下载文档原格式
电子舌检测技术及其在食品领域的应用研究进展黄嘉丽;黄宝华;卢宇靖;刘傲璐;左珊珊;周金林【摘要】电子舌是模拟人的舌头及其神经系统的信息处理过程的智能味觉仿生系统,可构建客观的味觉评价体系,以快速、简便和灵敏等优点在食品检测领域具有广阔的应用前景.概述了电子舌系统的结构原理和技术现状,介绍了电子舌在食品的味道评价及比较、原料追溯、质量分级、伪劣掺假鉴别和加工过程监测等方面的应用进展,指出其在检测应用中存在的一些问题,并对其应用前景进行展望.【期刊名称】《中国调味品》【年(卷),期】2019(044)005【总页数】6页(P189-193,196)【关键词】电子舌;味觉;仿生检测;食品【作者】黄嘉丽;黄宝华;卢宇靖;刘傲璐;左珊珊;周金林【作者单位】广东工业大学轻工化工学院,广州 510006;广东工业大学轻工化工学院,广州 510006;广东工业大学轻工化工学院,广州 510006;广东工业大学轻工化工学院,广州 510006;广东工业大学轻工化工学院,广州 510006;广东金骏康生物技术有限公司,广东佛山 528225;梅州金柚康健康科技有限公司,广东梅州 514021【正文语种】中文【中图分类】TS201.1食品风味的评价是一个复杂的味觉评估过程，目前常使用感官评价法，人为因素较大，评价结果的可靠性和可比性较差[1]。
因此，有必要建立一种模拟味觉评估过程的智能检测技术，以满足食品风味的客观评价要求。
电子舌作为一种新型的现代化智能感官仪器，是以低选择性、非特异性和交互敏感性的多传感器阵列为基础，检测液体样品的整体特征响应信号，结合化学计量学方法对样品进行模式识别处理，进行定性和定量分析的检测技术。
商品化的仪器已陆续投入市场。
在日本，电子舌仪器已经较成熟地应用于食品味道特性的标识、广告宣传和风味调控方面。
随着我国经济的快速发展，人们生活水平的提高，对食品的风味和品质的要求越来越高，电子舌技术日益受到国内食品检测和研发人员的关注，在研发和应用方面均取得新的进展。
基于电子舌技术的饮料评价
王春燕;孙月娥
【期刊名称】《食品工程》
【年(卷),期】2010(000)001
【摘要】介绍了电子舌的组成和工作原理,着重阐述了其在饮料的种类区分、真伪辨别、质量分级和品质评价等领域的应用现状与发展趋势,并指出了这些信息新技术实现过程中所需要解决的问题.电子舌技术简单快速、成本低廉,作为一种新型的现代化智能感官仪器,能够对饮料生产过程进行监控,在饮料质量的评价中具有巨大潜力.
【总页数】3页(P7-8,57)
【作者】王春燕;孙月娥
【作者单位】徐州工程学院食品学院,徐州,221008;徐州工程学院食品学院,徐州,221008
【正文语种】中文
【相关文献】
1.基于电子舌技术的果汁饮料识别 [J], 滕炯华;王磊;袁朝辉
2.基于电子舌技术的啤酒口感评价及其滋味信息与化学成分的相关性研究 [J], 刘佳;黄淑霞;余俊红;胡淑敏;杨朝霞;黄树丽;张宇昕
3.基于电子舌技术分类评价核桃内种皮的口感品质 [J], 刘雨霞;张玲;张小军;杨笑;杨春;曲进;刘群龙
4.基于口尝和电子舌技术探讨味道检测在黑顺片质量评价中的实用价值 [J], 李欣
欣;杨辉;张凯;王丽霞;柴冲冲;陈冬玲;魏龙吟;尹贻慧;常永卓;李飞
5.基于电子鼻和电子舌技术评价乳酸乳球菌对发酵乳风味品质的影响 [J], 任敏;多拉娜;王帅;李敏;杨成聪;孙志宏;孙天松
因版权原因，仅展示原文概要，查看原文内容请购买。
化学仪器与电子舌表征绿茶滋味感官品质的比较吴瑞梅;赵杰文;陈全胜;黄星奕【摘要】To make up for the defect of sensory method for evaluating green tea taste quality, chemistry instrument and electronic tongue were used for the quantitative evaluation of green tea taste quality. Ten main taste compositions of tea polyphenols, amino acids, caffeine, GA, EGC, C, EGCG, GCG, EGG and total content of catechins were determined by chemistry instrument. The sensor signals of green tea infusion of each sample were obtained by electronic tongue. The BP-ANN models of 10 taste composition contents with sensory taste scores and sensor signals with sensory taste scores were established, respectively. The results show that the predicting results of green tea sensory taste quality by chemistry instrument and electronic tongue are reliable. However, the performanceof BP-ANN model with RMSEP of 1. 913 and Rp of 0.932 in the prediction set by electronic tongue is better than that by chemistry instrument. The results demonstrate that electronic tongue can better predict the sensory taste quality of green tea.