量而变得不再显著的变量，以此构造最优的回归方程。若变量的F值的相伴概率(P值)小于0.05，那么这个变量将被选入回归方程中；而当变量的F值的相伴概率大于0.1，则该变量将从回归方程中被剔除。重复上述过程，直到不再有新的变量被引入方程和已引入的变量被剔出模型。另外，在线性回归分析中常伴随多重共线性的问题，易导致模型过拟合以及预测能力下降。自变量的容忍度(TOLERANCE)和方差膨胀因子(VIF)是诊断多重共线性的常用指标，通常认为容忍度小于0.1或方差膨胀因子大于10时变量之间存在多重共线性。根据SPSS软件分析结果得到的回归方程如下：
Y＝83.592-3.132*S1’－1.228*B20’+1.998*B27’+1.142*Y16’－1.939*B24’，Y表示综合品质得分，S1’表示AHS传感器采集到的数据进行z-socre标准化处理后的值，B20’表示电子鼻中极性色谱柱MXT-1701分离检测分析得到的2-甲基丁醇的特征峰面积进行z-socre标准化处理后的值，B27’表示电子鼻中极性色谱柱MXT-1701分离检测分析得到的月桂烯的特征峰面积进行z-socre标准化处理后的值，Y16’表示R＝152、G＝72、B＝8、L*＝40.649、a*＝31.849、b*＝48.316的特征色号的面积占比进行z-socre标准化处理后的值，B24’表示电子鼻检测分析得到的β-蒎烯的特征峰面积进行z-socre标准化处理后的值
该模型R2＝0.93＞0.8，真实值和预测值的绝对误差在3.57分之内，相对误差在4.07％以内(图3和表6)。该模型所有自变量TOLERANCE＞0.1，VIF＜10，说明不存在多重共线性的问题，模型稳定可靠。其中，S1(AHS传感器，Beta＝-0.535，Beta是标准化回归系数，其绝对值用来衡量变量在回归方程中的重要程度)和B27(月桂烯，Beta＝0.356)的标准化回归系数的绝对值最高，表明二者对模型最为重要。AHS传感器是特定酸味敏感的传感器，响应越高通常意味着样品滋味越酸，是茶汤滋味的负面评价，因此也不利于综合感官品质的评分。月桂烯是茶叶中常见的香气组分，是一种令人愉悦的气味(类似玫瑰、芹菜和胡萝卜的植物香气)，对茶汤香气表现起到正面作用，因此有利于综合感官品质的评分。
表6基于SMLR方法定量预测茶汤综合品质评分的误差分析
Figure BDA0003327941410000171
本研究对21个滇红工夫茶汤的香气、滋味、汤色进行了感官审评，其综合品质得分介于73.03～95.00之间，按照国标法21个茶汤样本划分为三个级别，其中4个茶汤样本为甲级(90～99分)，11个茶汤样本为乙级(80～89分)，6个茶汤样本为丙级(70～79分)。基于电子鼻、电子舌、电子眼的智能感官技术对获得78维、7维、27维的特征数据集采用z-socre标准化处理融合成一个112维的多源信息数据集，用于茶汤综合品质的分类评价和综合品质得分的量化评价。OPLS-DA分析结果显示，该模型(评价参数R2Y＝0.94，Q2＝0.90)可以实现茶汤三类样品的有效分类判别。在此基础上，进行了PLSR回归分析实现茶汤综合感官品质的定量预测，其真实值和预测值的绝对误差在1.86分之内，相对误差在2.06％以内。进一步地，引入SMLR方法找到了显著影响感官得分的代表性变量，其中S1(AHS传感器，Beta＝-0.535)与茶汤品质得分显著负相关，B27(月桂烯，Beta＝0.356)和茶汤品质显著正相关。研究结果表明，多源信息融合技术结合多元统计分析，可以实现滇红工夫茶汤综合品质的分类评价及量化评价。该项技术无需复杂的前处理，将带有主观色彩的人工感官评价转化为客观量化评价，分析结果客观可靠，有望作为国家标准等统一性评价标准。
此外应理解，在阅读了本发明的上述描述内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

