电子舌技术快速辨识15种茶汤滋味_徐维盛
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
电子舌技术快速辨识15种茶汤滋味
徐维盛,王竹,杨月欣
中国疾病预防控制中心营养与食品安全所(北京 100050)
摘要利用电子舌分析技术, 对绿茶、乌龙茶、黑茶、红茶等4类15种茶汤 (其中基本茶类13种, 再加工茶类2种) 滋味进行辨识。
通过电子舌检测不同茶汤滋味在传感器上的响应值, 采用主成分分析 (PCA) 及判别函数分析 (DFA) 进行数据分析。
样品在各个传感器的响应值雷达图结果表明各样品具有不同的气味轮廓, 表明其具有不同的风味。
PCA分析结果表明转换得到的第一主成分, 可反映样品原来信息的81.768%, 转换得到的第二主成分, 可反映样品原来信息的13.004%, 两个主成分共可反映原来信息的94.772%, 表明PCA分析可以反映样品的综合信息。
通过DFA所建立的模型对测试样品的判别效率为95.616%。
分析结果表明利用电子舌析技术可较好的区分不同茶汤的滋味。
关键词电子舌; 茶汤; 主成分分析; 判别函数分析
Rapid Discrimination of Fifteen Kinds of Tea Infusion by Electronic Tongue
Technology
Xu Wei-sheng, Wang Zhu, Yang Yue-xin
National Institute of Nutrition and Food Safety, Chinese Center for Disease Control and Prevention (Beijing 100050) Abstract Electronic tongue technique was applicated together on fi fteen tea samples (taking from four category respectively), which prepare according to brewing. The result of principal component analysis (PCA) and discrimination function analysis (DFA) obtained from taste sensors. The radar chart shows that the 15 tea samples have different contour records. While regard 15 tea samples as four variety, the sensor’s detecting data processed by PCA, which the result, in the PCA diagram, the discrimination index were 81.768% and 13.004%, the total discrimination index was 94.772%, the result showed that, in virtue of different degree of fermentation, all category have a preferable division. While regard 15 tea samples as individual, the electronic tongue have a discrimination index of 95.616% to them, which suggest a favorable distinguish effect. The experimental results indicate the electronic tongue technology can be used effectively for detection and discrimination between different types of tea infusion.
Keywords electronic tongue; tea infusion; principal component analysis (PCA); discrimination function analysis (DFA)