%为弥补感官审评方法评定绿茶滋味品质存在的不足,研究采用化学仪器方法和电子舌方法评价绿茶的滋味感官品质.利用化学分析仪器测定茶汤的10种主要滋味成分(茶多酚、氨基酸、咖啡碱、GA、EGC、C、EGCG、GCG、ECG和儿茶素总量)含量,同时利用电子舌获取茶汤的传感器响应值.分别建立10种滋味成分含量与滋味感官评分、传感器响应值与滋味感官评分之间的BP-ANN模型.结果表明:用2种方法评价绿茶的滋味感官品质,其准确度都可靠,但基于电子舌方法建立的BP-ANN模型性能更好；该模型对预测集样本的预测均方根误差为1.913,模型预测值与实际评分值之间的相关系数为0.932,说明利用电子舌方法能更好地预测绿茶的滋味感官品质.【期刊名称】《江苏大学学报（自然科学版）》【年(卷),期】2013(034)002【总页数】5页(P161-165)【关键词】绿茶;化学分析仪器;电子舌;滋味感官品质;BP神经网络【作者】吴瑞梅;赵杰文;陈全胜;黄星奕【作者单位】江苏大学食品与生物工程学院,江苏镇江212013【正文语种】中文【中图分类】TP212.3绿茶是一种不发酵茶，既具有抗癌、降血脂等药理功效［1］，又具有极好的滋味［2］，深受消费者喜爱.目前，绿茶滋味品质评价主要由感官审评方法进行，但该方法的评定结果由评茶师经验决定，主观性强，重复性差.研究表明，茶叶的滋味成分与感官评分之间存在一定相关性［3］.P.Owuor Okinda等［4］研究了肯尼亚红茶的滋味成分与感官评分之间的量化关系;Liang Yuerong 等建立了红茶［5］、普洱茶［6］、绿茶［7］的滋味成分与感官评分之间的相关模型.电子舌是一种模仿生物味觉机理而制成的智能仪器［8］，Z.Kovács等［9］研究利用电子舌评价印度红茶滋味感官属性的可行性，结果表明电子舌能较好地预测滋味属性的苦味、酸味和甜味.上述研究使用简单的线性方法建立仪器参数与感官评分之间的量化模型，且未对模型性能进行评价.茶叶内部成分复杂，其滋味品质是各种复杂内部成分相互作用的结果，用简单的线性方法难以解决复杂问题.BP神经网络(back-propagation artificial neural network，BP-ANN)是目前应用最广、计算能力最强的神经网络之一，该网络采用最小均方差学习方式，以反向传播的学习算法来调整各权重值，能用来解决模糊的，非线性等复杂问题［10-11］.试验以“碧螺春”名优绿茶为对象，采用感官审评冲泡法获取茶汤溶液，利用化学分析仪器测定各样本茶汤的10种主要滋味成分:茶多酚、氨基酸、咖啡碱、没食子酸(GA)、表没食子儿茶素(epigallocatechin，EGC)、儿茶素［(+)-catechin，C］、表没食子儿茶素没食子酸酯(epigallocatechin gallate，EGCG)、没食子儿茶素没食子酸酯(Gallocatechin-3-gallate，GCG)、表儿茶素没食子酸酯(epicatechin gallate，ECG)和儿茶素总量，同时利用电子舌采集各样本茶汤的传感器响应值.利用BP神经网络方法，分别建立10种主要滋味成分含量与滋味感官评分之间、传感器响应值与滋味感官评分之间的相关模型，比较基于2种方法建立的模型性能，从中选出1种能更好地量化分析绿茶滋味品质的方法.1 材料与方法1.1 仪器与试剂试验仪器为LC-20A高效液相色谱仪(日本，SHIMADZU)，C18色谱柱(VP-ODS，250 mm × 4.6 mm，5μm)，紫外-可见检测器(Prominence SPD-20A)，梯度系统(LC-20AT);UV-1600紫外-可见分光光度计(北京瑞利分析仪器公司);ASTREEⅡ电子舌检测系统(法国Alpha.MOS公司)，其传感器阵列由 ZZ，BA，BB，CA，GA，HA，JB 7 根传感器和1根参比电极组成;150 mL审评杯.茶氨酸、没食子酸、EGC、C、EGCG、GCG 和 ECG等标准品购于Sigma公司;乙腈为色谱纯(国药集团化学试剂有限公司);水为Mili-Q超纯水(美国Millipore公司);其他试剂均为分析纯.1.2 绿茶样本收集及滋味品质的感官审评试验茶叶选用不同生产日期(2011-03-19—04-22)的苏州洞庭山碧螺春茶，由江苏三万昌茶叶有限公司提供，共收集75批茶样，每批200 g.75批茶样的滋味品质感官评定在安徽农业大学茶学系感官审评实验室完成，由4位评茶师按照茶叶感官审评方法(GB/T 23776—2009)和碧螺春茶(NY/T 863—2004)农业行业标准，采用集体评分和密码审评形式评定各茶样的滋味品质.4位评茶员评分的平均值作为每批茶样滋味品质的最终评分值.滋味评分值越高，表明其品质越好.75批茶样的滋味感官评分值为本研究模型建立的参考值.从75个样本中选取50个作为校正集，建立校正模型，余下的25个为预测集，用来评价模型的性能.1.3 茶汤的滋味化学成分测定每批茶样混匀后称取3 g，放入150 mL的审评杯中，用沸蒸馏水冲泡5min，将茶汤倒出，用滤纸过滤，待测.利用化学分析仪器测定每个样本茶汤的茶多酚、氨基酸、咖啡碱、GA、EGC、C、EGCG、GCG、ECG 的成分含量，其中茶多酚含量采用酒石酸亚铁比色法(GB/T 8313—2002)测定;氨基酸含量采用水合茚三酮比色法(GB/T 8314—2002)测定;咖啡碱、GA、EGC、C、EGCG、GCG、ECG 采用高效液相色谱法(ISO 14502—2006)测定;儿茶素总量为 EGC，C，EGCG，GCG和ECG 5种儿茶素含量之和.高效液相法色谱条件:柱温(35±0.5)℃;检测波长278 nm;流动相为体积分数2%冰乙酸水溶液(A)和乙腈(B).