我国茶叶总产量占世界第二，茶叶除了给人们带来生活的享受外，也是出口创汇的重要商品，尤其江浙一带更是以绿茶——西湖龙井，闻名遐迩!但是一直以来，对于茶叶品质的评定，国内外现普遍采用的是感官审评法。感官审评法往往受评茶师个人的经验、心理与生理等因素以及环境温度、光线、亮度等因素的影响，重复性比较差。其他各审定方法也还都处于发展完善中，存在很多的不足。这就对茶叶品质的检测和评定提出了更高的要求，要求其更加科学化和规范化。茶叶香气是决定茶叶品质的重要因子之一，而且茶叶的“香”，与“味”之间也有比较密切的关系，一般来讲有了好的香气，必然会有好的滋味。茶叶呈现的香气是多种香气成分共同作用的结果，不是某一二种物质所决定的。电子鼻技术模拟了哺乳动物的嗅觉机理，从总体上来扫描待测物质的香气成分，让人们认识到综合评价气味整体信息的巨大潜力。但是目前国内外电子鼻技术应用于茶叶方面的研究还很少。本课题将电子鼻技术用于茶叶品质的检测，着重解决对茶叶的品质等级及贮藏时间进行评定和预测时特征值提取及模式识别的问题。研究以两组茶叶样品为对象进行预备试验，在当电子鼻流速为100ml／min、茶叶样品5g的条件下，通过对电子鼻响应信号相对标准差的分析，确定较优的实验条件和参数设置。从分析结果来看，不同的顶空空间对电子鼻各传感器响应影响显著，尤其顶空容积较小和较大时差异更为显著，较大容积的顶空空间有利于保持信号的稳定。不同顶空生成时间对电子鼻各传感器影响也显著，但是差异主要来自于过长时间的静置；在较短的时间时，差异并不显著。通过对电子鼻响应最大值的分析，水蒸气对信号的影响也比较显著。并且确定电子鼻的采样和清洗时间分别为60s和70s。课题以五组不同等级的茶叶、茶水、茶底为研究对象，通过电子鼻检测并提取其各特征值，生成高维的特征向量。采用主成分及遗传算法的方法提取其相应的主成分分量及最优特征组合，构成模式识别的输入。采用线性判别分析利BP神经网络的方法进行模式识别分析，对茶叶的不同等级和贮藏时间进行判别分析和预测。线性判别分析结果显示，采用电子鼻对于干茶叶的响应信号，两种特征提取方法得到的特征向量对茶叶的不同贮藏时间的判别分析结果较好；采用电子鼻对茶水的响应信号，用前五个主成分值作为特征向量时，对茶叶等级的判别结果比较好；采用电子鼻对茶底的响应信号进行分析时，两种方法获得的特征向量，无论是对茶叶等级，还是贮藏时间的判别分析结果都不太好。BP神经网络的方法对茶叶的贮藏时间进行预测，采用干茶叶的电子鼻响应信号，对茶叶贮藏时间进行预测，所有预测样本中只有8.8％的预测误差超过10天。所有预测样品中，对于贮藏了120天的各等级茶叶预测的最大误差约为31天(T100较低等级的茶叶)，对于贮藏了180天的各等级茶叶其预测的最大误差约为21天(T100较低等级的茶叶)，预测结果较佳。采用茶水和茶底的电子鼻信号时，预测的误差平均值较大，预测结果相对于采用干茶叶的较差。同时对茶叶香气成份进行了分析，茶叶香气成份变化复杂，有些随着贮藏时间延长或等级降低含量减少，反之，有些增加。总之，茶叶的香型特征是多种成分，并且在一个适当比例时的结果。通过建立其多元线性回归模型，对茶叶香气成分某些主要类别以及某些主要成分的变化与电子鼻响应间的关系进行分析，探讨各类茶叶香气成分及一些主要茶叶香气成分与电子鼻响应间的关系以各类香气成分作为因变量，电子鼻各传感器的信号作为自变量，建立两者间的逐步线性回归模型，探讨了各传感器与各类香气成分间的线性关系。不同传感器与不同类的香气成分的线性相关的显著性程度不同。随传感器特性不同，有的呈显著正相关，有的呈显著负相关，有的不相关而未被引入所建立的回归模型。对各等级茶叶不同贮藏时间时的香气成分进行分析，以电子鼻各传感器的信号作为因变量，以某些被选出的随着贮藏时间含量变化比较明显的具体香气成分作为自变量，建立两者之间的多元线性关系模型。对随着贮藏时间的变化，茶叶各具体香气成分含量与相应电子鼻信号的变化之间的相关关系进行探讨。