茶文化在我国有着悠久的历史,根据茶叶制作方法的不同,我国茶叶主要分为绿茶、黄茶、黑茶、乌龙茶、白茶和红茶6大类。
制茶过程中茶多酚的酶促或非酶促氧化(俗称发酵)程度决定了茶的色、香、味,因此不同制法茶具有不同的风味特征。
茶多酚在茶水浸出物中所占的比重最大,是决定茶汤滋味的主要物质,绿茶未经发酵,决定其茶汤滋味的主要因素为茶多酚单体儿茶素类,其鲜味的重要活性成分是茶叶中特殊含有的茶氨酸;经发酵后,茶多酚氧化形成茶色素,是发酵类茶的主要呈味活性成分,其单体包括茶红素、茶黄素、茶褐素等[1-5]。
由于茶叶的成分比较复杂,茶叶的品质不能通过某种成分的量化而表达,因此,茶叶品质大多是通过人的感官评定,但人的感官灵敏度受外界因素的干扰而改变,且存在感官疲惫,因此容易影响评定的准确性。
电子舌是模拟人体味觉机理研制出来的一种智能识别电子系统,通过不同种类的传感器,将酸、甜、苦、咸、鲜等基本味觉感官及各种回味的味觉指标进行客观数字化评价,它得到的不是被测样品的某种或某几种成分的定性、定量结果,而是反映了样品的整体信息,因此也被成为“指纹”数据[6-8]。
目前,电子舌在乳品、酒精饮料、果汁饮料、矿泉水工业等领域具有广泛的应用[9-10],在油脂检测中也有较好的应用前景[11]。
目前,电子舌技术在区分红茶、绿茶等单一茶叶种类的口味分析中取得了一定的研究成果[1-2, 4],主要集中在基本茶类,对基本茶类与再加工茶类样品滋味辨识的鲜有报道。
试验采用电子鼻技术,选择主成分分析(PCA)及判别函数分析(DFA)两种统计分析模式,对4类15种茶汤(其中基本茶类13种,再加工茶类2种)滋味进行区分,以期为茶汤滋味辨识提供一种高效、灵敏、便捷的方法。
1 材料与方法
1.1 仪器
ASTREE电子舌系统(包括第5套味觉传感器、信号采集器和模式识别系统3部分);Alphasoft V12.42多功能多变量智能分析软件:法国 Alpha MOS 公司;ME235S型分析用天平(感量0.01 mg):德国Sartorius
基金项目:国家科技支撑计(No.2012BAD33B01);北京市科学技
术研究院青年骨干项目资助(No.2012-019)
154
155
集团;优普超纯水机:成都超纯科技有限公司。
1.2 样品
15种茶叶样品均由湖南农业大学易有金教授课题组提供,包括未发酵绿茶样品5种,半发酵乌龙茶
样品3种,全发酵红茶样品4种以及后发酵黑茶样品3种,除广西六堡茶、益阳茯砖茶为再加工茶类黑茶类样品外,其余样品均未基本茶类。
采样信息见表1所示。
表1 茶叶样品采样信息
序号茶叶名称茶叶类型
级别生产日期生产单位
1西湖龙井绿茶(炒青,扁炒青)三级2010年5月浙江省杭州市西湖区梅家坞村一品香茶庄
2信阳毛尖绿茶(烘青,条形茶)一级2010年5月河南省信阳市浉河港乡龙潭茶厂3洞庭碧螺春绿茶(炒青,曲炒青)一级2011年5月江苏苏州市绿扬名茶有限公司4黄山毛峰绿茶(烘青,条形茶)一级2010年10月安徽黄山徽特商贸有限公司5古丈毛尖绿茶(炒青,特种炒青)特级2010年4月湖南张家界茅岩河食品有限公司6水仙乌龙茶(摇动做青)特级2010年5月福建政和瑞茗茶叶有限公司7安溪铁观音乌龙茶(摇动做青)特级2010年10月福建省安溪县中闽弘泰茶叶有限公司8凤凰单枞乌龙茶(摇动做青)一级2010年8月广东潮州市揭东县潮韵茶叶有限公司
9祁门红茶红茶(工夫红茶,叶形茶)一级2010年10月黄山徽特商贸有限公司
10滇红茶红茶(工夫红茶,叶形茶)未标示2010年3月云南滇红基团股份有限公司云南省凤庆茶厂
11川红茶红茶(工夫红茶,叶形茶)未标示2010年9月四川林湖茶叶有限公司12闽红茶红茶(工夫红茶,叶形茶)二级2010年4月福建政和瑞茗茶叶有限公司13普洱茶基本茶类黑茶(条形茶)特级2008年1月云南普洱市金福茶厂14广西六堡茶再加工茶类黑茶(篓包类一级2009年6月桂林市漓江茶叶加工厂15
益阳茯砖茶
再加工茶类黑茶(砖茶类)
特制
2008年3月
湖南省安化茶厂
1.3 试验方法1.3.1 试验用水
泡茶及试验用水均为优普超纯水机制成的RO纯净水(离子交换做成的纯水)。
1.3.2 茶汤浸提[11]