Claims (9)

1.一种基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法，其特征在于，包括步骤：
(1)电子鼻信号采集和特征信息提取：
将茶汤样品加入顶空瓶中，加盖密封，采用顶空自动进样装置结合Heracles II快速气相电子鼻进行检测分析，基于信号峰响应面积大于500的原则，经过极性不同的两根色谱柱分离筛选出78个特征峰，由此获得一个78维的、可用于表征茶汤的香气品质的特征数据集；
所述极性不同的两根色谱柱分别为弱极性色谱柱MXT-5和中极性色谱柱MXT-1701；
(2)电子舌信号采集和特征信息提取：
采用ASTREE电子舌第六套传感器系统，包括AHS、ANS、SCS、CTS、NMS、PKS、CPS七根传感器和一个标准参比电极Ag/AgCl，将传感器探头浸没茶汤样品进行数据采集，获得一个7维的、可用于表征茶汤的滋味品质的特征数据集；
(3)电子眼信号采集和特征信息提取：
采用IRIS VA400型电子眼设备，选择顶部及底部标准光源作为照明条件，采集茶汤样品的图像；每个茶汤样品固定于白色背景板下同一个位置进行拍摄；
对于任一采集的图像，提取图像中心圈的27个特征色号及各特征色号对应的面积占比作为分析数据，由此得到一个27维的、可用于表征茶汤的色泽品质的特征数据集；其中，每个特征色号的R、G、B、L*、a*、b*不完全相同；
(4)多源信息融合：
将步骤(1)～(3)分别得到的电子鼻的78维特征数据集、电子舌的7维特征数据集和电子眼的27维特征数据集采用z-socre标准化处理融合成一个112维的多源信息数据集；
(5)利用步骤(4)的多源信息数据集组成一个n×112数据矩阵，其中n为已按照国家标准GB/T 23776-2018进行过综合品质得分评价和分类的茶汤样品的数量，以所述n×112数据矩阵和相应茶汤样品所对应的按照国家标准GB/T 23776-2018评价得到的综合品质得分、分类为训练集，进行基于多源信息融合技术结合多元统计分析的模型训练，采用训练好的模型对待检的茶汤样品进行茶汤综合品质评价，所述待检的茶汤样品按照步骤(1)～(4)进行多源信息数据集的提取：
(5-1)采用OPLS-DA方法对茶汤样品进行综合品质的定性分类评价；
(5-2)采用PLSR、SMLR对茶汤样品进行综合品质的客观量化评价。
2.根据权利要求1所述的基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法，其特征在于，所述茶汤样品按照国家标准GB/T23776-2018进行制备。
3.根据权利要求1或2所述的基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法，其特征在于，步骤(1)中：
相对于20mL的顶空瓶，茶汤样品的体积为4mL；
孵化温度为65℃，孵化时间为30min；
每个茶汤样品重复检测分析3次。
4.根据权利要求1所述的基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法，其特征在于，步骤(1)中，所述78个特征峰为：
Figure FDA0003327941400000021
Figure FDA0003327941400000031
Figure FDA0003327941400000041
5.根据权利要求1或2所述的基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法，其特征在于，步骤(2)中：
每个传感器探头在茶汤样品中的数据采集时间为120s，其中每秒采集1个数据点，选取110～120s时间段内稳定响应信号的平均值作为所需数据。
6.根据权利要求1或2所述的基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法，其特征在于，步骤(3)中：
所述顶部及底部标准光源为顶部2个荧光灯灯管，底部2个荧光灯灯管；
采用5mm光圈的CMOS摄像头采集茶汤样品的图像；
每个茶汤样品重复采集图像3次。
7.根据权利要求1所述的基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法，其特征在于，步骤(3)中，所述27个特征色号为：
Figure FDA0003327941400000042
Figure FDA0003327941400000051
8.根据权利要求1所述的基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法，其特征在于，步骤(4)中，对于任一茶汤样品的任一维的特征数据，按如下公式进行z-socre标准化处理：
Figure FDA0003327941400000052
式中，z表示标准化数值，x表示该茶汤样品的该维原始数值，μ表示已按照国家标准GB/T 23776-2018进行过综合品质得分评价和分类的n个茶汤样品的该维原始数据的平均值，σ表示已按照国家标准GB/T 23776-2018进行过综合品质得分评价和分类的n个茶汤样品的该维原始数据的标准差。
9.根据权利要求1所述的基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法，其特征在于，步骤(5)中：
基于PLSR筛选的VIP＞1变量进行SMLR，得到回归方程：Y＝83.592-3.132*S1’－1.228*B20’+1.998*B27’+1.142*Y16’－1.939*B24’，其中，Y表示综合品质得分，S1’表示AHS传感器采集到的数据进行z-socre标准化处理后的值，B20’表示电子鼻中极性色谱柱MXT-1701分离检测分析得到的2-甲基丁醇的特征峰面积进行z-socre标准化处理后的值，B27’表示电子鼻中极性色谱柱MXT-1701分离检测分析得到的月桂烯的特征峰面积进行z-socre标准化处理后的值，Y16’表示R＝152、G＝72、B＝8、L*＝40.649、a*＝31.849、b*＝48.316的特征色号的面积占比进行z-socre标准化处理后的值，B24’表示电子鼻检测分析得到的β-蒎烯的特征峰面积进行z-socre标准化处理后的值。
CN202111268862.9A 2021-10-29 2021-10-29 基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法 Active CN114019100B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111268862.9A CN114019100B (zh) 2021-10-29 2021-10-29 基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111268862.9A CN114019100B (zh) 2021-10-29 2021-10-29 基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法

