一種應(yīng)用智能感官信號進行茶葉品質(zhì)的模式識別分析過程中檢測異常樣本的方法
【專利摘要】一種應(yīng)用智能感官信號進行茶葉品質(zhì)的模式識別分析過程中檢測異常樣本的方法，其特征在于：判斷異常樣本的產(chǎn)生是否是誤操作或儀器異常，是，則通過重新采集進行糾正;否，則使用主成分分析得分圖法結(jié)合馬氏距離法對異常樣本進行識別。
【專利說明】一種應(yīng)用智能感官信號進行茶葉品質(zhì)的模式識別分析過程中檢測異常樣本的方法
【技術(shù)領(lǐng)域】
[0001]本申請涉及一種應(yīng)用智能感官信號進行茶葉品質(zhì)的模式識別分析過程中檢測異常樣本的方法。
【背景技術(shù)】
[0002]長期以來感官品評是評定茶葉品質(zhì)優(yōu)劣的重要方法，但該方法需要有豐富的茶學(xué)知識和審評經(jīng)驗。除非是專業(yè)茶葉審評員、經(jīng)銷商或制造商，一般購茶者很難分辨茶葉質(zhì)量的優(yōu)劣，沒有相當(dāng)經(jīng)驗的積累，難以得到可靠的結(jié)果。并且培養(yǎng)一名茶葉評審員不僅要精心挑選，投入大量費用，而且訓(xùn)練周期也比較長。況且即便是專業(yè)品茶師，其感覺器官的靈敏度也易受外界因素的干擾而改變，從而影響評價結(jié)果的準確性、客觀性和一致性。如人的嗅覺分辨力易受外界異雜氣味的干擾；人的味覺敏感度易受其它刺激性食物及其溫度的影響；人的視覺涉及到光學(xué)、視覺生理、視覺心理等諸多因素，不同人的辨色能力會存在一定的差別。審評人員感覺器官的靈敏度還受其它因素的影響，如地域差異、性別差別、精神狀態(tài)及身體狀況等因素。此外，感官審評需在對照實物標準樣的基礎(chǔ)上進行，而實物標準樣的制作受到各種條件的限制，難以保持幾年連續(xù)一致。并且標準樣采用前一年度或前幾年度的生產(chǎn)性產(chǎn)品作原料，不可能不受天時、氣候、地理條件的影響，所以事實上標準樣品質(zhì)很難達到絕對的標準。
[0003]本發(fā)明對不同采摘期、不同樹種、不同產(chǎn)區(qū)的龍井茶從理化指標和感官指標出發(fā)，結(jié)合智能化感官分析、多元統(tǒng)計和現(xiàn)代儀器分析的集成技術(shù)，全方位的解析龍井茶特征，分析茶葉各指標的內(nèi)在關(guān)系，建立定性、定量評價龍井茶品質(zhì)的數(shù)學(xué)模型，對龍井茶質(zhì)量進行準確的特征識別、等級評定，為建立統(tǒng)一的綠茶評價體系標準提供強有力的依據(jù)。這些研究在理論上將為我國其它茶葉的質(zhì)量評價提供基礎(chǔ)和支撐，在實踐中對于提高我國茶葉質(zhì)量的穩(wěn)定性，通過標準化手段強化我國茶葉的分等分級，實現(xiàn)茶葉的優(yōu)質(zhì)優(yōu)價，打破我國出口茶葉的高質(zhì)低價傳統(tǒng)，消除發(fā)達國家對我國產(chǎn)品優(yōu)質(zhì)低價的質(zhì)疑，對于維護國內(nèi)市場秩序和保障消費者的切身利益，積極捍衛(wèi)我國茶葉產(chǎn)品的國際聲譽，促進國際貿(mào)易等具有重要的意義和顯著的社會效益、經(jīng)濟效益。
