《食品科学与工程毕业设计（论文）-电子舌技术在普洱茶品质识别中应用的研究.doc》由会员分享，可在线阅读，更多相关《食品科学与工程毕业设计（论文）-电子舌技术在普洱茶品质识别中应用的研究.doc（40页珍藏版）》请在三一文库上搜索。
1、编号NO：河北农业大学毕业论文论文题目 电子舌技术在普洱茶品质识别中应用的研究 学生姓名 张寅 学号 2007244010102 成绩 学院 食品科技学院 专业班级 食品科学与工程0701班 指导教师姓名 _赵文_ 指导教师职称 教授 材料目录：1、任务书 （ 1 ）份2、开题报告 （ 1 ）份3、文献综述 （ 1 ）份4、翻译文章及外文原文 （ 1 ）份5、开题报告记录表 （ 1 ）份6、阶段检查表 （ 1 ）份7、指导教师评阅书 （ 1 ）份8、专家评阅书 （ 1 ）份9、答辩评分表 （ 1 ）份10、答辩记录表 （ 1 ）份11、论文正文 （ 1 ）份12、其它材料：河北农业大学食品科技
2、学院毕业论文任务书学 院： 食品科技学院 教师姓名： 赵文 职 称： 教授 二零一一 年 四 月 十 日专业名称食品科学与工程论文题目电子舌技术在普洱茶品质识别中应用的研究题目来源自选目的意义： 一直以来，对于茶叶品质的评定，国内外普遍采用的是感官评审法。感官评审法往往受评茶师个人的经验、心里与生理等因素的影响。比如，对于同一个茶叶，不同的评茶师由于其嗜好、情绪、性别及感官灵敏度等影响，可能难以获得一致的评定结果。因此对品茶师的要求很高，感官评定既要求评茶师有丰富经验，又要求其不受任何主观因素的影响7。而且感官审评需在对照实物标准样的基础上进行，而实物标准样的制作受到各种条件的限制，难以保持连
3、续一致，而且标准样采用前一年度或前几年度的生产性产品作原料，不可能不受天时、气候、地理条件的影响，所以标准样品事实上也不标准。茶学与化学研究工作者致力于寻求一种能辅助或取代感官审评的茶叶品质理化评判法。为了在茶叶生产、流通过程中有一个严格一致的计量标准，早在50年代中期，茶叶科学工作者就开始从理化的角度探索和寻求评定茶叶品质的新方法。经过多年的研究，已经取得一些成果。但是因为茶叶品质因素非常复杂，在所掌握的评定茶叶好坏的知识中含有大量不完全确定的信息，其中很多数据随着品种、地域、水肥和采制等条件的变化而不同。利用传统的数学方法己无法较好解决这一问题，所以至今没有得到应用。 而电子舌技术模拟了哺
4、乳动物的味觉机理，检测时，传感器阵列对液体试样产生响应并输出信号，响应信号经计算机系统进行数据处理和模式识别后，得到反映样品味觉特征的结果。电子舌在饮料工业、制药业、农业、环境检测和医学检测等行业具有广阔的应用前景8。 随着电子舌日趋完善，也让我们看到了一种通过滋味综合信息来评价茶叶品质等级的新方法。而且通过与计算机联用，可以提供强大的分析识别能力，可以在几分钟内客观地扫描茶叶样本，对茶叶品质的整体信息特征进行分析判别。日前在国内外的一些文献中也已有不少关于通过电子舌检测茶叶成分的综合信息，来区别不同的茶类、不同茶叶产地以及不同加工方法的文章。因此，我们拟通过电子舌技术来获取不同品质等级茶叶挥