梯度洗脱:0 min，φ(A)为95%;0 ～10 min，φ(A)为95% ～80%;10～20 min，φ(A)为 80% ～62.5%;20～25 min，φ(A)为62.5% ～45%;25 ～30 min，φ(A)为95% ～45%;流速0.8 mL·min-1;进样量5μL.1.4 电子舌传感器响应值采集在测定各样本茶汤滋味成分的同时，采用电子舌采集茶汤的传感器响应值.取上述制备液约82 mL，倒入专用烧杯中，将其放入电子舌自动进样器上，数据采集序列为校准溶液(蒸馏水)和待测茶汤交替进行.每个茶样溶液的数据采集时间为150 s，重复测量6次，求其最后3次的平均值作为各传感器响应值的原始数据.2 结果与讨论2.1 绿茶滋味品质的感官审评结果分析75批碧螺春茶的滋味感官评分最高为90.00分，最低为69.50分，所有茶样感官评分的平均值为81.01，标准偏差为5.25.对4位评茶师的滋味评分进行相关分析，见表1.由表可知，各位评茶师的滋味评分之间存在显著相关性(P＜0.01)，各评茶师的评分与4位评茶师评分的平均值之间也存在显著相关性(P＜0.01)，说明4位评茶师对茶汤的滋味品质评价具有较高的一致性和准确性.表1 所有评茶师的滋味评分的皮尔逊相关分析注:＊＊表示在0.01水平下(P＜0.01).评茶师评茶师1 评茶师2 评茶师3 评茶师4 4位评茶师评分的平均值平均得分值评茶师11评茶师2 0.858＊＊ 1评茶师3 0.814＊＊ 0.961＊＊ 1评茶师4 0.635＊＊ 0.846＊＊ 0.830＊＊ 1 4位评茶师评分的平均值 0.900＊＊ 0.984＊＊ 0.966＊＊ 0.875＊＊12.2 绿茶茶汤的滋味化学成分含量分析表2是75个样本茶汤的10种滋味成分含量测定结果，其中茶多酚含量最高，GA 和C含量最低，ECG的变异系数最大，GCG的变异系数最小.而GA是呈酸涩味的滋味成分，C是呈苦涩味的滋味成分［12］，即使是含量较小的GA和C对绿茶滋味也有一定的协调作用.本研究拟建立茶汤的10种滋味成分含量与滋味感官评分之间的BP-ANN模型.表2 茶汤的10种滋味成分含量mg·g-1化学组分范围平均值标准差变异系数茶多酚137.01～230.18 169.75 19.92 11.73氨基酸 26.09～48.92 37.59 4.92 13.09 GA 0.15～0.28 0.21 0.03 12.74 EGC 10.28～29.68 19.34 3.65 18.87 C 7.17～9.25 7.10 0.65 9.18 Caffeine 20.77～46.13 26.41 3.39 12.85 EGCG 17.96～42.35 28.31 6.45 22.79 GCG 25.45～30.88 25.28 1.13 4.48 ECG11.28～30.11 18.38 5.06 27.55儿茶素总量71.08～132.61 98.42 14.62 14.85 2.3 滋味成分与感官评分的相关模型对校正集样本，采用3层BP-ANN网络拓扑结构:输入层、隐含层、输出层，把上述测定的10种滋味成分含量经标准化处理后，作为BP神经网络模型的输入，则输入层神经元数为10，输出层神经元数为1，即为茶汤的滋味感官评分.输入层到隐含层的传递函数采用正切S形函数，隐含层到输出层的传递函数采用logistic函数，学习速率为0.2，权重修正动量为0.4，初始权重设置为0.3，目标误差为0.001，最大训练次数为2 000.用上述参数训练网络模型，模型的预测值与实际评分之间的相关系数(R c)为0.889，交互验证均方根误差(RMSECV)为2.431.用预测集样本评价模型性能，模型预测值与实际评分之间的相关系数(R p)为0.869，预测均方根误差(RMSEP)为2.553.2.4 电子舌数据与感官评分的相关模型本研究有比较地采用BP神经网络方法建立电子舌的传感器响应值与滋味感官评分之间的相关模型.为有对比性，训练集与预测集样本与2.3节相同，BP-ANN网络的结构及网络参数值的设计也与2.3节相同.电子舌的各传感器既具有选择性、非特异性又具有交互敏感性，导致各传感器的响应值之间存在一定相关性，从而使变量间产生冗余信息.这些冗余信息参与模型建立，会使网络训练过程产生“过拟合”现象.研究采用主成分分析法提取特征变量作为网络的输入，在校正集中用交互验证法优化主成分数，产生最小RMSECV的网络所采用的主成分数，即为最佳主成分数.图1显示了不同主成分数所建模型对应的RMSECV值，由图可知，当使用6个主成分训练网络模型时，模型的RMSECV值最小，因此使用前6个主成分作为网络的输入.用以上参数训练网络，模型对校正集样本的交互验证均方根误差(RMSECV)为1.547，模型预测值与实际评分值之间的相关系数(R c)为0.961;模型对预测集样本的预测均方根误差(RMSEP)为1.913，模型预测值与实际评分值之间的相关系数(R p)为0.932.图1 校正集样本在不同主成分下建立BP-ANN模型对应的RMSECV值2.5 2种方法的结果比较图2是预测集25个样本的滋味感官评分与BPANN模型的预测值之间的预测误差图，图中横坐标为评茶师对滋味的评分，纵坐标为评茶师评分与模型预测值之差.图2a是基于化学仪器方法建立模型的预测误差图，图2b是基于电子舌方法建立模型的预测误差图.由图可知，基于化学仪器方法建立的模型中，有2个样本的预测误差的绝对值超过5.0分(见图2a中的虚线标志)，预测误差的绝对值在0～5.0分以内的符合率为92%;基于电子舌方法建立的模型中，有1个样本的预测误差的绝对值超过5.0分(见图2b中的虚线标志)，预测误差的绝对值在0～5.0分以内的符合率为96%.由以上分析可知，用化学仪器方法和电子舌方法预测绿茶的滋味品质与人工感官评价绿茶滋味品质具有较好的一致性.图2 BP-ANN模型对预测集样本的预测误差表3是在95%置信区间内，当采用BP-ANN方法分别建立10种滋味成分与滋味感官评分之间、传感器响应值与滋味感官评分之间的模型时，预测集样本的实际评分与模型预测值的配对t检验结果.