Publications (2)

Publication Number Publication Date
CN114019100A true CN114019100A (zh) 2022-02-08
CN114019100B CN114019100B (zh) 2024-03-26

Family

ID=80058559

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111268862.9A Active CN114019100B (zh) 2021-10-29 2021-10-29 基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法

Country Status (1)

Country Link
CN (1) CN114019100B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009014700A (ja) * 2007-01-31 2009-01-22 Osaka Univ 緑茶の品質予測方法
CN101692053A (zh) * 2009-10-09 2010-04-07 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
CN102222164A (zh) * 2011-05-30 2011-10-19 中国标准化研究院 一种食品感官质量评价方法及系统
CN102539326A (zh) * 2012-01-13 2012-07-04 江苏大学 茶叶汤色品质的量化评价方法
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
CN106525849A (zh) * 2016-11-02 2017-03-22 江苏大学 茶叶智能化拼配方法与系统
CN108287161A (zh) * 2017-01-09 2018-07-17 中国计量大学 一种智能茶叶感官审评方法及系统
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
CN110596015A (zh) * 2019-08-19 2019-12-20 中国农业科学院茶叶研究所 一种基于色差系统的工夫红茶茶汤亮度的客观量化评价方法
CN111693658A (zh) * 2020-06-11 2020-09-22 上海交通大学 基于多种智能感官数据融合的食品品质鉴定方法
CN112014516A (zh) * 2020-08-24 2020-12-01 安徽农业大学 一种茶类判别方法及系统
CN112435721A (zh) * 2020-11-03 2021-03-02 江南大学 一种基于偏最小二乘构建龙井绿茶品质判别模型的方法
CN112946156A (zh) * 2021-03-10 2021-06-11 安徽农业大学 一种快速判定红茶等级的方法
CN113049571A (zh) * 2021-03-25 2021-06-29 安徽农业大学 一种基于拉曼光谱判别绿茶新陈的方法
CN113125590A (zh) * 2021-03-23 2021-07-16 中国农业科学院茶叶研究所 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