5、发性成分的“指纹图”，并以此作为依据，实现对茶叶不同质等级茶叶的判别与鉴定。可行性分析：1 研究条件实习地点的实验室可满足试验的需求，有气相、液相、气质(液质)议、氨基酸自动分析仪、等离子发射光谱仪、质子X荧光分析法、近红外、托卡纤维测定仪等高档、精密仪器设备。实验设计合理，在理论上可行，用各种传感器来代替评审师的相应各部分感官对茶叶的各项检测给出打分，这种技术更为客观，不受主观因素的影响。2 预期结果相应的电子舌的工作过程为:味觉传感器阵列相当于舌头，感受不同的呈味物质，并产生电信号；信号调理电路及数据采集系统对味觉传感器产生的电信号进行放大、A/D 转换、采样和传输，并最后将这些信号送入电
6、脑;软件分析，对采集的数据进行模式识别，做出判断并输出结果。3 可能存在的问题电子舌技术主要还是用在食品定性方面，对于其定量的应用研究现在还不多，这主要是由于传感器特点所决定。然而，电子舌作为一种快速、无损的现代化分析检测仪器，在许多检测分析领域都需要达到定量分析的水平，这大大限制了电子舌在许多领域的应用拓展。进度安排： 2011.3.103.16：接到论文任务书，查阅相关资料，撰写开题报告；2011.3.163.20：撰写文献综述，并翻译英文文献，开题； 2011.3.213.31：准备实验所需仪器、试剂等；2011.4.15.24：进行实验，整理实验数据，撰写毕业论文；2011.5.256
7、.5：修改毕业论文，准备毕业论文答辩；专家意见：选题有重要理论意义及实用价值，立题依据充分，试验设计合理，工作量充足，同意开展试验工作。专家签字：年 月 日学院意见: 同意立题院长： 年 月 日 食品科技 学院 食品科学与工程 专业 张寅 学生：现把 2010-2011 学年，第 2 学期的毕业论文安排下达给你，你本学期承担的毕业论文任务如下：1、依据本任务书中论文题目、目的意义、可行性分析的内容完成开题报告。2、按照开题报告的要求按期完成毕业论文各项工作的实施。3、完成毕业论文的撰写。4、完成毕业论文的答辩。 请按相关要求完成毕业论文任务。教师签字： 年 月 日河北农业大学毕业论文开题报告题
8、 目：电子舌技术在普洱茶品质 识别中应用的研究 学 院： 食品科技学院 学生姓名： 张寅 专 业： 食品科学与工程 班级学号： 2007244010102 指导教师姓名： 赵文 指导教师职称： 教授 二零一一 年 四 月 二十 日学生姓名张寅专业班级食品科学与工程0701学 号2007244010102指导教师赵文职 称教授所在学院食品科技学院论文名称电子舌技术在普洱茶品质识别中应用的研究 选题依据： 随着人们生活水平的提高，人们越来越关注自身的健康，注重日常饮食的质量。茶叶内含物中有丰富的营养，与人体的代谢有关，并具有药理作用，可改善人体对疾病的抵抗能力。而且茶品质越好，其中的这些有益成分含
9、量越高。因此国内外很多研究机构都在茶叶品质检测、评价方面进行了大量的研究。从五十年代起，国内外开展了茶叶理化审评的研究，探讨茶叶的物理性状和分析茶叶各种有效化学成分的含量，从计量的数据来寻求鉴定茶叶品质优劣的理化审评方法以取代感官审评。国内，各茶叶研究院所也分别对茶叶外形的容重、茶汤的电导、比色、比粘度以及各种有效或无效成分含量，如水浸出物、咖啡碱、粗纤维含量、氨基酸总量、茶氨酸含量等的角度来分析茶叶的品质等级。随着新技术研究的深入与推广，对茶叶品质检测的研究也在不断探索新的方法、途径。寻求茶叶理化审评的方法代替感官评定茶叶品质，是国内外茶叶工作者的愿望。在我国，广大茶叶工作者进行了大量的研究
