首次报道！安徽农业大学硕士研究生以第一作者身份在一区Top期刊（IF=8）上发表研究成果

茶，作为世界三大健康饮品之一，因其独特风味、药理价值和文化意义而愈发受到欢迎。其中，茶叶中的挥发性香气物质对其感官评价和整体品质影响较大，而这些香气物质与茶树的生长情况紧密相关，如茶树在寒冷、干旱及遭受病虫害等胁迫时，均会释放特定的挥发性香气物质。因此，能够精准检测挥发性香气物质的种类对于快速评价茶叶品质、监测茶树病虫害情况等均具有重要意义。

近日，安徽农业大学信息与人工智能学院李科教授联合茶树种质创新与资源利用全国重点实验室宋传奎教授等团队合作在传感器类期刊《Sensors and Actuators B: Chemical》发表了题为“Machine learning-assisted ZnO-based sensor for multi-species recognition of volatile aroma components in tea plant” 的研究论文。该论文首次报道利用半导体气体传感器阵列技术，结合机器学习算法，实现多物种茶树挥发性香气物质的种类识别和浓度预测，为茶叶品质的鉴定和茶树病虫害的早期预警与智能防治提供关键技术方法。

图1. ZnO半导体气体传感器对叶醇的气敏性能测试。

本研究通过制备一种氧化锌（ZnO）半导体气体传感器，实现叶醇、香叶醇、癸醛、辛醇、苯乙醇和水杨酸甲酯等挥发性香气物质的高灵敏检测。其中，该传感器对叶醇表现出极高的气敏响应。在325 ℃的工作温度下，对10 ppm叶醇的气敏响应值高达110，传感器的响应/恢复时间分别为29/7 s，最低检测限为0.5 ppm。此外，该ZnO半导体气体传感器具有良好的循环稳定性和长期稳定性。

图2. ZnO半导体气体传感器在不同工作温度下对香叶醇、癸醛、辛醇、苯乙醇和水杨酸甲酯等挥发香气物质的气敏响应测试。

由于该传感器对多种茶树挥发性香气物质均有较好的气敏响应，仅靠单一传感器难以准确识别香气物质的种类和浓度等信息。基于此，研究人员通过工作温度对半导体气体传感器的性能调控原理，构建温度调制型气体传感器阵列，并进一步结合支持向量机（SVM）、小波神经网络（WNN）等机器学习算法，实现对叶醇、香叶醇、癸醛、辛醇、苯乙醇和水杨酸甲酯等茶树挥发性香气物质的精准识别和浓度预测。其中，对挥发性香气物质叶醇的识别准确率高达95.8%、浓度预测准确率约为 97.8%，而对其他几种挥发性香气物质浓度的预测准确率也均可达96%以上。该研究结果可为茶叶品质鉴定和茶树病虫害早期预警与智能防治提供有力支持，未来有望在茶树种植、茶叶加工等领域发挥重要作用。

图3. 机器学习算法在挥发性香气物质种类识别和浓度预测中的应用。

安徽农业大学为第一单位与通讯单位，安徽农业大学信息与人工智能学院硕士研究生徐海燕、茶树种质创新与资源利用全国重点实验室副教授荆婷婷、信息与人工智能学院博士研究生程有德为论文共同第一作者，信息与人工智能学院李科教授、中国科学院植物研究所荆华博士、茶树种质创新与资源利用全国重点实验室宋传奎教授为论文共同通讯作者。该研究得到国家自然科学基金、安徽省质量基础设施标准化专项、茶树生物学与资源利用国家重点实验室开放课题、农业农村部农业传感器重点实验室开放课题等项目的资助。

论文链接：

https://www.sciencedirect.com/science/article/pii/S0925400525001121?via%3Dihub

来源：茶树种质创新与资源利用全国重点实验室