苦荞(Fagopyrumtataricum(Linn.)Gaertn.)又称鞑靼荞麦,木兰纲(magnoliopsida)蓼目(polygonales)蓼科(polygonaceae)荞麦属(Fagopyrum)双子叶植物,被誉为“五谷之王”,是国际上公认的药食兼用粮食作物.苦荞发源于我国雅鲁藏布江流域,现在四川凉山地区广为种植.苦荞富含生物类黄酮,具有降低毛细血管脆性、改善血液循环的作用,对预防心血管疾病,调节血糖、血脂等具有显著的功效[1-2].近年来,苦荞茶以其口感淳厚、天然保健和便捷时尚成为当下苦荞市场上的标志性产品[3].苦荞茶并非传统意义上的茶(如红茶、绿茶、花茶等),严格来说是一种炒米茶,即将苦荞的种子(也称苦荞米)经过筛选、蒸煮、脱壳、炒制等工序加工而成的冲泡饮品.

目前,国内外对茶的感官品质鉴定主要采用感官审评的方法,但是人的感觉器官在分辨力、敏感度、稳定性等方面均存在个体差异,且易受外界因素(如性别、地域、精神状态和身体状况等)的干扰,难以获得一致的审评结果[4-5].这就有必要引入一些新的分析检测手段,运用化学计量的方法来评价苦荞茶的品质差异和质量等级.智舌是一种以惰性金属传感器为基础,利用伏安法将溶液组分信息转化成电信号的新型伏安型电子舌,它具有检测信息量丰富,传感器使用寿命长,稳定性好等特点.谈国凤等[6]利用同原理的伏安型多频脉冲电子舌检测奶粉中抗生素的残留,结果显示,智舌能够有效地区分添加不同种抗生素以及不同浓度新霉素的奶粉,定性分析水平能够达到国家最高残留检测标准;牛海霞[7]、张东星等[8]均利用多频脉冲电子舌对不同的茶饮料进行区分辨识,区分效果明显,表明智舌能够很好地应用于茶类饮料的区分辨识;田师一等[9]同样以多频脉冲电子舌为基础对6种不同品牌干红葡萄酒进行初步辨识区分,效果显著.结合各学者的研究成果可知,智舌技术已经成熟,能够应用于茶、乳、酒等多种产品的品质辨识.智舌测得的不是被测样品中某种或某几种成分的定性与定量结果,而是样品的整体信息,也称作“指纹”数据,可通过适当地多元统计分析方法对“指纹”数据进行处理,实现对待测液整体品质的客观分析.目前,研究中常用到的方法主要有主成分分析(principal component analysis,PCA)、线性判别分析(linear discriminant analysis,LDA)、偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)、人工神经网络(artificial neural networks,ANN)等.贺玮等(2009)应用PCA对电子舌所测得的不同等级的普洱茶“指纹”数据进行分析,有效地区分了三种等级的样品;谈国风等[6]通过LDA区分不同质量浓度新霉素的奶粉溶液,区分效果显著.本文分别以不同炒制温度和时间以及不同储期的苦荞茶为对象,采用智舌技术及PCA和LDA多元统计方法对其滋味品质进行辨识,为智舌在苦荞茶感官品质电子检测标准体系的建立中的应用提供技术依据.

1　材料与方法

1.1　材料

1.1.1　不同炒制温度和时间制备的苦荞茶样品

苦荞经蒸煮、脱壳处理后得到未经炒制的苦荞米,苦荞米在不同温度和时间梯度条件下炒制后得到12组不同处理的苦荞茶样品,样品编号见表1.

1.1.2　不同储期的7组苦荞茶样品

实验所用不同储期的苦荞茶均为炒制样品,加工工艺参数一致(180℃,25 min).苦荞茶成品均置于密封袋中,密封,保持室温(25±1)℃,储藏1～8月,样品编号见表1.

