龙井茶叶品质的电子鼻检测方法

针对茶叶品质感官审评的不足,采用德国AIRSENSE电子鼻检测手段,对4个不同等级的龙井茶作等级判别。对传感器信号进行多因素方差分析得出:不同容器容积和不同采样时刻对传感器的响应信号有着显著的影响。通过主成分( PCA )、线性判别( LDA )和BP神经网络方法对各茶叶样品进行了分类判别。PCA 对于等级差别较近的茶叶区分结果不太理想;而LDA相对于PCA有较好的区分效果;设计BP神经网络拓扑结构为30-12-4,通过对网络进行适当训练,总的测试回判率可达到90%。

样品：4个不同等级的龙井茶

仪器：德国AIRSENSE电子鼻

实验结果：

   (1) 通过3 因素方差分析表明对于一定质量的样品, 试验容器的容积对其响应信号的影响极为显 著; 对茶叶来说, 不同顶空静置时间对其信号影响不大; 对4 个等级茶叶响应值方差分析确定出: 在第60s时各等级茶叶的响应值差异明显, 有益于样本的识别分类。所以选取60s时的数据进行PCA和LDA 分析。

   (2) PCA 分析可以将等级差别明显的样品区分开, 而对于等级差别较小的样品不能很好地实现分类, 存在很大的局限; LDA 分析可以将各个等级的样品*分开, 效果优于PCA 分析。

   (3) 从每个传感器响应曲线中提取3 个特征值,组成包含30 个特征值的特征向量作为神经网络识别分析的输入矢量, 网络测试总体回判率达到90%。