依据GB/T 23776—2009 茶叶感官审评方法,取充分混匀有代表性的茶样5.0 g,置于250 mL白色瓷质茶碗中,茶水比1︰50(g/mL),水温100 ℃,绿茶冲泡4 min,其他茶叶冲泡5 min,茶汤经400目滤布过滤,冷却至室温(25 ℃±2 ℃)后进行电子舌数据采集,每个样品进行3次平行操作。
1.3.3 样品分析与数据处理
为确保检测数据的可靠性和稳定性,电子舌在试验前按其使用说明经过校准、诊断、自检等工作,全部通过后对采样时间、采样序列、清洗溶液安排等检测参数进行设置,每次数据采集前,用纯水清洗传感器。
茶汤样品放置于电子舌专用烧杯中,每杯茶汤样品量为80 mL,于室温条件下进行测定,数据采集时间为120 s,每秒采集一个数据,综合采用第120 s所得的稳定数据作为输出值。
传感器在刚开始测量时,感应强度会上下波动,测量2~3次后,传感器响应强度
趋于稳定。
研究每杯样品重复测定10次,选取后3次的测量数据作为统计分析的原始数据。
采用Alphasoft V 12.42分析软件对所测数据进行预处理和判别分析。
2 结果与讨论
2.1 传感器信号选择
试验选择由法国阿莫斯公司研发的第五套五味传感器,包含7个化学传感器阵列(SRS、GPS、STS、UMS、SPS、SWS和BRS)和1个Ag/AgCl参比电极。
每个传感器前端有1个电子芯片,芯片表面具有脂质双分子膜结构,通过调节膜的构成比例达到对各种类型味物质的选择性。
第5套五味传感器较第1套五味传感器(ZZ、BA、BB、CA、GA、HA和JB)具有更好的选择性,可以给出酸涩味、咸味、鲜味的相对强度顺序,甜味、苦味的相对强度可通过标准添加给出,其检测限可达10-7,较人舌敏感度高2~3个数量级[12-14]。
研究用电子舌7根传感器对酸、甜、苦、咸、鲜5种基本味觉的响应及检测限与人感官灵敏度比较见表2所示。
茶汤样品在7根传感器的响应值见图1所示。
表2 电子舌传感器阵列及其检测限与人感官灵敏度
基本味觉
呈味物质7根传感器的检测限/mol·L -1
传感器检测限
人感官灵敏度SRS GPS STS UMS SPS SWS BRS 酸盐酸10-710-710-710-710-710-710-710-7 1.6×10-4甜葡萄糖10-710-410-710-710-410-410-410-77.3×10-3苦咖啡因10-510-410-410-510-410-410-410-4 5.0×10-4咸NaCl 10-610-510-610-610-410-410-510-6 1.0×10-3鲜
味精
10-5
10-4
10-4
10-5
10-4
10-4
10-4
10-4
5.0×10
-4
156
图1 电子舌7根五味传感器响应信号数据图2.2 不同样品的雷达图分析
为了更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的均值取出并标识,按照间隔60°均匀排列在圆周上,此时味觉信号被转换成视觉信号表现在圆周上,形成雷达图,见图2所示。
雷达图可以直观的反应样品在各个传感器的响应值。
由图2可知,相同种类茶汤样品具有相似的滋味轮廓,但在各传感器响应强度各不相同;不同种类茶汤样品滋味轮廓各不相同,表明其均具有不同的
滋味。
图2 茶汤样品雷达图
2.3 主成分分析
主成分分析是一种对影响数据结果的多个指标进行综合分析的方法,它通过协方差矩阵,将原来众多具有一定相关性的多个指标重新组合成一组新的互相无关的综合指标来代替原来的指标。
对于电子舌采集的各个传感器的数据,通过PCA方法,可以将相互之间具有相关关系的传感器数据通过线性变换建立尽可能少的新变量,使得这些新变量是两两不相关的,而且这些新变量在反映样品的信息方面尽可能保持原有的信息。
该处理方法不丢失任何样品信息,仅通过改变坐标轴来达到区分样品的目的。
15种茶汤样品的PCA处理结果如图3所示。
由图3可以看出,各个样品通过PCA分析在PCA 图上具有明显的区分。
PC1轴(横轴)为转换得到的第1主成分,可反映样品原来信息的81.768%,PC2轴(纵轴)为转换得到的第2主成分,可反映样品原来信息的13.004%,2个主成分共可反映原来信息的
94.772%,表明PCA分析可以反映样品的综合信息。
每组茶汤样品的9个测定数据在PCA图上基本聚集在同一区域,且15种不同茶汤样品聚集区域之间没有重叠,表明15种不同的茶汤样品可以用电子舌有效区分。
