基于电子鼻技术的有机绿茶贮存期评价方法探讨

有机绿茶香气的质和量与其贮存期密切相关。采用常温下逐年贮存1～16年的有机绿茶样，使用电子鼻（E-nose）分析其香气。以化学计量学方法以及机器学习方法，比如核岭回归（Kernel ridge regression,KRR）、支持向量回归（Support vector regression,SVR）和反向传播神经网络（Back propagation neural networks,BPNN）等多元回归分析方法，建立电子鼻传感信号与茶叶贮存期之间的回归模型，并对各模型的性能进行评估。结果表明，BPNN模型具有较强的非线性拟合能力，集中地验证进一步证实了BPNN模型的泛化性能。研究结果表明基于金属氧化半导体（Metal oxide semiconductor,MOS）传感器的电子鼻分析方法可作为有机绿茶贮存期评估中的替代方法，结合BPNN模型，为实际生产中长期贮存的绿茶品质鉴别提供有效的预测模型。