茶叶色香味品质评价方法研究进展

2019-02-16,,,,

食品工业科技 2019年6期

,, ,,

(湖南农业大学园艺园林学院,国家植物功能成分利用工程技术研究中心,茶学教育部重点实验室,湖南省植物功能成分利用协同创新中心,湖南长沙 410128)

长久以来,茶叶品质主要是通过感官审评和理化检测来评定的。茶叶感官审评方法的发展时间较长,且经过了研究人员的大量探索和优化,逐步形成了较为统一的审评标准,如GB/T 23776-2018《茶叶感官审评方法》、GB/T 14487-2017《茶叶感官审评术语》等,检测方法和步骤相对规范。感官审评方法作为最基础的茶叶品质评价方法,以人的直观感受作为评判依据,目前仍具有其不可替代性,但也存在一些缺陷,如审评师须经过长时间的培训和大量经验积累,审评结果受审评环境、个人感官灵敏度差异、审评人员身体状态等多方面因素的干扰和影响,导致审评结果主观性较强。相比于感官审评方法,茶叶品质的理化检测技术较成熟,检测结果较准确、客观,但理化检测只能检测茶叶成分的种类、含量,结果比较单一,而茶叶品质是茶叶各成分相互配合、彼此协调的综合反映,故单纯的理化检测并不能全面反映茶叶的品质状况。多年来,茶叶科研人员致力于茶叶品质的量化评价,利用一些科学仪器和新技术,建立理化检测与感官审评之间的联系,寻求更接近感官审评结果的现代智能评价方法,以期实现更客观、准确、快捷、全面的茶叶品质评判。

1 茶叶色泽品质评价

1.1 计算机视觉图像处理技术

在日新月异的信息化时代,互联网技术的应用已经发展成为茶叶生产和品质评价与鉴定的重要突破点。计算机视觉图像处理技术是一种将计算机运用到图像处理的技术。由于计算机图像的精度优于人的视觉精度,对颜色和外形变化的反应更灵敏,具有快速、精确、可量化的特点,因此用于茶叶色泽和外形的品质评价具有可行性[1-2]。

在茶叶筛选评级方面,计算机视觉图像处理技术多结合感官审评结果进行评价,董春旺等[3]、余洪等[4]在感官审评基础上,通过计算机视觉对茶叶色泽及纹理特征进行提取,采用多种不同的校正算法,建立了茶叶品质评价的量化模型和分级模型,具有较高的识别率,实现了对茶叶生产中品质的实时监控和茶叶等级的判定。张坚强[5]比较了色差计法和计算机视觉法对两种绿茶干茶色泽的评价结果,发现基于计算机视觉的评价法其决定系数R2大于色差计评价法,均方根误差RMSE(CV/P)小于色差计评价法,决定系数R2越大、均方根误差RMSE(CV/P)越小,说明该方法准确度越好,与真实值更接近。由此可见,基于计算机视觉的评价方法优于色差计法。研究表明,利用计算机视觉图像处理技术与反向传播神经网络(back propagation neural network,BPNN)[6-9]、卷积神经网络[10]模型相结合,改善了传统的单一依据茶叶颜色和形状进行分析的弊端,形成茶叶分选识别网络,能更好的模拟人工识别，对茶叶进行分选,大大提高了品质分类评级效率。

