茶叶作为一种保健饮料,深受消费者喜爱,是人们日常生活中的必需品。随着人民生活水平的提高,对茶叶品质的要求也越来越高。茶叶香气是茶叶品质中最重要的因子之一,茶叶品质评价一般是依靠人的感官审评进行的,这种方法存在着主观性强和需要熟练的操作人员等缺点,不利于整个行业的发展。电子鼻技术具有样品处理简单、检测速度快、识别效果好、实时、无损的优点,在食品、农产品的气味检测中已显示出巨大的潜力。本论文尝试利用自制电子鼻检测碧螺春茶叶品质的可行性,进行了以下几个方面的研究工作:　　 1.碧螺春茶叶冲泡过程中挥发出来的气体成分主要包括CO2、醛类、醇类和酮类等化合物,本研究首先利用单一传感器检测茶叶香气,在优化传感器的基础上,最终选择12个传感器组成气敏传感器阵列,并结合PLC电气控制设备和Delphi软件开发平台,设计开发了基于气敏传感器阵列的电子鼻系统。　　 2.利用自制电子鼻定性识别不同等级的碧螺春茶。试验以三种不同等级的碧螺春茶为研究对象,首先对获取的电子鼻数据进行特征提取,然后在主成分分析的基础上有比较地利用线性判别式分析(LDA)、K最近邻法(KNN)和反向传播神经网络(BPNN)模式识别方法建立识别模型。结果表明,对于不同等级的茶底、茶水的分类判别,BPNN和KNN模型识别结果都优于LDA,其中,BPNN识别结果最佳。BPNN模型对茶底、茶水的训练集和预测集的识别率分别达到了97.5%和90%、100和95%。此外,以同等级茶底和茶水特征信息融合后建立的相关模型对不同等级茶叶的识别率比单个信息模型的识别结果更佳,BPNN模型的总体识别率达到了100%。研究结果表明,基于自制电子鼻评判不同等级茶叶品质的方法是可行的。　　 3.利用电子鼻替代茶叶香气感官评价的可行性研究。试验以碧螺春茶为研究对象,以茶叶香气的感官审评得分为参照,有比较地通过主成分回归(PCR)、多元逐步回归(MSR)和BPNN模式识别方法建立定量预测茶叶香气品质得分的模型。首先对获取的电子鼻数据进行特征提取,通过主成分分析提取相应的主成分得分向量构成模式识别的输入。试验结果表明,PCR和MSR模型预测碧螺春茶香气得分的精度不高,模型训练和预测的相关系数只有60%左右,BPNN模型比PCR和MSR有更好的预测精度。选用6个主成分因子数时BPNN模型所建立的训练和预测模型最佳,训练时的相关系数R(train)和交互验证均方根误差RMSECV分别为0.8662和2.6807,预测时的相关系数R(test)和预测均方根误差RMSEP分别为0.6406和3.9639。　　 研究结果表明,利用电子鼻技术结合合适的模式识别方法可以很好地鉴别不同等级的碧螺春茶;检测碧螺春茶叶香气感官指标也是可行的。研究为茶叶的快速检测从实验室走向在线检测奠定基础,研究成果对提高我国在茶叶香气品质的检测水平有着重要意义。