同样在PCA图上可以看到,未发酵绿茶(1#~5#)茶汤样品聚集在PCA图第2、第4象限,不同程度发酵的茶叶样品聚集在PCA图的第1、第3象限,结果表明,电子舌可有效区分绿茶与发酵茶样品。
在不同程度发酵的茶样品中,半发酵乌龙茶(6#~8#)茶汤样品聚集在PCA图的第3象限,后发酵黑茶(13#~15#)茶汤样品聚集在P C A 图的第1象限,全发酵红茶(9#~12#)茶汤样品横跨PCA图第1、第3象限,表明电子舌亦可对不同发酵程度的茶汤样品滋味进行区分。
9#红茶样品与其他品种红茶样品间距较远,靠近半发酵乌龙茶样品,表明其滋味与其他红茶样品具有
较大的差异。
图3 不同茶汤样品的主成分分析图
2.4 判别函数分析
判别函数分析是研究样品所属类型的一种统计分析方法,即通过重新组合传感器数据来优化区分性的分类技术,使组间距离最大的同时保证组内差异最小使各个组间的重心距离最大,从而建立判别函数和判别准则,判断样品属于哪一类别。
15种茶汤样品数据的DFA分析结果如图4所示。
图4中DF1(横轴)对应第1线判别函数,判别效率为95.616%,DF2(纵轴)对应第2线判别函数,判别效率为2.536%,表明使用第1线判别函数即可区分15种茶汤样品。
由图可见,绿茶(未发酵,1#~5#)茶汤样品主要聚集在DFA图谱的第1象限,乌龙茶(半发酵,6#~8#)聚集在DFA图谱的第2象限、红茶(全发酵,9#~12#)茶汤样品主要聚集在DFA第2、第4象限交界,黑茶(后发酵,13#~15#)茶汤样品聚集在DFA图谱第3象限,但15种茶汤样品的聚集区域没有重叠,分析结果表明电子舌可较好的区分15种茶汤样品的滋味,较PCA分析结果更有效。
2.5 鲜、酸涩滋味等级评价
利用法国阿莫斯公司研发的第5套五味传感器可以直接给出样品酸味、咸味、鲜味的相对强弱顺序这一优势,考虑到茶叶样品鲜爽滋味对茶叶等级评价的
重要性,对4类15种茶汤样品的酸涩味、鲜味进行了
157
强弱等级评价,结果见图5所示。
图4 不同茶汤样品的判别函数分析图
图5中横轴代表酸涩味等级,纵轴代表鲜味等级。
由图5可知,12#红茶样品鲜味等级最强,其次分别为13#、11#,15#、10#、2#、14#、8#、6#、7#、9#、5#、4#和3#,1#绿茶样品的鲜味等级最弱。
酸涩味最淡的为1#绿茶样品,7#、9#、8#、11#、10#、6#、2#、3#、13#、14#、15#、12#、5#和4#在酸涩滋味上依次增强。
Uchiyama等[16]采用电子舌对4类基本茶类茶汤滋味的研究结果表明,茶叶的不同发酵程度的影响到茶汤滋味。
由图5可见,未发酵的绿茶样品口味相对较清淡,而全发酵红茶样品和后发酵黑茶样品的口感相对较浓郁,半发酵的乌龙茶样品口感介于绿茶与红茶之
间,结果表明茶叶的发酵程度将会影响到茶汤滋味。
图5 不同茶汤样品的鲜味-酸涩味等级评价图
3 结论与讨论
利用电子舌对4类15种茶汤样品滋味的研究结果
表明,电子舌可有效区分不同种类茶汤样品的滋味。
雷达图能较直观的反映不同类型传感器对茶汤滋味响应信号的强弱。
PCA及DFA两种模式识别分析均能得到较好的结果,15种茶汤样品视为单独个体,其PCA 区分指数为81.768%,DFA区分指数达到95.616%,表明电子舌可有效区分15种茶汤样品的滋味。
在茶汤种类辨识中,未发酵绿茶样品与其他不同程度发酵茶样品间均具有明显的区分,表明电子舌可有效区分未发酵绿茶与其他不同发酵程度的茶样品滋味。
发酵程度类似的同种茶叶,其电子舌数据聚集在相同区域,表明其具有较相似的滋味。
在检测的不
同程度发酵类型茶汤样品中,PCA分析对乌龙茶、红茶、黑茶样品之间有叠加现象,这与茶汤样品的发酵程度有关,DFA可以较好的区分后发酵黑茶样品与其他两种发酵茶汤样品,乌龙茶属于半发酵茶,红茶属于全发酵茶,可见,在制茶过程中,发酵程度的控制对茶汤样品的滋味的形成有着明显的影响。
参考文献:
[1] HAYASHI N, CHEN R, IKEZAKI H, et al. Evaluation of the umami taste intensity of green tea by a taste sensor[J]. J
Agric Food Chem, 2008, 56(16): 7384-7387.