[0004]近年來隨著現(xiàn)代儀器分析技術(shù)的發(fā)展，茶葉的理化研究也得到了相應(yīng)的進展。茶葉香氣物質(zhì)分離和分析技術(shù)已逐步從常規(guī)的氣相色譜(GC)或氣相色譜-質(zhì)譜聯(lián)用(GC-MS)過渡到氣相色譜-嗅辨(GC-O)方法。目前已檢測出七百多種的茶葉香氣成分，包括脂肪類衍生物、萜烯類衍生物、芳香族衍生物和含氮氧雜環(huán)類化合物。但即便如此，單純從成分的角度也難以反應(yīng)茶葉香氣的整體特征信息和香氣品質(zhì)。對茶葉呈味物質(zhì)的儀器分析技術(shù)主要有液相色譜法、光譜法、質(zhì)譜法、核磁共振法等。目前，已明確茶葉中含有機化學(xué)成分多達六百余種，無機礦物元素亦達四十多種。但由于各種滋味之間存在著相互作用，如味覺的對t匕、變調(diào)、協(xié)調(diào)和相殺等現(xiàn)象，所以測得的化學(xué)特性參數(shù)并不能真實全面地反映出樣品的味覺特征。[0005]智能感官分析技術(shù)的出現(xiàn)進一步推動了茶葉品質(zhì)檢測水平，它是基于對人體感官感知過程模仿的技術(shù)。傳感器相當(dāng)于生物系統(tǒng)中的感覺器官，對被測樣品某方面的屬性產(chǎn)生響應(yīng)信號；信號采集器如同神經(jīng)系統(tǒng)對響應(yīng)信號進行傳輸和簡單處理；電腦如同人腦對信號數(shù)據(jù)進行復(fù)雜處理和分析識別，形成綜合、整體的判斷。智能感官分析技術(shù)具有檢測時間短、重復(fù)性好、不需要復(fù)雜的樣品預(yù)處理過程、不發(fā)生感官疲勞和檢測結(jié)果客觀可靠等特點，更重要的是可以在一定程度上模擬人的感官給出有關(guān)茶葉香氣、滋味和外質(zhì)的評判結(jié)果和指紋信息，是目前茶葉品質(zhì)檢測研究的熱點和發(fā)展趨勢。目前針對茶葉中的色、香、味、形等感官屬性，所采用的智能感官分析技術(shù)主要有機器視覺、電子鼻和電子舌技術(shù)，其工作流程主要包括傳感器產(chǎn)生響應(yīng)信號、對響應(yīng)信號進行預(yù)處理、提取樣品特征信息、建立相關(guān)模型并進行模式識別。其中模式識別是智能感官系統(tǒng)的重要組成部分。目前應(yīng)用的主要方法有主成分分析、人工神經(jīng)網(wǎng)絡(luò)和模糊識別等。主成分分析用于信號處理，抑制多維傳感器響應(yīng)信號噪聲和壓縮信號數(shù)據(jù)。人工神經(jīng)網(wǎng)絡(luò)對處理后的信號進行學(xué)習(xí)和訓(xùn)練，建立網(wǎng)絡(luò)模型。模糊識別則以模糊推理對復(fù)雜事物進行模糊識別、模糊定量。
[0006]采用智能感官技術(shù)模擬人感官審評的功能和特征,結(jié)合多算法研究處理智能感官檢測中所蘊含的豐富的產(chǎn)品品質(zhì)信息，進而抽取出相對應(yīng)的計算模型和方法。以解決終端問題為目的的算法，在多個智能傳感器對象和多個產(chǎn)品指標互相關(guān)聯(lián)的情況下分析它們的統(tǒng)計規(guī)律，很適合食品科學(xué)研究的特點。采用多算法、智能感官分析技術(shù)和現(xiàn)代儀器分析技術(shù)等集成技術(shù)，能夠克服多指標綜合評價帶來的統(tǒng)計和分析的麻煩，同時也能夠充分利用實驗數(shù)據(jù)信息得到與茶葉特征品質(zhì)相關(guān)的隱含細節(jié)，使得茶葉特征品質(zhì)的統(tǒng)計分析和模式判別可以同時完成，既迅速又準確。由此，為建立我國茶葉的特征品質(zhì)數(shù)據(jù)庫和智能化品質(zhì)評價系統(tǒng)，實現(xiàn)對茶葉品質(zhì)快速、準確、全面的分析，為我國茶葉特征品質(zhì)的科學(xué)評價、合理界定提供借鑒和指導(dǎo)，為我國茶葉的品質(zhì)保證、特色保護、真?zhèn)舞b別提供核心的技術(shù)支撐。