在茶叶加工方面,计算机视觉图像处理技术较单纯的理化检测具有更强的实时性和准确性。王娜[11]、牛青[12]、李蔚[13]等利用计算机图像处理技术测定茶叶萎凋过程中的色泽变化,从而间接地对鲜叶萎凋程度进行了量化,研究发现,在鲜叶图像提取的RGB(R=red,G=green,B=blue)颜色系统中,R(红)和G(绿)都能有效反映鲜叶的萎凋变化,但R的变化程度更高,作为萎凋程度判断的依据更佳。李文萃等[14]利用计算机视觉技术对绿茶在制品色泽变化进行量化研究,结果表明G色泽参数变化幅度较大,能较好地反映绿茶加工过程中的色泽变化。洪文娟[15]、颜玲[16]、杨龙[17]等运用计算机视觉图像技术研究红茶发酵过程中的颜色特征和变化规律,结合电子鼻、近红外光谱等技术,能有效判定红茶的发酵程度,对发酵适当的高品质红茶的生产加工具有指导意义。张宪等[18]利用多光谱图像技术实时监测鲜叶摊青过程的含水率和鲜叶形态参数变化,建立了茶鲜叶含水率与面积、周长、叶片长宽等多个指数的预测模型,通过方差分析和残差的正态性分析,验证了该模型预测含水率的准确性达到90%以上,为茶叶摊青过程的自动化提供了理论依据。多项研究表明,利用计算机视觉图像处理技术能有效监测茶叶加工过程中叶片形状、色泽等参数变化,弥补传统理化检测即时性不强的缺点,有利于及时掌控加工进程,提高茶叶生产加工的质量。

1.2 可视化阵列传感技术

可视化阵列传感器是近年新发展起来的一种传感技术,利用传感阵列检测待测样本特征响应信号,通过信号识别处理系统,将分子识别信号转化为光学信号输出,并将检测结果以图谱形式显示出来,实现检测的可视化[19-20]。传感阵列上的敏感物质与茶多酚、氨基酸、水浸出物等目标物质反应后会产生明显的光谱变化,利用RGB色彩模式原理提取光谱图中每个敏感点的R、G、B值并进行均一化处理,形成单个敏感点甚至整个阵列的差谱图,通过分析差谱图中阵列响应点数目和亮度差异,可以实现不同茶叶的特异性识别。

霍丹群等[21]基于茶多酚与三价铁的络合性以及对氧化铈的还原性,构建了交叉响应的液体阵列比色传感器,实现了对不同茶树品种的快速准确区分识别。付贝贝[20]基于茶叶中氨基酸和茶多酚的差异构建的液体阵列传感器，也实现了对茶叶不同品种和等级的正确识别,证明液体比色阵列在茶叶品质检测中有一定的应用价值,同时,该研究还构建了一种多层纸基传感器,对五种外观相似的红酒和五种不同质量等级的绿茶都实现了正确的区分。吴宇等[22]采用金属二聚体卟啉,席夫碱过渡金属配合物和染料结合溶胶凝胶技术构建了一种新型可视化传感器阵列系统,将不同产地、不同等级的乌龙茶水浸出物超声雾化后通过阵列系统进行了检测,同时采用主成分分析、聚类分析技术和欧式距离对检测结果进行分析,对乌龙茶的产地和等级实现了准确的识别与分类。陈琳[23]、Li等[24]、Huo等[25]设计了对茶汤和茶叶中挥发性物质有特殊响应的嗅觉可视化比色传感阵列,将挥发性气体与色敏材料作用后产生的颜色图像输入传感器,转化为数字模式后进行分析处理,实现了对不同品质的绿茶和不同发酵程度的红茶的判别。

2 茶叶香气品质评价

2.1 电子鼻技术

电子鼻是一种仿生嗅觉的新型检测仪器,能将样品中挥发性成分的整体信息经过收集、加工处理与传输,利用传感器进行识别,实现对挥发性成分的定性和定量分析[26-27],近年国内外基于电子鼻技术的研究热度较高,且多与感官审评结合使用。

