[发明专利]基于改进模糊综合评判法的茶叶感官品质评价方法

说明书

技术领域

本发明涉及茶叶感官品质的评估方法，具体是基于改进模糊综合评判法的茶叶感官品质评价方法。

背景技术

茶叶作为全球公认的绿色饮品，在人们的生活中起的地位越来越重要，茶叶的品质已成为人们在追求物质生活和精神生活过程中一个重要表现。当前有关茶叶品质的评价方法主要有仪器分析评价法与感官评价法两种，仪器分析评价法对茶叶品质进行评价虽然比较准确，但通常需要使用专门的试剂和仪器，并且需要在实验室环境下进行操作，耗时、耗力，而感官评价法虽然精确程度不如仪器分析评价法，但其相对来说比较省时、省力。然而目前的感官评价法也是在实验室里借助测色仪、电子鼻、色谱仪等仪器进行的，过程也比较繁琐。因此，选择一种快速、有效的茶叶感官品质评价方法将是目前研究的重要课题和方向。

目前常用的系统评估方法有层次分析法、人工神经网络法等，各方法的主要特点如下：

层次分析法(简称AHP Analytical Hierarchy Process)是将一个复杂抽象的问题进行具象化分解，即把总目标分解成与之紧密相关的各子目标，再进一步将各子目标细化为众多相关因素，从而建立一种深入解剖、纵横相连的评价体系。这种方法主要用来解决复杂、具有多种情况发生的难以解决的问题，常用于处理复杂的社会、经济、政治、教育、技术等方面决策问题的综合评价。然而，主观因素占比例较大、判断矩阵需要经过一致性检验等缺点，使得层次分析法运用起来效果并不是很好。

人工神经网络是一种应用类似大脑神经突触联接的结构进行信息处理的数学模型。神经网络由大量的节点(或称神经元)及其之间的相互联接构成，每个节点代表一种特定的输出函数，称为激励函数(activation function)，每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，相当于人工神经网络的记忆，网络的输出则依网络的连接方式、权重值和激励函数的不同而不同，而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。人工神经网络能处理组合优化、模式识别等问题，在自动控制以及经济、化学、卫生保健、军事等方面都有广泛的应用，然而人工神经网络需要大量的参数(如网络拓扑结构、权值和阈值的初始值)，输出结果难以解释，会影响到结果的可信度和可接受程度。

发明内容

本发明的目的在于克服现有农业生产中的技术缺陷，提供一种基于改进模糊综合评判法的茶叶感官品质评价方法，将改进三角模糊数的层次分析引入到茶叶样品的外形、香气、汤色、滋味、叶底五个指标权重的确定中，省去了普通层次分析法需要一致性检验及需要修正的步骤，同时为了避免评判结果失真、失效，采用普通矩阵乘法运算替换广义模糊合成运算，对模糊综合评判法进行改进，建立了更加适合广大消费者的茶叶感官品质评价方法，且能够达到快速、简便、方便的效果。

为解决上述技术问题，本发明提供一种基于改进模糊综合评判法的茶叶感官品质评价方法，包括以下步骤：

(1)建立评价要素指标体系：选择茶叶“外形、香气、汤色、滋味、叶底”5个决定茶叶品质的感官指标作为评价要素，建立评价要素指标体系U＝{U₁,U₂,U₃,U₄,U₅}＝{外形，香气，汤色，滋味，叶底}；

(2)设置评语论域：采用“特级、一级、二级、三级、四级”5级标度法进行茶叶感官评价指标，设置评语论域V＝{v₁,v₂,v₃,v₄,v₅}＝{特级，一级，二级，三级，四级}，同时赋值为V＝{95,85,75,65,55}；

(3)采用改进三角模糊数的层次分析法对评价要素指标进行赋权：

a、由专家对不同茶叶样品的同一评价要素进行两两比较，并用三角模糊数构造模糊判断矩阵：A＝(a_ij)_n×n，其中a_ij＝[l_ij,m_ij,u_ij]a_ij＝[l_ij,m_ij,u_ij]是一个以m_ij作为中值的闭区间，且