[2] WEI H, XIAOSONG H, LEI Z, et al. Evaluation of Chinese tea by the electronic tongue: Correlation with sensory properties and classification according to geographical origin and grade level[J]. Food Research International, 2009, 42(10): 1462-1467.
[3] LIANG YR, LU JL, ZHANG LY, et al. Estimation of black tea quality by analysis of chemical composition and colour difference of tea infusions[J]. Food Chem, 2003, 80(2): 283-290.
[4] 许勇泉, 刘栩, 刘平, 等. 茶汤回甘滋味及其电子舌应用分析研究[A]. 第15届中国科协年会第20分会场: 科技创新与茶产业发展论坛论文集[C]. 2013: 1-10.
[5] 姜莎, 陈芹芹, 胡雪芳, 等. 电子舌在红茶饮料区分辨识中的应用[J]. 农业工程学报, 2009, 25(11): 345-349.
[6] 韩驰. 茶的抗氧化作用研究[J]. 卫生研究, 2005, 34(2): 234-236.
[7] IVARSSON P, KIKKAWA Y, WINQUIST F, et al. Comparison of a voltammetric electronic tongue and a lipid membrance taste sensor[J]. Analy Chimica Acta, 2001(449): 59-68.[8] WOERTZ K, TISSEN C, KLEINEBUDDE P, et al. Taste sensing systems (electronic tongues) for pharmaceutical applications[J]. International J Pharma, 2011, 417(1-2): 256-271.
[9] 郭雅玲, 赖凌凌. 人工味觉系统在茶叶品质评价中的应用进展[J]. 热带作物学报, 2013, 34(6): 1192-1199.
[10] 贾洪峰, 邓红, 何江红, 等. 电子舌在食品检测中的应用研究进展[J]. 中国调味品, 2013, 8(38): 12-17.
[11] 杨小兰, 杨俊峰, 张美霞. 电子舌在食品加工在线监测中的应用研究[J]. 饮料工业, 2007, 10(9): 6-9.
[12] 中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. GB/T 23776—2009 茶叶感官评审方法[S]. 北京: 中国标准出版社, 2009.
[13] JIMENEZ C, ROCHEFEUILE S, SETA P, et al. Nanostructures for chemical recognition using ISFET sensors[J]. Microeletronics J, 2004, 35(1): 69-71.