10、工作，取得了大量的资料和有价值的成果。早在五、六十年代，茶叶研究者就分别从大量茶样的品质理化因子的分析研究入手，用容量法、比色法、比粘度等理化审评方法来测定茶叶外形、汤色以及滋味；进入80年代，我国制定了茶叶检验标准(WMB48-82)在“茶叶品质规格”部分内容中制定了茶叶感官指标和理化指标的标准，并科学化和规范化各检测方法。传统的对于感观指标和理化指标的检测评定方法主要是感观审评、物理检验和化学检验。研究方法、内容： 1.实验器材与用具11材料与仪器试验前将茶饼粉碎，过40目筛，所得茶粉备用。试验时，用精度为0.01的电子天平准确称取茶样3.00g，用150mL煮沸的蒸馏水浸泡茶粉5min，
11、用双层定量滤纸过滤，取滤液80mL于烧杯中并用保鲜膜封口，冷却10min后用于电子舌分析。HCl (分析纯 法国Alpha MOS公司)ATREE型电子舌 法国Alpha MOS公司Sartorious BP221S电子天平 Sartorious 公司生产HWSY21-K4C 型电热恒温水浴锅 北京市长凤仪器仪表公司12实验方法这部分的试验主要运用到的是主成分分析法（Principal Component Analysis, PCA）。多指标问题的麻烦一是指标多，二是多指标间的相关性。这样会使他们提供的整体信息发生重叠，不易得到简明的规律，在高纬空间中研究样本的分布规律就更麻烦。主成分分析是一
12、种通用数据降纬的方法，研究如何将多变量指标间的问题化为较少的几个综合指标问题。这些综合指标彼此即互不相关，又能综合反映原来多个指标的信息，是原来多个指标的线性综合。虽然这些线性综合指标是不能直接观测到的，但这些指标间互不相关，又尽可能的反映原来变量的信息量。综合指标则成为原来指标的主成分分量。主成分分析常被用作寻找判断某种事物或现象的综合指标，并给综合指标所蕴藏的信息以恰当的解释，以便更深刻的揭示事物内在的规律。主成分分析还用于揭示变量的贡献性。 本试验使用电子舌都带有运用主成分分析法的相关统计软件，当几个不同的样品通过试验后，通过分析软件对试验数据的处理，可得到一个可以直观看到样品之间区别程
13、度的主成分分析（PCA）图谱，在图的上方会显示不同组的样品间的区别指数，区别指数达到了系统设定值时，框底为绿色，表示判别结果较好，若框底色为红色，说明判别结果不理想。进度安排： 2011.3.103.16：接到论文任务书，查阅相关资料，撰写开题报告；2011.3.163.20：撰写文献综述，并翻译英文文献，开题； 2011.3.213.31：准备实验所需仪器、试剂等；2011.4.15.24：进行实验，整理实验数据，撰写毕业论文；2011.5.256.5：修改毕业论文，准备毕业论文答辩。指导教师意见：论文的选题具有重要的理论意义和实用价值，立题依据充分，目的意义明确，资料收集充分，研究条件具备
14、，方法得当，同意开题。指导教师：年 月 日文献综述近年来，有关电子舌的应用研究逐年增加。在食品工业，发酵工业，环境分析，临床医学，安全保障和化工处理等领域都有相关的应用研究。（1）电子舌在茶叶品质评价中的应用 我国作为茶叶生产大国 ,如何利用现代化仪器替代传统的感官品评方法评价各种茶叶质量品质 ,显得十分重要。吴坚教授等构建了一种以铜片作为工作电极 ,铂电极为辅助电极 ,银/氯化银作为参比电极的伏安型电子舌 ,并对江苏碧螺春、浙江龙井、黄山毛峰 ,福建毛峰和浙江开化针尖五种茶叶品质差异进行了区分辨识应用。每次试验所用的茶溶液在试验之前配置 ,每5 g茶叶加入100 mL 的沸水。待茶溶液冷却后