国内许多研究表明,电子鼻技术与主成分分析法(principal component analysis,PCA)、线性判别分析法(linear discriminant analysis,LDA)、判别因子分析法(discriminant function analysis,DFA)等模式识别技术相结合,能有效识别不同类型和不同陈化年份茶的芳香物质等特征气味,在茶叶香气物质的识别和区分上具有可行性。温立香等[28]研究证明电子鼻技术结合LDA可较好识别不同陈化年份六堡茶的芳香物质等具有的特征气味并对其进行区分归类,证明电子鼻技术可应用于茶叶陈化年份的识别。高林等[29]、陈婷等[30]基于电子鼻技术也实现了对不同年份、不同等级普洱茶香气的分析和判别。敖存[26]利用电子鼻对六个品种、三个产地和五个等级共59个龙井茶茶样的香气质量进行分析,通过PCA法和DFA法,结合感官审评结果,证明电子鼻技术具有较高的灵敏度,在固定产地、品种、等级三因素的任意两因素前提下,电子鼻能区分单一因素不同条件下龙井茶香气差异,但在多因素混合条件下,电子鼻的区分效果有所降低,可见电子鼻对于差异较小,香气影响因素复杂茶样的区分度不如感官评价,因此仪器评价目前只能作为辅助评价,尚不能完全替代感官评价,今后还应加强在多因素影响下电子鼻对茶叶香气质量的区分研究。潘俊娴等[31]用电子鼻对不同时间、温度、茶水比、冲泡次数和水质处理的福鼎白茶的挥发性物质变化进行测定,对所得数据进行主成分分析和线性判别分析,发现电子鼻能在一定程度上区别不同冲泡条件下福鼎白茶茶汤风味,LDA法比PCA法的区分效果更好,但与感官审评相比,电子鼻的区分度还有待提高。

在国外,电子鼻同样用于茶叶香气识别与品质等级的划分[32-35]以及加工过程样的监测[36-37],基于不同传感器的电子鼻技术与各种神经网络识别模型相结合的茶叶香气评价法是目前较先进的评价方式。Dutta等[38]采用氧化锡基气体传感器阵列的电子鼻,检测不同等级红茶中芳樟醇、香叶醇、水杨酸甲酯和反式-2-己醛四种挥发性香气物质,运用PCA和LDA进行聚类分析,并利用BP神经网络模型对不同茶叶进行分类,平均分类准确率为88.09%,证明了氧化锡基气体传感器阵列的电子鼻对茶叶香气评估的有效性。Ghosh等[39]将电子鼻技术与循环Elman神经网络相结合,使用电子鼻获取红茶发酵过程中挥发性物质浓度的在线数据,利用Elman网络进行周期性重复循环嗅探,能够实现对红茶最佳发酵时间的预测。Tudu等[40]将径向基神经网络模式识别技术结合电子鼻技术用于红茶香气物质的分类,通过少量样品对增量分类器进行训练，能得到与训练数据的特征程度最匹配的香气关键性定量指标,该方法提高了电子鼻的分类精度,有利于电子鼻技术在茶叶分类方面的标准化运用。

2.2 全二维气相色谱-飞行时间质谱技术

全二维气相色谱-飞行时间质谱技术(GC×GC-TOFMS)是近年来在传统气相色谱技术的基础上发展起来的一种新技术,其分辨率高、灵敏度高、峰容量和信息量大、定性更有规律[41-42],可以解决一些复杂基质的分离和结构鉴定,目前该技术在茶叶香气成分检测分析和茶叶识别上已经得到了初步的应用。

Zhu Yin等[43]采用GC×GC-TOFMS技术确定了决定绿茶产生栗香的17种关键香气成分,为进一步研究茶叶香气品质的定向调控提供了理论依据。穆兵等[44]采用GC×GC-TOFMS技术分析了六堡茶的香气成分组成及相对含量,分离鉴定出307种共有香气化合物,与以往研究相比,利用该方法分离鉴定出的六堡茶香气化合物数量更为丰富。朱荫等[45]采用了传统气相色谱-质谱联用技术(GC-MS)与GC×GC-TOFMS技术分析西湖龙井的香气成分,结果表明,GC×GC-TOFMS技术作为一种更先进的理化检测手段,在香气分离性能上显示出了较强的优越性,可弥补一维气相色谱分析上的缺陷,使可分析的香气化合物数量提高5倍以上,为后续深入研究茶叶香气成分的化学组成及揭示茶叶香气品质形成机理提供了技术支撑。程权等[46]采用该技术分析得到闽南乌龙茶中51种共有挥发性成分,通过PCA分析和判别模型的建立,证实了以挥发性成分识别闽南乌龙茶具有可行性。Zhang等[47]采用该技术研究了绿茶,乌龙茶和红茶共33个茶样中挥发性成分的差异,使用偏最小二乘回归法(partial least squares regression,PLSR)判别分析和层次聚类分析对这些样本进行分类,采用非参数假设检验和变量投影重要性分析法对样本进行区分,结果具有显著性差异,表明GC×GC-TOFMS技术结合多元数据分析法可以对不同茶类或同一茶类不同品种的香气物质进行较好地区分。