[14] LEGIN A, RUDNITSKAYA A, VLASOV Y, et al. Application of electronic tongue for qualitative and quantitative
analysis of complex liquid media[J]. Sensors and Actuators B:
基于模糊数学法优化婴幼儿配方米粉冲调条件
刘梅森*,高丽霄,林汉卿,臧成国,张向阳,张利
深圳市味奇生物科技有限公司(深圳 518109)
摘要采用模糊数学评定法研究冲调条件对婴幼儿营养配方米粉感官的影响。
通过感官评定小组考察米粉冲调后的滋味气味、色泽形态及冲调性对产品感官影响, 确定感官指标的权重分配方案, 结果为: 滋味气味、色泽形态和冲调性的权重分数分别为: 0.441, 0.255和0.30; 通过单因素试验以及正交试验确定冲调温度、冲调比例和搅拌时间对感官指标的影响, 并确定最优冲调条件为: 冲调温度70 ℃, 水和米粉的冲调比例为6.5︰1 (mL/g), 搅拌时间为静置30 s后搅拌60 s。
关键词婴幼儿配方米粉; 冲调; 模糊数学法; 感官评价
Optimization of Mixing Condition of Infant formula Cereal Powder Based on Fuzzy
Mathematics Evaluation
Liu Mei-sen*, Gao Li-xiao, Lin Han-qing, Zang Cheng-guo, Zhang Xiang-yang, Zhang Li
Shenzhen Weicky Biotechnology Co., Ltd. (Shenzhen 518109)
Abstract Fuzzy mathematics evaluation method is applied to optimizing mixing conditions of Infant formula cereal powder. The infl uencing factors on sensory of infant formula cereal powder after mixing were investigated and the result form sensory evaluation group showed that weighting allocation for taste and fl avor, color and form, and dissolving performance was 0.441, 0.255 and 0.300, respectively. Single factor experiments and orthogonal experiments determined the infl uence of mixing temperature, the ration of cereal powder to water and mixing time on sensory. And the optimum conditions were as follows: mixing temperature 70 ℃, the ration of water to cereal powder 6.5︰1 (mL/g), and mixing time 60 s.
Keywords Infant formula cereal powder; mixing condition; fuzzy mathematics evaluation; sensory evaluation
婴幼儿营养配方米粉是在母乳不足或婴儿配方食品不能满足婴幼儿营养需要时,婴幼儿用以补充营养的必备食品[1]。
作为婴幼儿第一大类辅食,婴幼儿配方米粉对婴幼儿的生长发育非常重要。
米粉冲调后的感官性质是评价米粉的重要指标,也是直接影响婴幼儿喜好程度的重要因素。
婴幼儿营养米粉冲调后应呈现均匀糊状体系,主要感官指标有滋味气味、色泽形态、冲调性等几个方面[2-3]。
直接进行感觉评定,可能无法顾及到各有关因素对总体效果的综合贡献,不能量化地解决问题。
而模糊数学评定法可依据食品的特点确定评价指标,并用加权平均法进行原始的假设,根据各项指标对感官质量影响的程度,用数学方法确定各指标的权重,最后对数据进行分析,得到评定结果[4-5]。
目前,国内已有学者将模糊数学综合评定法运用到了饮用水、大豆、葡萄酒、绿豆糕、复合香肠、泡菜等食品的感官评价中,但在婴幼儿米粉中,应用此法进行条件优化的文献,还鲜有报道,因此,试验将为婴幼儿米粉及相关食品的条件优化、质量控制提供科学参考和借鉴[6-9]。
1 材料与方法
1.1 原料
婴幼儿配方米粉:深圳市味奇生物科技有限公司。
1.2 试验方法
米粉冲调由固定专业人员统一操作。
称取适量米粉样品,量取一定温度的水,将米粉与水按一定比例进行混合后,先静置30 s后进行顺时针匀速搅拌,之后对冲调的样品进行感官评定,以优化冲调条件。
1.2.1 单因素试验
以冲调比例、冲调温度和搅拌时间为单因素,研究各单因素不同水平对冲调后米粉感官性质的影响。
Chemical, 2000, 65(1-3): 232-234.
[15] SOLDATKIN A P, MONTORIOL J, SANT W, et al. A
novel urea sensitive biosensor with extended dynamic range based on recombinant urease and ISFETs[J]. Biosensors and Bioelectronics, 2003, 19(2): 131-135.[16] UCHIYAMA Y, YAMASHITA M, KATO M, et al.
Evaluation of the taste of tea with different degrees of fermentation using a taste sensing system[J]. Sensors and
Materials, 2011, 23(8): 501-506.
158。