为比较线性方法(偏最小二乘回归，PLS)和非线性方法(BP-ANN)应用于仪器测量参数与滋味感官评分之间模型建立的效果，表4列出了基于化学分析仪器方法和电子舌方法建立PLS模型和BP-ANN模型的性能比较结果.表3 模型的预测值与实际评分的配对t检验方法模型差异均值标准离差均值标准差 t值双尾显著性概率实际评分与化学仪器PLS 0.087 3.650 0.730 0.1190.907 BP-ANN -0.072 2.605 0.521 -0.138 0.892实际评分与电子舌PLS -0.764 2.837 0.567 -1.346 0.191 BP-ANN -0.278 1.931 0.386 -0.720 0.479由表3可知基于2种方法的t值分别为-0.138和 -0.720，其绝对值都小于 t0.025，24=2.064，表明基于2种方法建立的BP-ANN模型，其预测值与实际评分之间无显著差异.由此可见，用化学仪器方法和电子舌方法量化评价绿茶的滋味感官品质，其准确度都可靠.但由表4可知，基于2种方法建立的BP-ANN模型性能都要好于PLS的，说明BP-ANN方法更适合于解决仪器测量参数与滋味感官评分之间的相关关系.但基于电子舌方法建立的PLS和BP-ANN模型性能都好于基于化学分析仪器的，说明电子舌能更好地量化评价绿茶的滋味感官品质.这是因为绿茶滋味是由茶汤内数十种滋味成分相互配合，彼此协调后的综合反映，而不是某几种成分的独立作用［12］.利用化学方法只能测量茶叶内有限几种滋味成分，采用BP神经网络方法能较好地解决各种滋味成分与滋味感官评分之间的复杂非线性问题，但使用有限几种独立的滋味成分含量建模，不能体现各种滋味成分间的相互作用.电子舌传感器阵列是模仿生物味觉机理设计的，其传感器阵列相当于人体味觉器官，由既具有选择性，又具有交互敏感性的有机膜组成，传感器响应值并不是某单一成分的独立作用，而是有选择性的各种成分的综合响应，输出的响应信号是茶汤溶液的整体信息，能充分体现出各种滋味成分的综合作用.因此，利用电子舌方法能更好地量化评价绿茶的滋味感官品质.表4 PLS和BP-ANN模型结果比较方法模型校正集预测集R c RMSECV R p RMSEP化学分析仪器PLS 0.733 3.573 0.721 3.578 BP-ANN 0.889 2.4310.869 2.553电子舌PLS 0.840 2.880 0.843 2.880 BP-ANN 0.961 1.547 0.9321.9133 结论1)用化学仪器方法和电子舌方法预测绿茶的滋味品质与人工感官评价绿茶滋味品质具有较好的一致性.2)利用BP-ANN方法能更好地解决电子舌传感器数据与滋味感官评分之间的相关关系.3)与化学分析仪器方法相比，电子舌方法能更好地量化评价绿茶的滋味感官品质. 参考文献(References)【相关文献】［1］ Bettuzzi S，BrausiM，Rizzi F.Chemoprevention of human prostate cancer by oral administration of green tea catechins in volunteers with high-grade prostate intraepithelial neoplasia:a preliminary report from a one-year proof-of-principle study ［J］.Cancer Research，2006，66(2):1234-1240.［2］ Pongsuwan W，Fukusaki E，Bamba T，et al.Prediction of Japanese green tea ranking by gas chromatography/mass spectrometry-based hydrophilic metabolite fingerprinting［J］.Journal of Agricultural and Food Chemistry，2007，55(2):231-236. ［3］ Obanda M，Okinda Owuor P，Taylor SJ.Flavanol composition and caffeine content of green leaf as quality potential indicators of Kenyan black teas［J］.Journal of the Science of Food and Agriculture，1997，74(2):209-215.［4］ Okinda Owuor P，Obanda M，Nyirenda Hastings E，et al.The relationship between some chemical parameters and sensory evaluations for plain black tea(Camellia sinensis)produced in Kenya and comparison with similar teas from Malawi and South Africa ［J］.Food Chemistry，2006，97(4):644-653.［5］ Liang Yuerong，Lu Jianliang，Zhang Lingyun，et al.Estimation of black tea quality by analysis of chemical composition and colour difference of tea infusions［J］.Food Chemistry，2003，80(2):283-290.