1.2　仪器与检测方法

采用上海昂申智能科技有限公司提供的smartongue智舌检测装置,智舌也常称为电子舌.智舌系统由交互敏感传感器阵列、信号采集电路和基于模式识别的数据处理软件三部分组成.传感器阵列采用标准的三电极系统,直径为Φ2 mm铂电极、金电极、钯电极、钛电极、钨电极和银电极作为工作电极,以铂柱电极为辅助电极,Ag/AgCl作为参比电极,外盐桥使用饱和氯化钾溶液.信号采集以常规大幅脉冲激发信号为基元模式,每个脉冲频率段的幅度变化相同.起始电位1.0 V,终止电位-1.0 V,电平步进-0.2 V.采用1,10,100 Hz 3个脉冲频率,脉冲时间间隔0.001 s.

表1　不同炒制温度、时间及储藏时间的苦荞茶样品信息
Tab.1　Information of tartary buckwheat tea produced under dif-ferent roasting temperatures,time and storage periods

?

检测样品之前,设置智舌扫描灵敏度为10-4mol/L,然后将6种金属传感器组成的传感器阵列置于蒸馏水中,以3个频率大幅脉冲作为激发信号进行预扫描并进行标准化处理,使响应信号趋于稳定,以确保采集所得数据的可靠性和稳定性.检测时间为180 s,每测完一个样,都需用蒸馏水对电极进行清洗.

1.3　样品预处理

准确称取5 g苦荞茶为一个茶样样品,每组处理包含随机挑选的5个平行样品,则12种不同工艺参数处理的样品可得容量为60的样本,7组不同储藏时间的样品可得容量为35的样本.智舌进行检测前需对样品进行处理.按V(茶)∶V(水)=1∶20的比例,用100 mL的沸水(纯净水)冲泡10 min,将茶汤倒出,过滤,取80 mL置于100 mL烧杯中,静置冷却至室温25℃,待测.

2　结果与分析

2.1　数据处理方法

实验数据的采集、分析和模式识别均由智舌自带的smartongue数据处理软件完成.采集的数据选取每个相应电流脉冲信号的最大、最小和2个拐点共4个值作为特征值组合进行分析.数学分析方法采用PCA和LDA.

PCA是模式识别中最基本的多元统计分析方法.它是将原变量进行线性组合,转换成几个互不相关的新变量(即主成分),能够尽可能多地表征原变量的数据结构特征而不丢失信息,从而达到数据降维和简化问题的目的[10-14].主成分的累计方差大于总方差的85%,就认为基本可以代表原数据的特征.PCA方法得到的特征是原变量的最佳描述特征而非最佳分类特征.

LDA属于有监督模式识别方法,是监督模式识别方法中最常用和研究最广的方法.LDA选择能够最大程度分开所给各类的分割面作为它的投影方向,即找到一个函数,该函数的变量为原始变量的线性组合[11,15-20].这种计算判别函数的方法可以使投影后模式样本在新的空间中有最小的类内距离和最大的类间距离,即模式在该空间中有最佳的可分离性.

区分指数(discrimination index,DI)是滋味指纹分析技术区分类间样品的程度以及类内样品离散度的表征值.当类间样品区分明显,各类样品之间无重叠时,DI呈正值,且类间距离越远、类内样品越聚拢,该值越大,最大值为100%;反之,当类间样品出现重叠,样品区分不明显时,DI值呈现负值,且重叠现象越严重、类内样品越离散,该值越小[12,21-25].

2.2　不同炒制温度和时间对苦荞茶品质的影响

使用智舌的6个工作电极分别在1,10,100 Hz 3个频率段下对12组不同炒制温度和时间制得的苦荞茶样品进行检测.由单个电极区分不同炒制工艺制备的12组苦荞茶样品的结果见表2,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.使用smartongue数据处理软件进行传感器组合优化,结果显示,采用在金电极(S2)100 Hz和钯电极(S3)1 Hz频率段下测得DI值最大,为-12.83%,12种苦荞茶的区分效果最好,如表3(前10位).