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009014700A (ja) * 2007-01-31 2009-01-22 Osaka Univ 緑茶の品質予測方法
CN101692053A (zh) * 2009-10-09 2010-04-07 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
CN102222164A (zh) * 2011-05-30 2011-10-19 中国标准化研究院 一种食品感官质量评价方法及系统
CN102539326A (zh) * 2012-01-13 2012-07-04 江苏大学 茶叶汤色品质的量化评价方法
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
CN106525849A (zh) * 2016-11-02 2017-03-22 江苏大学 茶叶智能化拼配方法与系统
CN108287161A (zh) * 2017-01-09 2018-07-17 中国计量大学 一种智能茶叶感官审评方法及系统
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
CN110596015A (zh) * 2019-08-19 2019-12-20 中国农业科学院茶叶研究所 一种基于色差系统的工夫红茶茶汤亮度的客观量化评价方法
CN111693658A (zh) * 2020-06-11 2020-09-22 上海交通大学 基于多种智能感官数据融合的食品品质鉴定方法
CN112014516A (zh) * 2020-08-24 2020-12-01 安徽农业大学 一种茶类判别方法及系统
CN112435721A (zh) * 2020-11-03 2021-03-02 江南大学 一种基于偏最小二乘构建龙井绿茶品质判别模型的方法
CN112946156A (zh) * 2021-03-10 2021-06-11 安徽农业大学 一种快速判定红茶等级的方法
CN113125590A (zh) * 2021-03-23 2021-07-16 中国农业科学院茶叶研究所 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
CN113049571A (zh) * 2021-03-25 2021-06-29 安徽农业大学 一种基于拉曼光谱判别绿茶新陈的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MIN XU 等: "The qualitative and quantitative assessment of tea quality based on E-nose, E-tongue and E-eye combined with chemometrics", 《FOOD CHEMISTRY》, pages 482 - 489 *

Also Published As

Publication number Publication date
CN114019100B (zh) 2024-03-26

Similar Documents

Publication Publication Date Title
Cullen et al. Screening for dementia in an Irish community sample using MMSE: a comparison of norm‐adjusted versus fixed cut‐points
CN109323999B (zh) 一种基于图像数值分析的分光光度检测方法
CN113125590B (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
CN106918567B (zh) 一种测量痕量金属离子浓度的方法和装置
CN112578039B (zh) 一种燕窝中掺假物的分析鉴定方法
CN113008817A (zh) 一种基于高光谱成像技术快速鉴别苦杏仁真伪优劣的方法
CN103234918A (zh) 一种液体阵列味觉仿生传感器鉴别白酒香型的方法
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
CN115436508A (zh) 一种基于水果原料指标预测果汁品质的方法
CN110231328B (zh) 一种基于半峰高距离法的拉曼光谱定量分析方法
CN107271394A (zh) 一种模糊Kohonen鉴别聚类网络的茶叶红外光谱分类方法
CN117152152B (zh) 检测试剂盒的生产管理系统及方法
CN114019100A (zh) 基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法
CN112444500B (zh) 一种基于光谱的阿尔茨海默症智能检测装置
CN110398472A (zh) 一种基于二维相关光谱量化的植物油鉴别分类方法
CN109959653B (zh) 一种基于仿生阵列传感器的植物提取液味觉测定方法
AU2020100135A4 (en) Method, system and apparatus for evaluating sensory assessors’ concentration ability
CN112798678A (zh) 基于血清的新型冠状病毒感染快速检测方法
CN104573668A (zh) 基于光谱反射率的面部色泽适应性自动识别方法
KR20220020920A (ko) 입자 정량 장치
CN115266607A (zh) 基于显微高光谱图像秀珍菇菌种退化无损检测方法
CN114152557B (zh) 基于图像分析的血细胞计数方法和系统
CN109781636B (zh) 一种基于仿生技术的天然甘薯香原料的筛选方法及应用
CN111210876B (zh) 一种受扰动代谢通路确定方法及系统
CN201382895Y (zh) 一种目标微生物的检测设备

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
GR01 Patent grant
GR01 Patent grant