［6］ Liang Yuerong，Zhang Lingyun，Lu Jianliang.A study on chemical estimation of pu-erh tea quality ［J］.Journal of the Science of Food and Agriculture，2005，85(3):381-390. ［7］ Liang Y R，Ye Q，Jin J，et al.Chemical and instrumental assessment of green tea sensory preference ［J］.International Journal of Food Properties，2008，11(2):258-272. ［8］姜莎，陈芹芹，胡雪芳，等.电子舌在红茶饮料区分辨识中的应用［J］.农业工程学报，2009，25(11):345-349.Jiang Sha，Chen Qinqin，Hu Xuefang，et al.Application of electronic tongue on black tea beverage discrimination［J］.Transactions of the CSAE，2009，25(11):345-349.(in Chinese)［9］Kovács Z，Dalmadi I，Lukács L，et al.Geographical origin identification of pure Sri Lanka tea infusions with electronic nose，electronic tongue and sensory profile analysis ［J］.Journal of Chemometrics，2010，24(3):121-130.［10］张俊雄，吴科斌，宋鹏，等.基于BP神经网络的玉米单倍体种子图像分割［J］.江苏大学学报:自然科学版，2011，32(6):621-625.Zhang Junxiong，Wu Kebin，Song Peng，et al.Image segmentation of maize haploid seeds based on BP neural network ［J］.Journal of Jiangsu University:Natural Science Edition，2011，32(6):621-625.(in Chinese) ［11］陆秋君，王俊，于慧春，等.蛋壳裂纹的神经网络判别［J］. 江苏大学学报:自然科学版，2009，30(5):454-458.Lu Qiujun，Wang Jun，Yu huichun，et al.Identification of eggshell crack using BPNN and GA-BPNN in dynamic frequency analysis ［J］.Journal of Jiangsu University:Natural Science Edition，2009，30(5):454-458.(in Chinese)［12］陆松侯，施兆鹏.茶叶审评与检验［M］.3版.北京:中国农业出版社，2001:55-70.。
SmarTongue电子舌在冰葡萄酒领域的应用介绍电子舌技术是于20世纪80年代中期发展起来的一种分析识别液体成分的智能仪器技术，主要由传感器阵列信号处理和模式识别系统组成传感器阵列对液体样品作出响应并输出信号，信号经计算机系统进行数据处理后得到反映样品味觉特征的结果，目前电子舌已经成功应用于饮料、葡萄酒、白酒、果酒、黄酒、以及调味品等多类食品产品的质量评定与真伪辨识。
冰酒是将葡萄推迟采收，在-7℃的气温下，果实挂在枝头通过自然结冰和风干，葡萄中的糖分得到高度浓缩，在结冰的状态下压榨、低温保糖发酵酿制而成的甜型葡萄酒。
其口感滑润，甜美醇厚，具有极高的保健功效，被国际葡萄酒界誉为“酒中极品”、“酒苑奇葩”。
由于冰葡萄酒采用特殊原料和生产工艺酿造。
因此冰酒具有不同于一般葡萄酒的特殊、浓郁的香气和甜润的口感，构成了冰酒独特的品质。
冰葡萄酒存在多种、复杂的风味物质。
因此对其鉴别和分析比较困难。
上海瑞玢生产的SmarTongue电子舌给出样品总体属性指标，具有性能稳定重现性好等优点。
而且与传统检测技术相比，电子舌不需对样品进行预处理，可大大提高检测效率。
图1是张平[1]采用SmarTongue 电子舌对8种冰酒进行分析鉴定的主成分分析图。
由图1可知，9个冰葡萄酒样品主成分得分值能够很好地落在各自的区域范围内而不互相干扰，相互之间没有重叠，说明瑞玢公司的SmarTongue电子舌(图2)的PCA法能将这9个冰葡萄酒样品很好地区分开。
除了森澳冰红和加拿大威代尔靠得比较近外，其他7个冰葡萄酒样品相距都较远，说明森澳冰红和加拿大威代尔的味道之间具有一定的相似性，而其他冰葡萄酒样品之间差异较大。
五女山冰酒原酒和经橡木桶贮藏1个月、2个月的样品分布在图中不同区域，说明橡木桶对冰葡萄酒风味的改变具有重要作用，并且与贮藏时间有关。
图2SmarTongue电子舌。
电子舌技术对市售不同品牌方便面调料的滋味识别申慧珊;张国权;夏天雨;吴青兰;田丽娜;江昊;郑建梅【摘要】为了对市售方便面调料的滋味品质进行评价,从市场上购买3 个不同品牌的3 种口味的方便面样品,采用电子舌技术和多元统计方法相结合的手段对方便面调味粉包、酱包、粉包和酱包混合后的滋味品质进行了评价分析.结果表明:电子舌的主成分分析和判别因子分析均可以有效区别不同品牌不同口味的方便面调料.在方便面调料品质检测方面,电子舌应用是一个新的检测方法,有着广阔的发展空间.【期刊名称】《中国调味品》【年(卷),期】2018(043)009【总页数】7页(P134-139,159)【关键词】方便面调料;电子舌;主成分分析;判别因子分析;区分【作者】申慧珊;张国权;夏天雨;吴青兰;田丽娜;江昊;郑建梅【作者单位】西北农林科技大学食品科学与工程学院,陕西杨凌 712100;西北农林科技大学食品科学与工程学院,陕西杨凌 712100;西北农林科技大学食品科学与工程学院,陕西杨凌 712100;西北农林科技大学食品科学与工程学院,陕西杨凌712100;西北农林科技大学食品科学与工程学院,陕西杨凌 712100;西北农林科技大学食品科学与工程学院,陕西杨凌 712100;西北农林科技大学食品科学与工程学院,陕西杨凌 712100【正文语种】中文【中图分类】TS202.3第17届中国方便食品大会指出，2016年方便面产量为362.4亿包，销售额为511.69亿元，2017年方便面行业发展稳健[1]。
