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。
技术实现要素：
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＝(aij)n×n，其中aij＝[lij,mij,uij]aij＝[lij,mij,uij]是一个以mij作为中值的闭区间，且
当有n位专家进行评判时，aij为综合三角模糊数，由下式得出：其中为第k位专家给出的三角模糊数，三角模糊数的中值mij依据表1所示的AHP 1～9标度法确定；
表1 AHP 1～9标度法的赋值标准
b、对每个判断矩阵构造模糊评判因子矩阵E：
其中sij＝(uij-lij)/2mij为标准离差率，反映了专家评判的模糊程度，sij越大，指标赋值结果模糊程度越大，可信度越小，反之，sij越小，可信度越大；
c、计算调整判断矩阵Q：
其中矩阵M由模糊判断矩阵的中值组成；
d、把调整判断矩阵Q转换为对角线为1的判断矩阵A＝(aij)n×n，其中且aij＝1/aji；
e、用相容矩阵分析法对矩阵A变换，得到相容矩阵B＝(bij)n×n，其中B满足一致性条件bij＝bik×bkj，且bii＝1,bij＝1/bji；
f、计算各指标在本层次中的权重wj，求得权重向量W＝(w1,w2,…,wn)，其中
(4)进行模糊综合评判：
a、建立评判隶属矩阵：
其中表示第k个样品的第i个评价指标相对于第j个评价等级的隶属度；
b、将改进三角模糊数层次分析法计算出的指标权重Wi和已经建立的评判隶属矩阵Rk，进行普通矩阵乘法运算，得到隶属向量W1'：
对W′i作归一化处理，得到因素集对评价集的隶属向量
c、由公式得到各茶叶样品的综合评价得分。
本发明利用模糊综合评判方法，根据茶叶感官的五个常见指标(外形、香气、汤色、滋味、叶底)，采用改进三角模糊层次分析法以及改进的模糊综合评判法，对茶叶感官品质进行评价，能快速、有效地对茶叶感官品质作出综合评价，且评估方法简单，克服传统茶叶感官品质需要借助测色仪、电子鼻、色谱仪等仪器在实验室条件下进行、且过程比较繁琐的缺陷。其中，基于改进三角模糊数的层次分析赋权方法，避免了传统层次分析法需要对判断矩阵进行一致性检验、调整的反复步骤；改进模糊综合评判法不仅能有效地解决某些指标因素无法进行定量分析的问题，还能有效避免传统模糊综合评判法中利用“∧”与“∨”运算导致综合评价值很小，而使评价结果不真实的情况出现。可见，本发明基于改进模糊综合评判法建立的茶叶感官品质评价方法能有效地对茶叶感官品质做出评价，有利于广大消费群体和相关人员快速评估茶叶品质的好坏，具有省时、省力的特点。
附图说明
图1是本发明基于改进模糊综合评判法的茶叶感官品质评价方法流程图。
具体实施方式
下面以市场上出售的三个茶叶样本(样本1、样本2和样本3)为例，对本发明进行进一步的阐述。
基于改进模糊综合评判法的茶叶感官品质评价方法，其流程如图1所示，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指标进行赋权：
a、由10位专家对茶叶样品的外形(U1)、香气(U2)、汤色(U3)、滋味(U4)以及叶底(U5)五个指标权重进行两两比较，并用三角模糊数构造模糊判断矩阵：
b、对每个判断矩阵构造模糊评判因子矩阵E：
c、计算调整判断矩阵Q：
d、把调整判断矩阵Q转换为对角线为1的判断矩阵：
e、用相容矩阵分析法对矩阵A变换，得到相容矩阵：
f、根据公式求得c1＝1.372、c2＝1.303、c3＝1.461、c4＝1.238、c5＝1.579，根据公式计算五个指标在本层次中的权重w1＝0.197、w2＝0.187、w3＝0.210、w4＝0.178、w5＝0.229，再根据公式W＝(w1,w2,…,wn)求得样品1的权重向量W1＝(0.197,0.187,0.210,0.178,0.229)；
(4)进行模糊综合评判：
为了得到三种茶叶样本的评判结果，邀请10位评判专家按照上述设定好的五个等级对各指标进行投票，归一化后的结果如表2所示。
表2评判专家的评判结果
a、建立茶叶样本1的评判隶属矩阵：
b、将改进三角模糊数层次分析法计算出的指标权重W1和已经建立的评判隶属矩阵R1，进行普通矩阵乘法运算，得到样品1的隶属向量W1'：
对W1'作归一化处理，得到因素集对评价集的隶属向量
c、由公式得到样品1的综合评价得分
按照上述方法求得样本2和样本3的综合得分依次为Z2≈79.92，Z3≈77.24。
可见，三个茶叶样本感官品质评价最终得分由高到低依次为：样本1>样本2>样本3。