15、 ,再将每1 mL 茶溶液和4 mL 的1 mol/ L的氢氧化钠溶液混合。测试过程中 ,每个茶溶液样品被分成相同的四份 ,分别保存在不同的烧杯中 ,总共二十个烧杯 ,各烧杯以随机的顺序进行测试，最后在主成分分析图谱上可以看到 ,该电子舌能够很好地区分五种茶叶的不同品质差异。（2）电子舌在软饮料鉴别与区分中的应用 目前，检测饮料质量的方法主要有化学分析和物理化学分析。化学方法繁琐，实时性也差，而物理化学分析方法又需要较贵重的仪器，并且对技术的要求很高，不适应快速分析的需要。有试验证明，使用4个工作电极(铂、金、钯、镉)的电子舌可检测不同饮料：两种类型的橙汁饮料、两种类型的苹果汁饮料，发现这种电
16、子舌不仅能够区分不同饮料，而且还能检测果汁饮料的好坏。 如法国的Alpha MOS公司生产的电子舌，利用7个电化学传感器组成的检测器及化学计量软件对样品内溶解物进行味觉评估，能很快可靠地提供所需数据，大大提高了产品全方位质控效率，可以应用于果汁饮料的质量检测。（3）电子舌在酒类质量品质评价中的应用 在酒类品质质量区分辨识中 ,电子舌也体现良好的应用效果 ,其应用范围包括在酒类品牌的鉴定、异味检测、新产品的研发、原料检验、蒸馏酒品质鉴定、制酒过程管理的监控等多个方面。日本Toko教授等利用基于味觉传感器和葡萄糖味觉传感器的电子舌对日本米酒进行了检测 ,得到的数据采用主成分分析的方法进行处理。从模
17、式识别分析上看 ,电子舌的通道输出值与滴定酸度、糖度之间具有很大的相关性 ,对米酒的甜度预测作出了数学模型。(4) 电子舌在重金属分析检测中的应用 基于生物传感器的电子舌可用于检测食品和农产品中的重金属污染和农药残留。造成农产品污染的重金属种类繁多 ,主要是 Cu、Zn、Pb、Cd 和 Ni 等。Ramanathan 教授等利用 lacZ 基因和ArsD 基因在重组大肠杆菌中的融合表达制成高灵敏度的生物传感器 ,对亚锑盐的检出限为 1 10-15mol/L。Giardi 教授等发明了基于光合系统 II (PSII) 的生物传感器的电子舌系统 ,利用重金属替代叶绿素分子中的 Mg2+并引起 pH
18、 变化的特点 ,将藻类细胞固定在 2 %的琼脂中 ,通过检测 pH值的变化在1g/L 浓度水平下检测到 Hg、Pb、Cd、Ni、Zn 和 Cu 等离子的存在。Winquist 等的研究表明 ,电子舌能对原料乳进行监控 ,是个非常安全的检测手段。根据上面所述电子舌在食品工业当中的应用，我们可以发现，电子舌技术主要还是用在食品定性方面，对于其定量的应用研究现在还不多，这主要是由于传感器特点所决定。然而，电子舌作为一种快速、无损的现代化分析检测仪器，在许多检测分析领域都需要达到定量分析的水平，这大大限制了电子舌在许多领域的应用拓展。因此，需要建立某种合适的定量分析方法，如特定的偏最小二乘法或合适的人
19、工神经网络等，以实现电子舌的定量分析。参考文献1 宿迷菊. 茶叶保健食品加工技术和研究现状. 福建茶叶，2005，1(1): 15-172 陈宗掀. 中国茶经. 上海：上海文化出版社出版, 1992, 25-27 3 徐晓村. 中国茶文化. 北京：中国农业大学出版社，2006，8-134 东方，何普明，林智. 普洱茶的抗氧化活性研究进展. 食品科学，2007，28(5): 363-3655 杨崇仁，陈可可，张颖君.茶叶的分类与普洱茶的定义.茶叶科学技术，2006，2(1):37-386 周红杰. 云南普洱茶. 昆明：云南科技出版社，20047 李娇, 杜子兽. 茶叶鉴定专家系统的研究与开发.
