35 - 食品科学技术学报页

益(LR鄄10、11、12) 条件下炒制的苦荞茶样品, 且 160
益 炒制的样品与其他 2 组相距较远 ,表明 160 益 处
理的样品与其他处理间差异较大 . 结果同样表明,
同一炒制温度不同炒制时间制得的样品之间 ( 如
LR鄄4、LR鄄5 和 LR鄄 6) 差异很小, 无法区分. 而炒制
时间为 25 min, 炒制温度分别为 145 益 ( LR鄄1),150
益(LR鄄2),和 155 益(LR鄄3) 制得的 3 组样品聚成一
类, 介于 160 益 和 170 益 样品之间,但这 3 组样品自
身之间无法区分,可能是由于炒制温度太低,且 3 组样
品的炒制温差不大,对苦荞茶的滋味品质影响不大.
表 3摇 智舌测定不同炒制温度和时间制得的
苦荞茶数据的传感器优化组合
Tab. 3摇 Optimized sensor combination of tartary buckwheat tea
produced under different roasting temperatures and time
编号 传感器组合 DI 值 / %
1 S2鄄100Hz、S3鄄1Hz - 12郾 83
2 S4鄄100Hz - 13郾 24
3 S3鄄1Hz、S4鄄100Hz - 14郾 32
4 S2鄄100Hz、S3鄄1Hz、S6鄄1Hz - 14郾 98
5 S3鄄10Hz、S4鄄100Hz - 15郾 01
6 S3鄄100Hz、S4鄄100Hz - 15郾 05
7 S2鄄100Hz、S3鄄10Hz - 15郾 26
8 S2鄄100Hz、S3鄄100Hz - 15郾 47
9 S2鄄100Hz、S4鄄100Hz - 15郾 58
10 S2鄄100Hz、S3鄄100Hz、S6鄄1Hz - 15郾 97
图 1摇 不同炒制温度和时间制得的苦荞茶
样品的主成分分析
Fig. 1摇 PCA of tartary buckwheat tea produced under differ鄄
ent roasting temperatures and time
2郾 2郾 2摇 不同炒制温度和时间制备的 12 组苦荞茶样
品的 LDA 结果
图 2 是对经传感器优化组合后的 12 组不同处
理的苦荞茶样品数据进行 LDA 的分析结果 . 从图 2
中可以看出 ,LDA 可以将 12 组样品很好地区分开
来 ,类间样品无重叠 , 类内样品聚拢 , 其区别指数
(DI 值) 达到 99郾 8% . 类间距离表明,12 组样品间,
分别在 160,170,180 益 下炒制的 3 组样品均各自聚
集 ,且 160 益 条件下炒制的样品与 170 益 和 180 益
条件下炒制的样品距离较远,滋味品质差异较大; 而
炒制温度相同 , 炒制时间不同( 分别为 15,20 和 25
min) 的 3 组样品间距离较近, 滋味品质相似. 分别
在 145,150,155 益 下 ,炒制 25 min 的 3 组样品滋味
品质相似, 距离较近.
图 2摇 不同炒制温度和时间制得的苦荞茶
样品的线性判别分析
Fig. 2摇 LDA of tartary buckwheat tea produced under differ鄄
ent roasting temperatures and time
2郾 3摇 不同储期对苦荞茶品质的影响
单个电极区分不同储藏时间的 7 组苦荞茶样品
的结果 ( 表 2) 可见, 各个电极在 1,10,100 Hz 频率
下的区分效果均不理想, 所以应采用组合电极对样
品进行区分 ,找出具有最佳区分效果的电极阵列组
合方式以及电极最适合的多频脉冲频率段 . 首先 ,
使用 smartongue 数据处理软件对所得数据进行传感
器组合优化 , 结果如表 4( 前 10 位 ) . 表 4 显示 , 采
用在铂电极 (S1)100 Hz,金电极(S2)100 Hz 和钛电
极 ( S5 ) 1 Hz 频率段下测得 DI 值最大, 为 -
82郾 73% ,7 种苦荞茶样品的区分效果最好.
2郾 3郾 1摇 不同储期的 7 组苦荞茶样品的 PCA 结果
根据优化后的最佳传感器组合数据进行 PCA,
得到主成分 1 和主成分 2 的主成分得分图, 如图 3.
结果表明 ,主成分 PC1 的贡献率为 55郾 4% , 主成分
PC2 的贡献率为 8郾 6% ,二者的累计贡献率为 64% ,
即只保留了原始数据 64% 的信息量. 依次往下, 各
个主成分的贡献率越来越小 ,则至少需要 5 个主成
23 食品科学技术学报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 2014 年 11 月