2.3 气相色谱-嗅觉-质谱测定法

气相色谱-嗅觉-质谱测定法(GC-O-MS)是一种从复杂的香气混合物中对气味活性成分进行有效分析的方法[48]。多年来,虽然从食品中鉴定出了大量挥发性化合物,但其中仅少量物质对食品香气有贡献,而很多挥发性物质在食品中浓度虽然很低,但由于其气味阈值低而容易被感官感觉到,因此单靠化学检测器检测到的峰值并不能真实反映食品的香气描述。GC-O将GC的分离能力与人类鼻子的灵敏性相结合,对鉴别特征香气化合物、气味活性化合物、具有有效香味的化合物及用来确定香味化合物的强度和作用大小均非常有效[49-50]。

GC-O结合质谱联用(GC-O-MS)技术结合了人的感官评价与MS的定性技术,克服了GC-MS在风味活性成分评价中无法确定各个香气组分的贡献度的缺陷,可以实现对特征香型芳香化合物的鉴定,是近年用于茶叶香气评价的热点领域。葛晓杰等[51]采用顶空固相微萃取/气相色谱-嗅觉-质谱联用(HS-SPME/GC-O-MS)技术对红茶“花香”和“甜香”香型的关键活性成分进行了分析鉴定,共鉴定出44种挥发性组分,其中19种为香气活性成分,芳樟醇、苯甲醛等6种成分为两种特征香型红茶的主要香气活性成分,水杨酸甲酯、橙花醇等7种香气成分是决定两种香型差异的关键因子。Mao等[52]系统地研究了工夫红茶的香气特征,鉴定出芳樟醇及其氧化物、水杨酸甲酯等6种香气成分是工夫红茶的基本香气活性化合物,并通过PLSR分析鉴定了对感官知觉贡献最大的挥发性成分,表明GC-O是一种快速有效的分离和定量香气活性化合物的方法。Xiao等[53]通过定量描述感官分析,GC-MS和GC-O技术在四种工夫红茶中鉴定出64种挥发性化合物,通过香气提取物稀释分析得出滇红中的反式芳樟醇氧化物,坦洋工夫、滇红和祁门红茶中的香叶醇为最高风味稀释因子,再利用PLSR法建模,构建茶样、感官属性与香气活性物质之间的关系,分析显示戊醛与“麦芽香”呈显著正相关,顺-3-己烯-1-醇与“青草香”呈显著负相关,2-甲基吡嗪与“花香”呈显著负相关,顺式芳樟醇氧化物、反式芳樟醇氧化物和橙花叔醇与“木质香”呈显著正相关,而顺式-6-壬烯-1-醇和2-甲基吡嗪与“木质香”呈显著负相关。此外,GC-O-MS法在鉴定绿茶[50,54-55]、普洱茶[56]、乌龙茶[57-58]的特征香气中也取得了较好的效果。

3 茶叶滋味品质评价

3.1 电子舌技术

电子舌同电子鼻类似,是模仿人体味觉机理制成的一种新型仿生分析仪器,由味觉传感器阵列、信号采集器和识别系统等部件组成,通过适当的多元统计方法和模式识别技术处理,可以分析复杂体系的整体“指纹”数据[59-61]。近年来,电子舌技术在茶叶滋味品质的定性与定量上都得到了大量应用。

