信阳毛尖是中国十大名茶,也是河南著名特产,汤色明亮,具有鲜爽的滋味。本研究采用电子鼻和电子舌多信息检测方法,对信阳毛尖茶品质进行研究。通过电子鼻检测收集信阳毛尖茶气味信息;通过电子舌对信阳毛尖茶基础滋味和回味进行评价;通过化学检测方法检测了影响信阳毛尖茶滋味的三大重要呈味物质:茶多酚、咖啡碱和氨基酸。本研究采用因子载荷分析、相关性分析、单因素方差分析等方法对传感器阵列进行优化。通过主成分分析(PCA)、线性判别分析(LDA)两种降维方法,比较传感器阵列优化前后效果变化。利用电子鼻和电子舌多传感器数据融合对信阳毛尖茶进行模式分类,并对信阳毛尖茶呈味物质快速预测。主要内容与结论如下:(1)通过电子鼻传感器阵列多特征优化融合方法,从气味角度对信阳毛尖品质进行识别。采用归一化处理、因子载荷优化及单因素方差分析优化对多特征信息优化提取,剔除多特征信息中的冗余变量。PCA和LDA图显示,特征优化提取后茶叶模式识别效果有所提高。电子鼻能通过采集气味信息评价茶叶等级。(2)通过电子舌检测信阳毛尖茶基础滋味和回味,将两者信息直接拼接融合,从滋味角度对信阳毛尖品质进行识别。通过支持向量机对融合信息进行机器学习,采用网格搜索法和粒子群算法优化支持向量机模型。比较优化结果发现,粒子群算法优化后支持向量机模型对茶叶品质有更好的识别能力。(3)通过电子鼻传感器阵列对茶叶苦涩味进行快速预测。采用相关性分析优化电子鼻传感器阵列,分别建立茶叶苦涩味的多元线性回归(MLR)、偏最小二乘回归(PLSR)、BP神经网络(BPNN)识别模型。对比分析发现BPNN模型具有自学习、自适应能力对茶叶苦涩味预测能力最强。(4)通过电子鼻、舌多传感器信息融合,实现对茶叶品质的识别和对茶叶重要呈味物质的检测。采用PCA分析分别对电子鼻和电子舌响应值进行特征提取,再将提取特征进行融合。建立茶叶重要呈味物质的多元线性回归、多元线性逐步回归(MLSR)、二次多项式逐步回归(QPSR)模型。对比分析发现QPSR模型在茶多酚、咖啡碱和氨基酸含量的预测中,均具有较高精度,适用于茶叶中呈味物质含量的预测。