表2　单电极对不同炒制工艺和储藏时间的苦荞茶样品的区分度
Tab.2　Discrimination degree of single electrode on tartary buckwheat tea produced under different roasting temperatures and time and storage periods %

?

2.2.1　不同炒制温度和时间制备的12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PC1和主成分PC2的主成分得分图,如图1.图中的每个小框代表该种样品的整体特性,其中5个记号点分别代表此种样品的5个重复.图1显示,主成分PC1的贡献率为73.3%,主成分PC2的贡献率为14.2%,二者的累计贡献率达到87.5%,即保留了原始数据的87.5%的信息量.不同样品类间品质差异可以通过主成分得分图上的距离表征,两类样品的距离越近说明其品质特性越相似.

由图1可以看出,PC2可以较好地区分12组样品中,160 ℃(LR-4、5、6),170 ℃(LR-7、8、9)和 180℃(LR-10、11、12)条件下炒制的苦荞茶样品,且160℃炒制的样品与其他2组相距较远,表明160℃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-4、LR-5和LR-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℃(LR-1),150℃(LR-2),和155℃(LR-3)制得的3组样品聚成一类,介于160℃和170℃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　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　Optimized sensor combination of tartary buckwheat tea produced under different roasting temperatures and time

?

图1　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　PCA of tartary buckwheat tea produced under different roasting temperatures and time

2.2.2　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99.8%.类间距离表明,12组样品间,分别在160,170,180℃下炒制的3组样品均各自聚集,且160℃条件下炒制的样品与170℃和180℃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℃下,炒制25 min的3组样品滋味品质相似,距离较近.

图2　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　LDA of tartary buckwheat tea produced under different roasting temperatures and time

2.3　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 -82.73%,7种苦荞茶样品的区分效果最好.

2.3.1　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55.4%,主成分PC2的贡献率为8.6%,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个主成分的累计贡献率才能保留原始数据85%以上的信息量.由于前2个主成分保留原始数据信息量太少,图中7组样品相互重叠,组内样品分布离散,分类效果并不理想.

表4　智舌测定不同储期的苦荞茶数据的传感器优化组合
Tab.4　Optimized sensor combination of tartary buckwheat tea produced under different storage period

?

2.3.2　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55.4%,主成分PC2的贡献率为8.6%,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个主成分的累计贡献率才能保留原始数据85%以上的信息量.由于前2个主成分保留原始数据信息量太少,图中7组样品相互重叠,组内样品分布离散,分类效果并不理想.

2.3.3　不同储期的7组苦荞茶样品的LDA结果

图4是对经传感器组合优化后的7组不同储藏时间的苦荞茶样品数据进行LDA的分析结果.从图中可以看出,LDA可以将7组样品很好地区分开来,类内样品聚拢,类间样品无重叠,且距离较远,其区别指数(DI值)达到99.7%,表明不同储藏时间的苦荞茶样品间滋味品质差异较大.

图3　不同储期的苦荞茶样品的主成分分析
Fig.3　PCA of tartary buckwheat tea produced under different storage periods

图4　不同储期的苦荞茶样品的线性判别分析
Fig.4　LDA of tartary buckwheat tea produced under different storage periods

3　讨论与结论

不同炒制温度和时间制备的苦荞茶样品的PCA和LDA结果均表明,炒制温度对苦荞茶的滋味品质影响较大,样品之间差异显著.相比之下,炒制时间对苦荞茶滋味品质的影响不显著.且PCA和LDA二者在苦荞茶滋味品质鉴别上的区分结果趋势一致,但LDA的区分效果更为精确.不同储期的苦荞茶样品的LDA结果表明,储藏时间对苦荞茶的滋味品质的影响显著.因此,在苦荞茶的生产过程中,应严格控制炒制温度,防止因炒制温度改变而导致产品品质不一致;同时依据销售情况控制生产,确保库内货物及时流通,避免因货物囤积,储藏时间太久致使产品品质降低而产生的售后投诉的现象.