20、计算机时代, 2006, 6: 42-43 8 马福昌，吕迎春，李怀恩.电子舌及其应用研究.传感器技术，2004，9：1-39 严鸿德. 茶叶理化审评研究. 安徽农科院茶业科学研究资料汇编, 1959, 1-20 10 陆松侯, 施兆鹏. 茶叶审评与检测. 北京：中国农业出版社, 1993, 44-45 11 林刚. 多变量分析法在茶叶化学品质管理中的应用.日本名城大农学报,1984,20（2）：25-26 英文译文：电子舌在西湖龙井茶品质评价中的应用摘要：五个等级的西湖龙井茶(成绩:AAA,AA,A、B、C、从同一地区和加工具有相同的处理方法Astree)是受歧视的使用e-tongue电子舌
21、(II)加上模式识别方法包括主成分分析(PCA)、典型判别分析(CDA)和bp神经网络(bp神经网络组合)。结果表明,利用主成分分析法(PCA)和CDA样本受歧视的等级的除少量样品之间的重叠和等级a的AA级精度的歧视的训练样本集和预测样本集,分别为97.5%,二十分的bp神经网络组合的分析,来探讨所有的cross-validated。酶活92.9%训练样本集和100%的预测样本集是完全按照他们所属的压缩空气。样品的感官评价的基本吻合的e-tongue评价相结合。结果表明,e-tongue是一种很有潜力的工具来辨识茶叶质量。关键词:电子舌、茶、等级、模式识别方法1引言目前,分析仪器的发现与量化,
22、已经使许多关键的味道和芳香化合物在食品(Linforth今天所知,2000年)。因此,研究人员致力开发仪器技术来评估对茶叶品质的etal.(梁,2005;Seetohul苏达权等,2006年,2007年的看法,和王;Sultana高庆宇,2008)等。电子舌(e-tongue)是abiomimetic传感装置,检测液体信息与一组感测器阵列,并具有客观性、成本低、测量及设置easy-to-handle快速化。强大的e-tongue,结合模式识别技术,已应用于评估的一些食品,例如,啤酒(Legin高庆宇,1997;代购等,2000)、矿泉水(Winquist苏达权等,1997),牛奶(Winqui
23、st高庆宇,1997;代购等,2000)、果汁(Legin etal. 1997;Winquist高庆宇,等,1997)、咖啡(1998),Schreyer代购、文米克尔森、2000;Miyanaga苏达权等,2003年),番茄(Vermeir等;Beullens高庆宇,2007年苏达权等,2008年),等等。摘要本研究旨在探讨方法,对五等级的西湖龙井茶通过thee-tongue加上模式认识(PCA,CDA与bp神经网络组合)。感觉测试也进行了为了证明了该方法的有效性。e-tongue适合这种应用的。2 试验材料和方法实验材料五个等级的西湖龙井茶(春季),提供了杭州西湖龙井茶有限公司(120:
24、10E来自相同区域的,30:15N)和加工,同样的程序中。AAA级的首选是样品,AA,A,B和C(摘了一天:3月25日,3月30日,4月2日,4月12日和4月19日,分别)。等级AAA级的样品,AA和一个被采摘然后清明节(通常是在4月6日),另4thor被选中后清明节。22次被重复测量每个年级共110个样品,编写了实验。电子舌和数据采集使用一个-Astree实验进行了电子舌(M.O.S二世公司、法国),其中包括一个数组的7个不同的液体cross-selective传感器(老公、钡、钙、遗传算法、BB,哈,JB),一个16-position汽车进样器和相关电子模块接口。传感器是基于一种创新的电化
25、学电位传感器技术:用化学改性Field-Effect-Transistor(CHEMFET)技术。每个传感器构成的一个有机涂层敏感种群样品和传感器,它允许转换反应的膜处理成信号进行分析。该传感器响应之间的电压差传感器和银/ AgCl参考电极。因此,一个完整的信号电压为每个样本组成的向量与7单一传感器的测定。为每个样本,3克的茶泡入去离子化的同时用开水150毫升5分钟,然后树叶已经被移除。斯科拉很快就被冷却下来到252C和80毫升的解决方案是用在每个样本的测量。测量程序是由计算机控制的程序。测量阶段持续120 s,这已经足够让传感器给稳定值。区间数据收集是1秒。电脑的反应e-tongue记录每一
26、秒。当测量工作完成后,获得的数据是正确的保存了供以后使用。在这项研究中,每个传感器的信号在120秒是用于分析。这个传感器用蒸馏水清洗后被校准样品检验和测试一个不同的年级前样品带0.01组分/ L盐酸。统计分析变分析单向分析)和邓肯的多变域测试进行了数据的样品用SPSS11.0 110。在实验中获得的数据也被处理法等方法对多变量分析中,主成分分析(PCA),经由典型判别Aanalysis(CDA)和反向传播神经网络(bp神经网络组合)。分析数据进行版本3.11(DPS数据处理系统统计软件包)(唐、风,1997)和SPSS11.0.PCA是一种有用的和共同的统计方法在数据的查找pat-terns高
27、维度。它有助于降低维数的不需要太多的损失的信息。主成分分析法(PCA)用于传感器阵列输出治疗小组可以想象不同的组。CDA经典线性判别分析也称为是基于费舍尔的规则。这是一个很有用的补充,利用主成分分析法(PCA)。在这个研究中的应用是为了评估Xihulongjing分类的正确性,集中在茶e-tongue响应信号中获得。bp神经网络组合是一种最广泛的使用人工神经网络的认识。一般来说,bp神经网络组合结构为一输入层、隐层和输出层。在研究、采用了bp神经网络组合预测的分类,不同等级的Xihulongjing茶。3 结果与讨论有一些差异值的平均反应(平均22个样品在120秒)响应值五年级的各个传感器茶叶
28、样本(图2),这可能是主要归功于茶的味道的变化。因着神的变异数分析(ANOVA)、价值观的传感器CA和简森-巴顿存在显著性差异的茶采摘然后清明节(样品的等级AAA,AA,A)和清明节(后样品的B级和C级)(p 0.05),n = 22)。对该传感器的哈,有显著差异,在样品的等级AAA,B级和C级(p 0.05),n = 22)。所有的样品的含量没有明显差异,而在传感器的BB。然而,很难推断出一个全面的结论的不同传感器的响应值五种茶叶样本方差分析由于的局限性。因此,它是需要引进模式识别程序实现一个更可靠的茶叶等级分化。在本研究工作,试图区别五等级的西湖龙井茶(从同一地区和处理的相同程序的使用e-
