茶的香气和滋味在其品质风味中占有重要地位。目前风味检测方法难以满足绿茶品质风味快速检测的需求。因此,本研究拟采用电子鼻和味觉可视化获取绿茶嗅觉和味觉信息,建立绿茶品质风味嗅觉味觉双通道感知方法;并以人工感官评判为参照,建立相应的定量评判模型;进一步引入嗅觉味觉感官交互作用,探究受嗅觉影响的味觉感知对绿茶品质风味判别的影响。本研究的主要内容有:1.绿茶样品理化检测和人工感官评价根据国家标准对绿茶中的主要滋味物质进行检测,为后期建立绿茶滋味物质定量预测模型提供对照;根据国家标准中的审评方法对绿茶的品质风味进行评价,得到样品的感官评分,用于后续绿茶品质风味感官评分预测模型的建立。2.基于电子鼻技术的绿茶嗅觉品质风味检测方法研究采用电子鼻技术获取绿茶样品的特征信号,建立绿茶嗅觉品质风味判别模型。根据采集到的绿茶香气信息,对数据进行标准化预处理。采用K-近邻法（KNearest Neighbor,KNN）和支持向量机（Support Vector Machine,SVM）方法建立模式识别模型,对不同类别的绿茶进行判别。KNN模型对训练集和预测集的评判准确率分别为97.78%和96.67%,SVM模型均为100%。3.基于味觉可视化技术的绿茶味觉品质风味检测方法研究根据筛选的色敏材料构建可视化传感器阵列,再利用味觉可视化技术采集绿茶滋味信息,以前10个主成分作为特征值,分别建立KNN和SVM识别模型,对绿茶样本进行品质风味判别。两种模型对预测集样本的识别准确率分别为67.78%和83.33%。采用偏最小二乘法（Partial least square,PLS）和反向传播神经网络（Back propagation neural network,BPNN）建立茶多酚、儿茶素类物质、咖啡碱、游离氨基酸等四种滋味物质的定量预测模型。其中,PLS模型对四种滋味物质的预测集相关系数（The correlation coefficient in the prediction set,Rp）分别为0.7969、0.8905、0.9078和0.7762,预测集均方根误差（Root mean square error of prediction,RMSEP）分别为1.0900、0.8310、0.2980和0.1940;BPNN预测模型对四种滋味物质的Rp分别为0.8809、0.9568、0.9336和0.8640,RMSEP分别为4.5115、2.5249、1.4136和0.8973。BPNN模型比PLS模型效果更好。结果表明味觉可视化技术能够实现对绿茶滋味物质含量的定量预测。4.基于传感信息融合技术的绿茶风味感官属性检测方法研究采用信息融合技术,进行绿茶品质风味嗅觉味觉双通道感知方法研究。分别采用电子鼻和味觉可视化获取绿茶气味和滋味特征信息并进行信息融合,建立绿茶感官评分定量预测模型。利用电子鼻特征信号建立绿茶嗅觉评分定量预测模型,BPNN的Rp和RMSEP分别为0.8533和3.4984;根据味觉可视化传感器特征信号,建立绿茶味觉评分定量预测模型,BPNN的Rp和RMSEP分别为0.8322和5.4308;基于电子鼻和味觉可视化融合信息建立绿茶总体评分定量预测模型,BPNN的Rp和RMSEP分别为0.8980和13.4528。结果表明,传感信息融合技术优于单一技术的预测精度。5.基于嗅觉味觉交互作用的茶叶品质风味可视化技术判别研究在食品感官评价过程中,嗅觉与味觉之间产生的交互作用对绿茶风味评判有着重要影响。因此,本研究在对不同品质风味绿茶的评判中引入嗅觉味觉间交互作用,提取受嗅觉影响的味觉可视化传感器阵列特征信号作为模型输入量,采用KNN和SVM方法建立不同品质风味绿茶的判别模型。KNN模型的训练集和预测集判别准确率分别为90%和82.22%,SVM模型的分别为94.44%和91.11%。研究结果表明,基于电子鼻和味觉可视化技术的嗅觉味觉双通道感知方法对绿茶的品质风味进行评判是可行的,引入嗅觉味觉交互作用的可视化判别方法能够准确判别绿茶的品质风味。本研究成果可用于绿茶品质风味评判中,也为其他食品品质风味评判提供借鉴。