各方便面厂家面饼质量差距不大，鲜浓、飘香和醇厚的调料成为方便面企业竞争的关键[2]。
方便面调料是由多种原辅料复合而成为方便面增添滋味的调味料[3]。
通常情况下，方便面调料的滋味分析是经过专业培训的专家进行感官评定，但感官评定具有一定的主观性，易受评定人员身心状况等因素的影响，且费力耗时。
电子舌是一种基于多传感器阵列和多元统计分析方法检测液体样品的味觉传感器[4]。
茶叶科学 2016，36 (6): 621430Journal of Tea Science投稿平台： 电子舌在茶叶检测识别中的应用潘玉成 ' 叶乃兴2,江福英3,黄先洲41.宁德职业技术学院机电工程系，福建福安355000;2.福建农林大学园艺学院，福建福州350002;3.福建省农业科学院茶叶研宄所，福建福安355015;4.宁德职业技术学院农业科学系，福建福安355000摘要：随着人类对味觉机制研宄的不断深入以及传感器技术、模式识别技术等的不断发展，电子舌作为一种 模拟人类味觉系统的感官智能分析仪器得到了快速发展，其应用领域越来越广泛。
文章介绍了电子舌的基本原理和组成，综述了电子舌在茶叶种类区分、呈味物质检测、品质等级评定等方面的应用，总结了电子舌在 茶叶应用中存在的问题，并展望了其未来的发展方向，以供深入研宄参考。
关键词：电子舌；茶叶；味觉传感器阵列；模式识别中图分类号：TS272; Q126 文献标识码：A 文章编号：1000-369X (2016) 06-621-10 Application of Electronic Tongue in TeaDetection and IdentificationPAN Yucheng1,YE Naixing2,JIANG Fuying3,HUANG Xianzhou41. Department of Mechanical and Electronic Engineering, Ningde Vocational and Technical College, Fu’an 355000, China;2. College of Horticulture, Fujian Agriculture and Forestry University, Fuzhou 350002, China;3. Tea Research Institute, Fujian Academy of Agricultural Sciences, Fu’an 355015, China;4. Department of Agriculture Science, Ningde Vocational and Technical College, Fu’an 355000, China Abstract: With the increase of knowledge on the human taste feeling mechanism and the development of sensor and pattern recognition technologies, electronic tongue, an intelligent sensing instrument simulating the human taste system, has been rapid developed. It is now also widely applied in many fields. This paper introduced the basic principle and structure of the electronic tongue. The application of electronic tongue in the identification of tea varieties, detection of taste substances, quality evaluation of tea etc were also reviewed. Moreover, the problems present in the application of electronic tongue in tea and the development direction in future were also discussed, which could be a useful reference for further in-depth studies.Keywords: electronic tongue, tea, taste sensor array, pattern recognition人类对味觉的感官评价存在个体差异大、主观性强、重复性差等缺点，且因舌头在长时 间工作后会出现“味觉疲劳”而产生不同的结 果。
“机器品酒师”——电子舌
佚名
【期刊名称】《现代班组》
【年(卷),期】2008(0)9
【摘要】西班牙科学家正在研发一种可以品酒、验酒的电子舌。
一旦技术成熟,其味觉敏锐程度不亚于人类的舌头。
【总页数】1页(P19-19)
【关键词】电子舌;品酒师;机器;葡萄酒;酿造;研究人员;研发;人类;舌头;现场检测【正文语种】中文
【中图分类】TS261.7