苦荞茶作为近年来新兴起的一种保健类的非传统茶,因其富含黄酮类物质,适合“三高”类人群饮用而被人熟知,但目前关于苦荞茶的科学研究较少,仅有的研究主要集中在苦荞茶中芦丁和黄酮类物质含量的测定以及新型复配型苦荞茶的研制,对于苦荞茶的感官品质和质量控制方面的研究甚少.但随着苦荞茶产业的不断发展,不同加工工艺的苦荞茶产品陆续进入市场,由于缺乏统一生产的技术标准和产品质量标准,加之苦荞品种和加工技术等各种因素影响,苦荞茶的品质差异较大,质量参差不齐.本实验结果表明,智舌能够有效地区分不同炒制温度和时间以及不同储期条件下制得的苦荞茶样品并且显示出不同的苦荞茶样品具有明显不同的品质特征.依据智舌的自身优势和特点,其有望成为苦荞茶品质特性、质量等级划分以及品质稳定性控制等方面的有效辅助工具,具有很好的应用前景,为规范苦荞茶的生产加工和消费流通,建立苦荞茶感官品质电子检测标准体系打下了基础.

参考文献：

[1] 尹礼国,钟耕,闵艳萍,等.苦荞保健茶开发研究[J].粮食与油脂,2003(7):6-8.

[2] 隋秀芳,李祥,秦礼康,等.蒸煮和焙炒整米苦荞茶香气成分分析及生产过程中主要化学成分的去向[J].食品科学,2012,32(22):269-273.

[3] 巩发永,肖诗明.凉山州苦荞茶产业现状及发展思路[J].江苏农业科学,2012,40(8):418-419.

[4] 贺玮,胡小松,赵镭,等.电子舌技术在普洱散茶等级评价中的应用[J].食品工业科技,2009,30(11):125-127,131.

[5] Kovács Z,Dalmadi I,Lukacs L,et al.Geographical origin identification of pure Sri Lanka tea infusions with electronic nose,electronic tongue and sensory profile analysis[J].Journal of Chemometrics,2010,24(3-4):121-130.

[6] 谈国凤,田师一,沈宗根,等.电子舌检测奶粉中抗生素残留[J].农业工程学报,2011,27(4):361-365.

[7] 牛海霞.基于多频脉冲电子舌的茶饮料区分辨识[J].食品工业科技,2008,29(6):124-125,128.

[8] 张东星,罗之纲,田师一,等.智舌在茶类饮料生产中的应用[J].食品研究与开发,2010,31(3):184-186.

[9] 田师一,邓少平.多频脉冲电子舌对酒类品种区分与辨识[J].酿酒科技,2006(11):24-26.

[10] 吴瑞梅,赵杰文,陈全胜,等.基于电子舌技术的绿茶滋味品质评价[J].农业工程学报,2011,27(11):378-381.

[11] 古小玲,刘栩,李达敏,等.海南红碎茶电子舌技术应用及其与感官审评比较[J].热带作物学报,2012,33(7):1293-1296.

[12] Hong E J,Kim K H,Park I S,et al.Analysis of flavor pattern from different categories of cheeses using electronic nose[J].Korean Journal for Food Science of Animal Resources,2012,32(5):669-677.

[13] Gutiérrez J M,Moreno-Barón L,Pividori M I,et al.A voltammetric electronic tongue made of modified epoxygraphite electrodes for the qualitative analysis of wine[J].Mikrochimica Acta,2010,169(3-4):261-268.

[14] 梁逸曾,俞汝勤.化学计量学[M].北京:高等教育出版社,2003:210-213.

[15] 薛璐,王昌禄,胡志和,等.基于电子鼻对酥油贮藏期间质量变化规律的研究[J].食品科学,2012,32(16):221-224.

[16] 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.

[17] 吴从元,王俊,肖宏,等.纯牛奶品牌识别中电子舌传感器阵列优化[J].农业机械学报,2010,41(10):138-142,158.

