目前茶汤滋味评价的主流手段是专家感官审评，该方法依赖于审评员的感官和经验，容易受到主观因素和外界环境的影响，重复性较差，一定程度上限制了茶叶滋味的深入研究。

本实验以专家感官审评为依据，围绕甜纯滋味特征，对不同工夫红茶茶汤开展电子舌分析并结合数理统计手段，探索基于电子舌的甜纯滋味客观判别模型，以期为后续工夫红茶甜纯滋味特征的深入研究提供理论依据。

        本研究包含实验集和验证集2 部分工夫红茶茶样。研究目的是建立基于电子舌的工夫红茶甜纯滋味评价方法，因此根据专家感官审评得到的滋味特征纳入茶样。实验集中共纳入16 个工夫红茶茶样。

        取300 g茶样置于评茶盘中，把盘，待茶叶混匀后，用大拇指、食指、中指抓取上中下3 段茶样，称取（3.00±0.01）g，置于审评杯中，待沸水水温冷却到85 ℃，向审评杯中注满水，加盖，冲泡茶样4 min后将茶汤沥入审评杯碗。冷却至（50±2）℃后，由感官审评小组人员进行感官审评。感官审评小组由5 位（3 男 2 女）具有高级评茶员及以上资质的审评人员组成。

        根据专家人工感官审评，将茶汤滋味定义为“甜纯”、“纯正”和“欠纯”3 类进行后续分析。“甜纯”定义为茶汤优势滋味属性为甜纯、有回甘或甘和。“纯正”滋味则指味道纯正、无明显杂味。“欠纯”滋味定义为含有明显的陈、酸、涩或闷味等不愉快的滋味。根据茶汤滋味特点的差异，将实验集16 个工夫红茶分类。其中甜纯组、纯正组和欠纯组分别包含7、5 个和4 个茶样（表1）。

        为保证实验的可靠性和稳定性，从甜纯组、纯正组、欠纯组中分别任意选取一个茶样A、B、C，均冲泡 3 次，按1.3.2节进行电子舌数据的采集。如表2所示，7 个传感器的相对标准偏差（n=12）在0.09%～4.38%之间，显示茶汤冲泡和电子舌检测的重复性良好。

        为了快速、直观地分析电子舌对不同滋味特征（甜纯、纯和、欠纯）工夫红茶茶汤的响应差异，首先采用PCA对电子舌数据进行总览。PCA是一种基于数据降维的非监督多变量统计分析手段，可客观地反映原始变量的信息并进行线性分类。如图1A所示，PC1为83.35%，PC2为11.93%，前 2 个主成分代表了样本中 95.28 % 的信息，表明PCA模型可以综合反映电子舌数据。3 类不同滋味的工夫红茶茶汤在PCA得分图上得到较为明显的区分。甜纯组与纯正组、欠纯组茶汤存在显著差异，在PC1方向上分开（PC1=83.35%）；而纯正组与欠纯组间差异则相对较小，在PC2方向上得到区分（PC2=11.93%）。尽管感官审评表明12#茶样的主要滋味属性为甜纯，然而由于其稍带烟味，显著影响了电子舌的响应“指纹”，使得12#茶样在图1A上远离其他甜纯组的样品而接近纯正组与欠纯组的茶样。类似地，甜纯组14#茶样由于其滋味“稍带果味”也在图1A上较远离其他甜纯组茶样。上述结果表明，电子舌分析可基本客观地反映不同的茶汤滋味。然而，对个别滋味属性较为复杂的样本，电子舌分析所识别的滋味特点与人工感官仍有一定差别。红茶茶汤中成分众多，互作复杂。电子舌的味觉传感器阵列由选择性各异的一系列传感器所组成，传感器的数量有限，难以完全模拟人类味蕾。12# 茶样在人工感官审评中为“甜纯，稍带烟”，优势滋味为甜纯；而传感器显示其滋味为非甜（纯正或欠纯），其原因可能是，相比人工感官，传感器可能对茶汤中烟味分子较为敏感。因此在后期大规模样本的建模研究中，应以科学的感官审评为依据，对“稍带烟”的茶样建立更加严格的纳入标准，同时进一步明确该类茶样的电子舌响应规律，从而提高模型准确性和稳定性。
        为探索电子舌检测能否用于工夫红茶茶汤滋味的判别，以电子舌7 个传感器响应值为X变量，以茶汤滋味分组（甜纯、纯正、欠纯）为Y变量做PLS-DA。PLS-DA是一种有监督的模式识别方法，相对于PCA所得的投影通常可获得更好的分类效果。如图1B所示，3 类（甜纯、纯正、纯）茶汤的聚类结果类似于PCA的结果（R²_x =1，R²_Y =0.61，Q2 =0.512）。Q2 大于0.5，表明模型具有较好的预测能力。过拟合是PLS-DA模型的一个常见问题。为进一步验证PLS-DA模型的可靠性，对该模型进行置换检验验证（图1C）。将模型建立时定义的Y矩阵的变量随机排列100 次，得到R2和Q2 截距分别为（0.0，0.029）和（0.0，－0.399），表明PLS-DA模型稳定可靠，未存在过拟合，可用于不同滋味的判别。