【相关文献】
1.不开瓶盖辨别口感味觉机器人堪比品酒师 [J], 杨晓宝
2."机器品酒师"——电子舌/请允许孩子"虚度光阴"/喝咖啡有助缓解肌肉疼痛 [J],
3.机器人品酒师在日本诞生 [J], 方留民
4.贵州省首批获得高级品酒师、品酒师、品酒员资格人员名单 [J],
5.品酒师要失业了么?丹麦发明可以品红酒的机器人 [J], 崔洪
因版权原因，仅展示原文概要，查看原文内容请购买。
电子舌技术快速辨识15种茶汤滋味徐维盛，王竹，杨月欣中国疾病预防控制中心营养与食品安全所（北京 100050）摘要利用电子舌分析技术, 对绿茶、乌龙茶、黑茶、红茶等4类15种茶汤 (其中基本茶类13种, 再加工茶类2种) 滋味进行辨识。
通过电子舌检测不同茶汤滋味在传感器上的响应值, 采用主成分分析 (PCA) 及判别函数分析 (DFA) 进行数据分析。
样品在各个传感器的响应值雷达图结果表明各样品具有不同的气味轮廓, 表明其具有不同的风味。
PCA分析结果表明转换得到的第一主成分, 可反映样品原来信息的81.768%, 转换得到的第二主成分, 可反映样品原来信息的13.004%, 两个主成分共可反映原来信息的94.772%, 表明PCA分析可以反映样品的综合信息。
通过DFA所建立的模型对测试样品的判别效率为95.616%。
分析结果表明利用电子舌析技术可较好的区分不同茶汤的滋味。
关键词电子舌; 茶汤; 主成分分析; 判别函数分析Rapid Discrimination of Fifteen Kinds of Tea Infusion by Electronic TongueTechnologyXu Wei-sheng, Wang Zhu, Yang Yue-xinNational Institute of Nutrition and Food Safety, Chinese Center for Disease Control and Prevention (Beijing 100050) Abstract Electronic tongue technique was applicated together on fi fteen tea samples (taking from four category respectively), which prepare according to brewing. The result of principal component analysis (PCA) and discrimination function analysis (DFA) obtained from taste sensors. The radar chart shows that the 15 tea samples have different contour records. While regard 15 tea samples as four variety, the sensor’s detecting data processed by PCA, which the result, in the PCA diagram, the discrimination index were 81.768% and 13.004%, the total discrimination index was 94.772%, the result showed that, in virtue of different degree of fermentation, all category have a preferable division. While regard 15 tea samples as individual, the electronic tongue have a discrimination index of 95.616% to them, which suggest a favorable distinguish effect. The experimental results indicate the electronic tongue technology can be used effectively for detection and discrimination between different types of tea infusion.Keywords electronic tongue; tea infusion; principal component analysis (PCA); discrimination function analysis (DFA)茶文化在我国有着悠久的历史，根据茶叶制作方法的不同，我国茶叶主要分为绿茶、黄茶、黑茶、乌龙茶、白茶和红茶6大类。
制茶过程中茶多酚的酶促或非酶促氧化（俗称发酵）程度决定了茶的色、香、味，因此不同制法茶具有不同的风味特征。
茶多酚在茶水浸出物中所占的比重最大，是决定茶汤滋味的主要物质，绿茶未经发酵，决定其茶汤滋味的主要因素为茶多酚单体儿茶素类，其鲜味的重要活性成分是茶叶中特殊含有的茶氨酸；经发酵后，茶多酚氧化形成茶色素，是发酵类茶的主要呈味活性成分，其单体包括茶红素、茶黄素、茶褐素等[1-5]。
由于茶叶的成分比较复杂，茶叶的品质不能通过某种成分的量化而表达，因此，茶叶品质大多是通过人的感官评定，但人的感官灵敏度受外界因素的干扰而改变，且存在感官疲惫，因此容易影响评定的准确性。
电子舌是模拟人体味觉机理研制出来的一种智能识别电子系统，通过不同种类的传感器，将酸、甜、苦、咸、鲜等基本味觉感官及各种回味的味觉指标进行客观数字化评价，它得到的不是被测样品的某种或某几种成分的定性、定量结果，而是反映了样品的整体信息，因此也被成为“指纹”数据[6-8]。
