茶，作為世界三大健康飲品之一，因其獨特風味、藥理價值和文化意義而愈發受到歡迎。其中，茶葉中的揮發性香氣物質對其感官評價和整體品質影響較大，而這些香氣物質與茶樹的生長情況緊密相關，如茶樹在寒冷、乾旱及遭受病蟲害等脅迫時，均會釋放特定的揮發性香氣物質。因此，能夠精準檢測揮發性香氣物質的種類對於快速評價茶葉品質、監測茶樹病蟲害情況等均具有重要意義。
近日，安徽農業大學資訊與人工智慧學院李科教授聯合茶樹種質創新與資源利用全國重點實驗室宋傳奎教授等團隊合作在類期刊《Sensors and Actuators B: Chemical》發表了題為“Machine learning-assisted ZnO-based sensor for multi-species recognition of volatile aroma components in tea plant” 的研究論文。該論文首次報道利用半導體氣體感測器陣列技術，結合機器學習演算法，實現多物種茶樹揮發性香氣物質的種類識別和濃度預測，為茶葉品質的鑑定和茶樹病蟲害的早期預警與智慧防治提供關鍵技術方法。
圖1. ZnO半導體氣體感測器對葉醇的氣敏效能測試。
本研究透過製備一種氧化鋅（ZnO）半導體氣體感測器，實現葉醇、香葉醇、癸醛、辛醇、苯乙醇和水楊酸甲酯等揮發性香氣物質的高靈敏檢測。其中，該感測器對葉醇表現出極高的氣敏響應。在325 ℃的工作溫度下，對10 ppm葉醇的氣敏響應值高達110，感測器的響應/恢復時間分別為29/7 s，最低檢測限為0.5 ppm。此外，該ZnO半導體氣體感測器具有良好的迴圈穩定性和長期穩定性。
圖2. ZnO半導體氣體感測器在不同工作溫度下對香葉醇、癸醛、辛醇、苯乙醇和水楊酸甲酯等揮發香氣物質的氣敏響應測試。
由於該感測器對多種茶樹揮發性香氣物質均有較好的氣敏響應，僅靠單一感測器難以準確識別香氣物質的種類和濃度等資訊。基於此，研究人員透過工作溫度對半導體氣體感測器的效能調控原理，構建溫度調製型氣體感測器陣列，並進一步結合支援向量機（SVM）、（WNN）等機器學習演算法，實現對葉醇、香葉醇、癸醛、辛醇、苯乙醇和水楊酸甲酯等茶樹揮發性香氣物質的精準識別和濃度預測。其中，對揮發性香氣物質葉醇的識別準確率高達95.8%、濃度預測準確率約為 97.8%，而對其他幾種揮發性香氣物質濃度的預測準確率也均可達96%以上。該研究結果可為茶葉品質鑑定和茶樹病蟲害早期預警與智慧防治提供有力支援，未來有望在茶樹種植、茶葉加工等領域發揮重要作用。
圖3. 機器學習演算法在揮發性香氣物質種類識別和濃度預測中的應用。
安徽農業大學為第一單位與通訊單位，安徽農業大學資訊與人工智慧學院碩士研究生徐海燕、茶樹種質創新與資源利用全國重點實驗室副教授荊婷婷、資訊與人工智慧學院博士研究生程有德為論文共同第一作者，資訊與人工智慧學院李科教授、中國科學院植物研究所荊華博士、茶樹種質創新與資源利用全國重點實驗室宋傳奎教授為論文共同通訊作者。該研究得到國家自然科學基金、安徽省質量基礎設施標準化專項、茶樹生物學與資源利用國家重點實驗室開放課題、農業農村部農業感測器重點實驗室開放課題等專案的資助。
論文連結：
https://www.sciencedirect.com/science/article/pii/S0925400525001121?via%3Dihub
來源：茶樹種質創新與資源利用全國重點實驗室