在定性分析方面,利用各种类型的电子舌结合不同的化学计量法和模式识别法,研究者们在茶叶种类[62]、等级[63-65]、产区[66-67]的识别上取得了丰硕的成果。刘爽[63]采用电子舌技术结合感官审评对不同等级、不同产地及不同类型的多个绿茶进行鲜爽味判别,建立了电子舌与人工感官审评的偏最小二乘拟合模型,相关系数达到0.9223,表明电子舌在滋味评判方面与专家感官审评具有较好的相关性。Li等[68]使用电子舌对不同产地的四种铁观音用层次聚类分析(hierarchical cluster analysis,HCA)和PCA进行分类,并用带有Levenberg-Marquardt训练算法的BP神经网络(LMBP)构建识别模型,LMBP的识别性能达到100%,结果表明,带有模式识别功能的电子舌适用于不同产地来源的铁观音的分类。

在定量分析方面,王银诚等[69-71]基于专一性电子舌技术及滋味分值构建了人工审评、品质成分含量同电子舌传感器响应值的定量模型,发现电子舌技术既可以定性区分不同滋味等级的茶样,也能定量给出不同茶样之间的酸、甜、苦、咸、鲜味的相对强度分值,在红茶滋味评价上有较好应用。范培珍等[72]利用电子舌结合高效液相色谱技术,采用主成分分析、聚类分析和软独立建模分析法,研究了不同等级霍山黄芽由氨基酸成分含量及比例的差异引起的滋味品质的差异,从而表明电子舌可以根据茶叶氨基酸组成和含量区别霍山黄芽的品质。许勇泉等[73]研究用电子舌结合线性相关分析建立了茶汤苦味强度和回甘滋味强度的量化分析模型及茶汤中茶多酚、氨基酸等风味化学成分的量化分析模型。Saha等[74]融合了从多传感器电子舌信号的响应中提取的三个不同特征,并建立回归模型以建立ET反应与茶黄素(theaflavin,TF),茶红素(thearubigin,TR)和TR/TF比值之间的相关性,从而可以估测茶叶中影响茶汤滋味的TF、TR含量和TR/TF的比例。

3.2 近红外光谱法

近红外光谱(near infrared spectroscopy,NIRS)是一种介于可见光与中红外之间的电磁辐射,其记录的信息主要是含氢基团(如:C-H、N-H、O-H、S-H等)的倍频、合频以及差频的叠加吸收[9]。茶叶内含多种有机化合物,如茶多酚、蛋白质、氨基酸等都含有各种含氢基团,因此可以通过获取近红外光谱信息,结合适宜的化学计量方法,建立相关数学模型进行定性和定量测定[75]。

NIRS在茶叶领域定性方面的研究主要是对茶叶品质成分的快速测定[76-77]和对茶叶产地[78-79]、等级[80-81]、年份[82-83]、种类[84]等的定性判别,在定量分析方面,主要是针对茶叶中的品质成分建立定量分析模型,并对模型效果进行评价。周昌海[85]采用NIRS对碧螺春、四川蒙山毛尖、龙井、铁观音四种茶叶的茶多酚和咖啡碱含量进行无损检测,结合化学计量学方法建立了茶多酚和咖啡碱的校正模型,能对不同种类的茶叶进行判别。吴瑞梅等[86]采集不同产地的绿茶,用NIRS快速分析绿茶茶汤酚氨比,对光谱的特征变量进行筛选,建立了酚氨比的估测模型,结果表明该方法准确可靠,可以快速有效估测绿茶滋味品质。刘洪林等[87]将工夫红茶茶样的近NIRS与感官审评评分结果建立定量分析预测模型,证明该模型预测性能较优,适合于工夫红茶审评品质评价预测。综上众多研究证明,基于化学计量学的NIRS与感官审评结果和传统理化分析相结合,能较好的进行茶叶品质的判别与评价。