29、tongue)。e-tongue分类结果的感官分析比较了专业品尝。五种不同的茶级别的趋势来,利用主成分分析法(PCA)的基础上CDA与bp神经网络组合传感器信号的e-tongue反应。二十分的精度和酶活92.9%,取得了的分类方法,它利用bp神经网络组合预测和CDA.100%正确的样品进行分组,相比之下,用CDA 97.5%使用bp神经网络组合的准确性。感官分析和支持的充分解释结果的e-tongue的歧视。实验结果表明本文提出的e-tongue结合模式识别方法能够提供准确的信息,对歧视味道不同质量等级的茶。英文原文Discrimination of Xihulongjing tea grade
30、 using an electronic tongueAbstract: Five grades of Xihulongjing r tea (grade: AAA, AA, A, B and C, from the same region and processed with the same processing method) were discriminated using Astree II electronic tongue (e-tongue) coupled with pattern recognition methods including principal compone
31、nt analysis (PCA), canonical discriminant analysis (CDA) and back-propagation neural networks (BPNN). Results of PCA and CDA showed that the grades of the samples were discriminated with the exception of a few overlap samples between grade AA and grade A. The discrimination of accuracy of the traini
32、ng sample set and the predicted sample set was 95.7 and 97.5%, respectively, by the analysis of BPNN. 92.9% of all the cross-validated training sample set and 100% of the predicted sample set were exactly grouped by CDA. The sensory evaluation of the samples was consistent with the evaluation based
33、on the e-tongue. The results show that the e-tongue is a potential tool to identify the tea quality.Key words: Electronic tongue, tea, grade, pattern recognition1IntroductionAt present, analytical instruments have enabled the discovery and quantification of many of the key taste and aroma compounds
34、known today in food (Linforth, 2000). Thus, researchers have endeavoured to develop instrumental methods for assessing the quality of tea (Liang etal., 2005; Seetohul et al., 2006; Yu and Wang, 2007;Sultana et al., 2008). An electronic tongue (e-tongue) is abiomimetic sensing device that detects liq
35、uid information with a set of sensors array and has advantages such as objectivity, low cost, easy-to-handle measurement set-up and rapidness. The e-tongue, combined with powerful pattern recognition techniques, has been applied to evaluations of some foodstuff, for example, beer (Legin et al.,1997;
36、 Toko, 2000), mineral water (Winquist et al., 1997),milk (Winquist et al., 1997; Toko, 2000), juice (Legin etal., 1997; Winquist et al., 1997 ), coffee (Toko, 1998;Schreyer and Mikkelsen, 2000; Miyanaga et al., 2003), tomato (Vermeir et al., 2007; Beullens et al., 2008), etc.The objective of this re
37、search is to explore the method to classify five grades of Xihulongjing tea by means of thee-tongue coupled with pattern recognitions (PCA, CDA and BPNN). Sensory test was also carried out in order to confirm the validity of the e-tongue for this application.2 Materials and methodsMaterialsFive grad
38、es of Xihulongjing tea (spring tea), supplied by HangzhouXihulongjing tea Ltd., were picked from the same area (120:10E,30:15N) and processed by the same procedure. Sample grade priority was AAA, AA, A, B and C (Picked day: March 25, March 30, April 2, April 12 and April 19, respectively). Samples o