 

        为进一步探明电子舌7 根传感器的响应值对滋味分组的贡献，筛选出影响甜纯滋味识别的关键传感器，将上述PLS-DA模型做载荷分析。如图2所示，对甜纯滋味识别影响较大的变量可能为SWS（甜）、UMS（鲜）、SPS（综合），其w×c值分别为0.47、0.42、0.42，以变量SWS（甜）贡献为最大。进一步采用变量投影重要性（variable important for the projection，VIP）筛选关键差异变量，如图3所示。结果表明，VIP值大于1.0的变量包括SWS（甜）、GPS和SPS（复合味觉）及BRS（苦），其中以SWS（甜）的VIP值为最高。SWS甜味传感器对甜纯组茶汤的响应显著高于纯正组和欠纯组（P＜0.001），而对于纯正组和欠纯组的响应差异则不显著（图4）。上述结果表明SWS甜味传感器可能是识别甜纯滋味的关键因子。

电子舌传感器阵列中包含的多个传感器不是单一物质味觉敏感传感器，每根传感器对多种物质具有交互的味觉敏感性但灵敏度各异，推测SWS传感器可能对工夫红茶茶汤中的甜纯特征的呈味物质灵敏度较高，而对苦、涩类物质的灵敏度较低。目前鲜见工夫红茶茶汤中甜味物质的研究报道。对大吉岭红茶等其他茶叶的研究揭示葡萄糖、蔗糖、丙氨酸、鸟氨酸、茶氨酸、茶黄素等具有甜味的滋味特点。电子舌传感器阵列对工夫红茶茶汤中组分的响应规律，及工夫红茶的甜纯特征成分仍有待研究。

 

        为实现对工夫红茶茶汤滋味甜纯与否的快速、准确判别，对电子舌7 个传感器响应值的数据进行二元逻辑回归分析，以筛选关键判别因子并建立判别方程。采用“向前逐步选择法”仅筛选出1 个建立最优预测模型所需的变量，为SWS（甜），验证了PLS-DA载荷分析和VIP值的结果。如图 5 所示，基于该预测方程，非甜纯茶汤的滋味归属均预测正确，甜纯茶汤中除了12#茶样外均预测正确，预测准确率为93.8%。12#茶样由于其滋味“甜纯，稍带烟”，显著影响了电子舌的响应，被预测为非甜纯的茶汤，与PCA和PLS-DA结果一致。剔除该异常样本后，预测准确率为100%。

        为进一步验证实验集的结果，收集14 个工夫红茶作为验证集进行专家感官审评和电子舌分析。如表3所示，甜纯、纯正和欠纯组分别包含4、5、5 个茶样。

甜纯、纯正和欠纯3 类茶汤的电子舌“指纹”在PCA得分图（PC1=50.40%，PC2=30.67%）上各自展现出清晰的聚类（图6A），表明电子舌传感器对甜纯、纯正和欠纯3 类茶汤中溶液分子的响应存在显著差异。进一步地，PLS-DA模型也可实现对验证集中3 类不同滋味工夫红茶的有效判别（图6B）。模型R2X =0.869，R2Y =0.922，Q2 =0.914，表明PLS-DA模型在验证集样本中具有良好的预测能力。置换检验验证（100 次置换检验）结果显示，R2和Q2 截距分别为（0.0，0.006 73）和（0.0，－0.35），表明模型稳健、未存在过拟合现象（图6C）。进而对模型分组贡献最大的关键变量为 SWS 甜味传感器（图6D）。验证集的多变量分析结果与上述实验集得出的结论一致，再次证明了电子舌可用于工夫红茶甜纯滋味特征的快速检测和识别。