[18] 高利萍,王俊,崔绍庆.电子舌检测不同冷藏时间草莓鲜榨汁的品质变化[J].农业工程学报,2012,28(23):250-256.

[19] 张夏宾,王晓萍,田师一,等.新型伏安型多频脉冲电子舌及其应用[J].浙江大学学报:自然科学版,2008,42(10):1706-1709..

[20] 贾洪锋,梁爱华,何江红,等.电子舌对啤酒的区分识别研究[J].食品科学,2011,32(24):252-255.

[21] 陈春艳,窦文超,田师一,等.智舌快速检测水产品中的麦氏弧菌[J].食品科学,2012,33(18):165-170.

[22] 史波林,赵镭,汪厚银.智能感官分析技术在茶叶品质检测中的应用[J].食品科学,2009,30(19):351-355.

[23] Subari N,Mohamad Saleh J,Shakaff A Y M,et al.A hybrid sensing approach for pure and adulterated honey classification[J].Sensors,2012,12(12):14022-14040.

[24] Dias L A,Peres A M,Vilas-Boas M,et al.An electronic tongue for honey classification[J].Mikrochimica Acta,2008,163(1-2):97-102.

[25] Oliveri P,Baldo M A,Daniele S,et al.Development of a voltammetric electronic tongue for discrimination of edible oils[J].Analytical and Bioanalytical Chemistry,2009,395(4):1135-1143.

Research of Smartongue on Quality Identification of Tartary Buckwheat Tea with Different Roasting Condition and Storage Period

CAO Jing1,WANG Min1,*,ZHANG Zhen1,SHAN Fang2,XU Bianna3,LI Rong3
(1.College of Food Science and Engineering,Northwest A&F University,Yangling 712100,China;2.Academy of Agricultural Sciences and Institute of Agricultural Product Processing,Taiyuan 030031,China;3.Xi'an Tigermark Tea and food Co.Ltd.,Xi'an 710054,China)

Abstract:Smart-tongue was used in quality identification of tartary buckwheat tea in different roasting temperatures,time,and storage periods.Platinum,gold,palladium,tungsten,titanium,and silver electrodes were used as working electrodes to detect the quality under different pulse frequencies of 1,10,and 100 Hz.Moreover,principal component analysis(PCA)and linear discriminant analysis(LDA)were used for data analysis.The results showed that the quality of tartary buckwheat tea was significantly influenced by roasting temperature and the storage period.However,roasting time did not significantly affect the tea quality.PCA could distinguish tartary buckwheat tea produced under big temperature differences,but had nothing to do with tartary buckwheat tea produced under the same roasting temperature,different roasting time,and different storage periods.However,LDA could reflect the discrepancy in tartary buckwheat tea produced under different roasting temperatures and time(12 samples)and storage periods(7 samples),and the discrimination indexes(DI)were 99.8%and 99.7%.

Key words:tartary buckwheat tea;smartongue;quality identification;principal component analysis;linear discriminant analysis

中图分类号：TS272.5

文献标志码：A

doi:10.3969/j.issn.2095-6002.2014.06.007

文章编号：2095-6002(2014)06-0029-07

引用格式：曹静,王敏,张珍,等.不同炒制方式及贮藏时间对苦荞茶滋味影响的智舌辨识研究.食品科学技术学报,2014,32(6):29-35.

CAO Jing,WANG Min,ZHANGZhen,et al.Research of smartongue on quality identification of tartary buckwheat tea with different roasting condition and storage period.Journal of Food Science and Technology,2014,32(6):29-35.

收稿日期:2013 12 08

基金项目:“十二五”国家燕麦产业技术体系建设基金资助项目(CARS-08);粗粮及杂豆食用品质改良及深度加工关键技术研究与集成示范项目(2012BAD34B05).

作者简介:曹 静,女,硕士研究生,研究方向为食品工程;*王 敏,女,教授,博士生导师,主要从事食品营养与化学方面的研究.

通讯作者.

(责任编辑:李 宁)