[0007]電子鼻作為20世紀90年代發(fā)展起來的新型氣味掃描儀，目前已廣泛應(yīng)用于食品、飲料、化妝品、環(huán)境檢測以及農(nóng)產(chǎn)品加工過程控制等領(lǐng)域。與普通的化學(xué)分析方法相比，電子鼻利用其對多種氣體的交叉敏感性，綜合評價氣體的整體信息，與人的嗅覺相比，測定結(jié)果更加客觀、可靠。
[0008]電子舌技術(shù)是20世紀80年代中期發(fā)展起來的一種分析、識別液體味道的新型檢測手段，現(xiàn)已被應(yīng)用于食品、醫(yī)藥、化妝品、化工、環(huán)境監(jiān)測等領(lǐng)域。與普通的化學(xué)分析方法相比，電子舌輸出的并不是樣品滋味成分的分析結(jié)果，而是一種與樣品有關(guān)的信號模式，經(jīng)過具有模式識別能力的軟件系統(tǒng)分析后，可得出對樣品味覺特征有關(guān)的總體評價。
[0009]綜上所述，智能感官分析技術(shù)(機器視覺技術(shù)、電子鼻技術(shù)和電子舌技術(shù))在茶葉品質(zhì)檢測中已取得了較好結(jié)果，并顯示了較好的應(yīng)用前景。但目前這些技術(shù)離實際應(yīng)用還有一定差距，尚有一些關(guān)鍵性問題需要解決。如:
(I)電子鼻、電子舌的關(guān)鍵技術(shù)研究:機器視覺技術(shù)已經(jīng)在實際中廣泛應(yīng)用，但電子鼻、電子舌尚處于研發(fā)階段，因此要構(gòu)建綜合的智能感官系統(tǒng)，需要對電子鼻、電子舌進行深入研究，解決其關(guān)鍵問題。
[0010](2)特異性傳感器的研制與篩選:由于不同類型的樣品具有其特定的物質(zhì)體系，導(dǎo)致不同類型的傳感器對不同物質(zhì)的響應(yīng)都不同。因此，需進一步深入研究，針對特定的物質(zhì)體系建立響應(yīng)快、敏感度高、壽命長、清洗方便、經(jīng)濟適用的傳感器陣列。[0011](3)樣品的代表性和采樣的科學(xué)性:目前的研究報道中，其結(jié)果大都顯示對茶葉分類或分級的判別率較高。但這些研究中，茶葉樣品的代表性不夠強，樣品數(shù)也不夠全，在采集樣品信息時，基本都是平行樣，即每個等級的茶葉檢測都重復(fù)很多次，使得模型的穩(wěn)定性不佳，使用范圍不廣。只有建立科學(xué)的樣品采集方法和樣品代表性的判別原則，才能保證后續(xù)模型的順利建立。
[0012](4)信號的漂移和去噪:由于儀器測量參數(shù)、測量方法、測量環(huán)境、樣品來源等因素變化，容易導(dǎo)致傳感器響應(yīng)曲線的漂移，引起智能感官檢測的誤差，使其不能適應(yīng)工業(yè)化的長時間連續(xù)作業(yè)，因此需要加強有關(guān)減小響應(yīng)信號漂移、信號噪聲分析處理技術(shù)的研究。
[0013](5)模型的魯棒性:有些研究在建立判別模型時，未對模型進行詳細討論，也未使用獨立的預(yù)測樣本來檢驗?zāi)Ｐ偷聂敯粜?。此外，品質(zhì)判別中所建模型的穩(wěn)定性不足，需要加強算法的研究及改進，以提高模式識別的效力。
[0014]電子鼻系統(tǒng)屬于多根傳感器的陣列組合，由于茶葉香氣成分復(fù)雜，使得每個傳感器對很多香氣都有響應(yīng)，而每個香氣成分又在很多傳感器上有響應(yīng)，使得傳感器指紋圖譜陣列能最大程度的保留香氣信息，但又容易引入大量冗余信息，導(dǎo)致品質(zhì)建模計算量大、耗費時間長、所建模型復(fù)雜不穩(wěn)定。其主要原因為:(1)由于智能感官指紋圖譜中，有些傳感器的樣品響應(yīng)信息很弱，直接影響模型的預(yù)測精度；(2)由于電子鼻儀器噪聲的影響，一些傳感器的樣品信息信噪比(SNR)較低；同時，外界的干擾因素(如溫度、濕度等)對樣品品質(zhì)在某些傳感器處的指紋響應(yīng)特性影響較大，從而降低了模型的穩(wěn)健性；(3)茶葉香氣中含有多種組分，每一種組分都會在某一個或幾個傳感器中有較強的響應(yīng)，而作為茶葉香氣整體信息的檢測，需要優(yōu)化組合對不同香氣有特殊響應(yīng)的傳感器陣列，才能綜合有效的特征香氣指紋信息。