目前，电子舌在乳品、酒精饮料、果汁饮料、矿泉水工业等领域具有广泛的应用[9-10]，在油脂检测中也有较好的应用前景[11]。
目前，电子舌技术在区分红茶、绿茶等单一茶叶种类的口味分析中取得了一定的研究成果[1-2, 4]，主要集中在基本茶类，对基本茶类与再加工茶类样品滋味辨识的鲜有报道。
试验采用电子鼻技术，选择主成分分析（PCA）及判别函数分析（DFA）两种统计分析模式，对4类15种茶汤（其中基本茶类13种，再加工茶类2种）滋味进行区分，以期为茶汤滋味辨识提供一种高效、灵敏、便捷的方法。
1 材料与方法1.1 仪器ASTREE电子舌系统（包括第5套味觉传感器、信号采集器和模式识别系统3部分）；Alphasoft V12.42多功能多变量智能分析软件：法国 Alpha MOS 公司；ME235S型分析用天平（感量0.01 mg）：德国Sartorius基金项目：国家科技支撑计（No.2012BAD33B01）；北京市科学技术研究院青年骨干项目资助（No.2012-019）154155集团；优普超纯水机：成都超纯科技有限公司。
1.2 样品15种茶叶样品均由湖南农业大学易有金教授课题组提供，包括未发酵绿茶样品5种，半发酵乌龙茶样品3种，全发酵红茶样品4种以及后发酵黑茶样品3种，除广西六堡茶、益阳茯砖茶为再加工茶类黑茶类样品外，其余样品均未基本茶类。
采样信息见表1所示。
表1 茶叶样品采样信息序号茶叶名称茶叶类型级别生产日期生产单位1西湖龙井绿茶(炒青,扁炒青)三级2010年5月浙江省杭州市西湖区梅家坞村一品香茶庄2信阳毛尖绿茶(烘青,条形茶)一级2010年5月河南省信阳市浉河港乡龙潭茶厂3洞庭碧螺春绿茶(炒青,曲炒青)一级2011年5月江苏苏州市绿扬名茶有限公司4黄山毛峰绿茶(烘青,条形茶)一级2010年10月安徽黄山徽特商贸有限公司5古丈毛尖绿茶(炒青,特种炒青)特级2010年4月湖南张家界茅岩河食品有限公司6水仙乌龙茶(摇动做青)特级2010年5月福建政和瑞茗茶叶有限公司7安溪铁观音乌龙茶(摇动做青)特级2010年10月福建省安溪县中闽弘泰茶叶有限公司8凤凰单枞乌龙茶(摇动做青)一级2010年8月广东潮州市揭东县潮韵茶叶有限公司9祁门红茶红茶(工夫红茶,叶形茶)一级2010年10月黄山徽特商贸有限公司10滇红茶红茶(工夫红茶,叶形茶)未标示2010年3月云南滇红基团股份有限公司云南省凤庆茶厂11川红茶红茶(工夫红茶,叶形茶)未标示2010年9月四川林湖茶叶有限公司12闽红茶红茶(工夫红茶,叶形茶)二级2010年4月福建政和瑞茗茶叶有限公司13普洱茶基本茶类黑茶(条形茶)特级2008年1月云南普洱市金福茶厂14广西六堡茶再加工茶类黑茶(篓包类一级2009年6月桂林市漓江茶叶加工厂15益阳茯砖茶再加工茶类黑茶(砖茶类)特制2008年3月湖南省安化茶厂1.3 试验方法1.3.1 试验用水泡茶及试验用水均为优普超纯水机制成的RO纯净水（离子交换做成的纯水）。
1.3.2 茶汤浸提[11]依据GB/T 23776—2009 茶叶感官审评方法，取充分混匀有代表性的茶样5.0 g，置于250 mL白色瓷质茶碗中，茶水比1︰50（g/mL），水温100 ℃，绿茶冲泡4 min，其他茶叶冲泡5 min，茶汤经400目滤布过滤，冷却至室温（25 ℃±2 ℃）后进行电子舌数据采集，每个样品进行3次平行操作。
1.3.3 样品分析与数据处理为确保检测数据的可靠性和稳定性，电子舌在试验前按其使用说明经过校准、诊断、自检等工作，全部通过后对采样时间、采样序列、清洗溶液安排等检测参数进行设置，每次数据采集前，用纯水清洗传感器。
茶汤样品放置于电子舌专用烧杯中，每杯茶汤样品量为80 mL，于室温条件下进行测定，数据采集时间为120 s，每秒采集一个数据，综合采用第120 s所得的稳定数据作为输出值。
传感器在刚开始测量时，感应强度会上下波动，测量2~3次后，传感器响应强度趋于稳定。
研究每杯样品重复测定10次，选取后3次的测量数据作为统计分析的原始数据。
采用Alphasoft V 12.42分析软件对所测数据进行预处理和判别分析。
2 结果与讨论2.1 传感器信号选择试验选择由法国阿莫斯公司研发的第五套五味传感器，包含7个化学传感器阵列（SRS、GPS、STS、UMS、SPS、SWS和BRS）和1个Ag/AgCl参比电极。
每个传感器前端有1个电子芯片，芯片表面具有脂质双分子膜结构，通过调节膜的构成比例达到对各种类型味物质的选择性。
第5套五味传感器较第1套五味传感器（ZZ、BA、BB、CA、GA、HA和JB）具有更好的选择性，可以给出酸涩味、咸味、鲜味的相对强度顺序，甜味、苦味的相对强度可通过标准添加给出，其检测限可达10-7，较人舌敏感度高2~3个数量级[12-14]。
研究用电子舌7根传感器对酸、甜、苦、咸、鲜5种基本味觉的响应及检测限与人感官灵敏度比较见表2所示。
茶汤样品在7根传感器的响应值见图1所示。
表2 电子舌传感器阵列及其检测限与人感官灵敏度基本味觉呈味物质7根传感器的检测限/mol·L -1传感器检测限人感官灵敏度SRS GPS STS UMS SPS SWS BRS 酸盐酸10-710-710-710-710-710-710-710-7 1.6×10-4甜葡萄糖10-710-410-710-710-410-410-410-77.3×10-3苦咖啡因10-510-410-410-510-410-410-410-4 5.0×10-4咸NaCl 10-610-510-610-610-410-410-510-6 1.0×10-3鲜味精10-510-410-410-510-410-410-410-45.0×10-4156图1 电子舌7根五味传感器响应信号数据图2.2 不同样品的雷达图分析为了更直观的分析电子舌传感器对不同茶汤样品的响应，将每个传感器的数据的均值取出并标识，按照间隔60°均匀排列在圆周上，此时味觉信号被转换成视觉信号表现在圆周上，形成雷达图，见图2所示。