39、f grade AAA,AA and A were picked before Qingming Festival (usually on April 4thor 6th) and the others were picked after Qingming Festival. Measurements were repeated 22 times for each grade and a total of 110 samples were prepared for the experiment.Electronic tongue and data acquisitionExperiments
40、were performed using an -Astree II electronic tongue(Alpha M.O.S company, France) which included an array of seven different liquid cross-selective sensors (ZZ, BA, BB, CA, GA, HA,JB), a 16-position auto sampler and associated interface electronic module. The sensors were based on an innovative elec
41、trochemical potentiometric sensor technology: the Chemical Modified Field-Effect-Transistor (CHEMFET) technology. Each sensor was composed of an organic coating sensitive to the species in the samples and a transducer, which allows converting the response of the membrane into signals that will be an
42、alyzed. The sensor response was the voltage difference between the sensor and the Ag/AgCl reference electrode. Therefore, an integral signal for each sample was comprised of a vector with 7 individual sensor determinations. For each sample, 3 g of tea were infused with 150 ml deionized boiled water
43、for 5 min and then the leaves were removed. The infusion was quickly cooled down to 25 2C and 80 ml solution of each sample was used in the measurement. The measurement procedure was controlled by a computer program. The measurement phase lasted for 120 s, which was enough for the sensors to give st
44、able values. The interval for data collection was 1 s. A computer recorded the response of the e-tongue every second. When the measurement was completed, the acquired data was properly saved for later use. In this research, the signal of each sensor at 120th second was used in analysis. The sensors
45、were cleaned with distilled water after a sample testing and were calibrated before testing a different grade sample with 0.01 mol/ L HCl.Statistic analysisOne-Way Analysis of Variance (ANOVA) and Duncans Multiple Range Test were carried out on the data of 110 samples by SPSS11.0. Data obtained in t
46、he experiment were also processed by multivariable analysis methods including Principal Component Analysis (PCA), Canonical Discriminant Aanalysis (CDA) and Back Propagation Neural Network (BPNN). Analysis of data were carried out with DPS version 3.11 (the Data Processing System Statistical Software package) (Tang and Feng, 1997) and SPSS11.0.PCA is a useful and common statistical method for finding pat-terns in data of high dimension. It helps to reduce the number of dimensions without much loss of information. The PCA method was used for sensors array output treatme