[0015]通過傳感器的合理選擇與組合，不僅可以剔除不相關(guān)或非線性的嗅聞傳感器，去除冗余傳感器數(shù)據(jù)信息，提取最有效的香氣智能嗅聞指紋圖譜信息，使校正模型具有更好的預(yù)測能力，簡化運算。而且可以省去那些對模式識別效果沒有顯著影響甚至有負面影響的傳感器，從而對降低電子鼻的制造成本，提高系統(tǒng)穩(wěn)定性都有一定的積極意義。
[0016]傳感器選擇就是實踐中經(jīng)常遇到的一種優(yōu)化問題。目前所采用的優(yōu)化組合法雖然在一定程度上使用了組合的理念，但這個組合是在初步剔除的基礎(chǔ)上，對分組后的傳感器陣列進行組合，并未達到全局優(yōu)化組合的效果。而Loading值法雖然避免了冗余傳感器的加入，但并未分析被選傳感器的響應(yīng)性能，即同一傳感器對同一樣品響應(yīng)的重復(fù)性和對不同樣品響應(yīng)的區(qū)分性。遺產(chǎn)算法(Genetic Algorithms，縮寫為GA)是以達爾文的適者生存和優(yōu)勝劣汰的生物進化理論為基礎(chǔ)，模擬生物界的遺傳和進化過程而建立的一種優(yōu)化方法，具有非導(dǎo)數(shù)、隨機全局優(yōu)化、避免陷入局部極小點和易實現(xiàn)等特點。

【發(fā)明內(nèi)容】

[0017]一種應(yīng)用智能感官信號進行茶葉品質(zhì)的模式識別分析過程中檢測異常樣本的方法，其特征在于:判斷異常樣本的產(chǎn)生是否是誤操作或儀器異常，是，則通過重新采集進行糾正；否，則使用主成分分析得分圖法結(jié)合馬氏距離法對異常樣本進行識別。所述的主成分分析得分圖法在不丟失主要圖譜信息的前提下將數(shù)據(jù)降維，選擇維數(shù)較少的新變量來代替原來較多的變量，以消除信息共存中相互重疊的部分，通過對原始圖譜變量進行轉(zhuǎn)換，使數(shù)目較少的新變量成為原始變量的線性組合；所述馬氏距離(Mahalanobis)判別方法結(jié)合傳感器的響應(yīng)數(shù)據(jù)來進行，圖譜樣本的馬氏距離計算步驟如下:
【權(quán)利要求】
1.一種應(yīng)用智能感官信號進行茶葉品質(zhì)的模式識別分析過程中檢測異常樣本的方法，其特征在于:判斷異常樣本的產(chǎn)生是否是誤操作或儀器異常，是，則通過重新采集進行糾正；否，則使用主成分分析得分圖法結(jié)合馬氏距離法對異常樣本進行識別，所述的主成分分析得分圖法在不丟失主要圖譜信息的前提下將數(shù)據(jù)降維，選擇維數(shù)較少的新變量來代替原來較多的變量，以消除信息共存中相互重疊的部分，通過對原始圖譜變量進行轉(zhuǎn)換，使數(shù)目較少的新變量成為原始變量的線性組合；所述馬氏距離(Mahalanobis)判別方法結(jié)合傳感器的響應(yīng)數(shù)據(jù)來進行，圖譜樣本的馬氏距離計算步驟如下:

【文檔編號】G01N33/02GK103487558SQ201310323279
【公開日】2014年1月1日 申請日期:2013年7月30日 優(yōu)先權(quán)日:2013年7月30日
【發(fā)明者】趙鐳, 史波林, 支瑞聰, 汪厚銀, 裴高璞, 劉寧晶, 解楠, 張璐璐 申請人:中國標準化研究院