Search Advanced

Message Board

Dear readers, authors and reviewers,you can add a message on this page. We will reply to you as soon as possible!

2018 Volume 40 Issue 8
Article Contents
Previous Article Next Article

Mei-ling LUO, Hong-min TIAN, Xue-mei YANG, et al. Discriminant Research for Identifying Aromas of Post-Fermented Pu-Erh Tea from Different Storage Years Using an Electronic Nose[J]. Journal of Southwest University Natural Science Edition, 2018, 40(8): 16-24. doi: 10.13718/j.cnki.xdzk.2018.08.003
Citation: Mei-ling LUO, Hong-min TIAN, Xue-mei YANG, et al. Discriminant Research for Identifying Aromas of Post-Fermented Pu-Erh Tea from Different Storage Years Using an Electronic Nose[J]. Journal of Southwest University Natural Science Edition, 2018, 40(8): 16-24. doi: 10.13718/j.cnki.xdzk.2018.08.003
shu

Discriminant Research for Identifying Aromas of Post-Fermented Pu-Erh Tea from Different Storage Years Using an Electronic Nose

  • 1.

    The Longrun Pu-Erh Tea College of Yunnan Agricultural University, Kunming 650201, China

  • 2.

    The Tea Limited Liability Company of Shuangjiang Mengku, Shuangjiang Yunnan 677300, China

More Information
  • Corresponding author: Jia-hua LI
  • Received Date: 15/01/2018
    Available Online: 20/08/2018

  • MSC: S571.1

  • In a study reported in this paper, an electronic nose was used to evaluate the aromas of post-fermented pu-erh tea samples from 10 different storage years (from 2006 to 2015). The samples were analyzed with principal component analysis (PCA), linear discriminant analysis (LDA) and loadings analysis (Loadings) using the Winmuster software system. Of the 10 sensors used, W1W (sensitive to sulfides), W2W (sensitive to aromatic components and organic sulfides), W1S (sensitive to methane) and W2S (sensitive to ethanol) were the most sensitive for dry tea leaves, the sensitivity of W1W, W2W, W1S and W5S (sensitive to nitrogen oxides) to tea infusion and infused leaf aroma was higher, and their contribution rates for tea aromas of post-fermented pu-erh tea were found to be significant. PCA and LDA could well differentiate aromas between dry teas, tea infusions and infused leaves and were better able to differentiate between tea samples if their storage years were far apart. The results of loadings analysis showed that W1S, W1W, W2W and W2S played a substantial role in discriminating the aromas of post-fermented pu-erh tea and large changes in the contents of volatile organic sulfides, methane, some aromatic compounds, and ethanol material occurred during its storage. The results of this study showed that the electronic nose technology is effective in detecting the aroma components of pu-erh tea.
  • 加载中
  • [1] 程绍明, 王俊, 王永维, 等.基于电子鼻信号判别番茄苗机械损伤程度[J].农业工程学报, 2012, 28(15):102-106.

    Google Scholar

    [2] 王俊, 胡桂仙, 于勇, 等.电子鼻与电子舌在食品检测中的应用研究进展[J].农业工程学报, 2004, 20(2):292-295.

    Google Scholar

    [3] YU Hui-chun, WANG Jun, ZHANG Hong-mei, et al. Identification of Green Tea Grade Using Different Feature of Response Signal from E-Nose Sensors[J]. Sensors and Actuators:B. Chemical, 2008, 128(2):455-461. doi: 10.1016/j.snb.2007.07.048

    CrossRef Google Scholar

    [4] YANG Zi-yin, DONG Fang, SHIMIZU K, et al. Identification of Coumarin-Enriched Japanese Green Teas and Their Particular Flavor Using Electronic Nose[J]. Journal of Food Engineering, 2008, 92(3):312-316.

    Google Scholar

    [5] 于慧春, 王俊, 张红梅, 等.龙井茶叶品质的电子鼻检测方法[J].农业机械学报, 2007, 38(7):103-106.

    Google Scholar

    [6] 刘远方, 李阳, 梁飞, 等.绿茶香气的电子鼻分析方法研究[J].食品科技, 2012, 37(1):58-62.

    Google Scholar

    [7] 甘芝霖, 刘远方, 杨阳, 等.基于电子鼻技术的信阳毛尖茶品质评价[J].食品工业科技, 2013, 34(2):54-57.

    Google Scholar

    [8] 史波林, 赵镭, 支瑞聪, 等.应用电子鼻判别西湖龙井茶香气品质[J].农业工程学报, 2011, 27(S2):302-306.

    Google Scholar

    [9] 薛大为, 杨春兰.基于电子鼻技术的黄山毛峰茶品质检测方法[J].湖北工程学院学报, 2014, 34(3):64-67.

    Google Scholar

    [10] TUDU B, JANA A, METLA A, et al. Electronic nose for black tea quality evaluation by an incremental RBF network[J]. Sensors and Actuators:B. Chemical, 2009, 138(1):90-95. doi: 10.1016/j.snb.2009.02.025

    CrossRef Google Scholar

    [11] BHATTACHRYA N, BIPAN T, ARUN J, et al. Preemptive Identification of Optimum Fermentation Time for Black Tea Using Electronic Nose[J]. Sensors and Actuators:B. Chemical, 2007, 131(1):110-116.

    Google Scholar

    [12] 王帅, 李文举, 韦丽华, 等.基于电子鼻的有机正山小种红茶的检测[J].食品科技, 2015, 40(11):292-296.

    Google Scholar

    [13] 赵超艺, 王秋霜, 卓敏, 等.乌龙茶审评方法研究概述[J].广东农业科学, 2009, 36(12):46-48. doi: 10.3969/j.issn.1004-874X.2009.12.016

    CrossRef Google Scholar

    [14] 吴亮亮, 张丹丹, 叶小辉, 等.电子鼻在对名优茉莉花茶香气评价中的应用[J].福建茶叶, 2016, 38(6):5-6.

    Google Scholar

    [15] 江昕田, 郭雅玲, 赖凌凌, 等.电子鼻技术在不同厂家特种茉莉花茶香气判别中的应用研究[J].食品安全质量检测学报, 2017, 8(12):4760-4765. doi: 10.3969/j.issn.2095-0381.2017.12.043

    CrossRef Google Scholar

    [16] LV Hai-peng, ZHANG Ying-jun, LIN Zhi, et al. Processing and Chemical Constituents of Pu-erh Tea:a Review[J]. Food Research International, 2013, 53(2):608-618. doi: 10.1016/j.foodres.2013.02.043

    CrossRef Google Scholar

    [17] 国家质量监督检验检疫总局, 国家标准化管理委员会. 地理标志产品普洱茶: GB/T22111-2008[S]. 北京: 中国标准出版社, 2008.

    Google Scholar

    [18] 赵龙飞, 周红杰, 安文杰.云南普洱茶保健功效的研究[J].食品研究与开发, 2005, 26(2):114-118.

    Google Scholar

    [19] 陈颖, 周芳梅, 杨秀莲, 等.高压脉冲电场对云南普洱茶总灰分含量的影响研究[J].西南农业学报, 2015, 28(3):1278-1282.

    Google Scholar

    [20] 任洪涛, 周斌, 夏凯国, 等.不同发酵程度普洱茶香气成分的比较分析[J].食品研究与开发, 2011, 32(11):23-26. doi: 10.3969/j.issn.1005-6521.2011.11.007

    CrossRef Google Scholar

    [21] 王力, 林智, 吕海鹏, 等.茶叶香气影响因子的研究进展[J].食品科学, 2010, 31(15):293-298.

    Google Scholar

    [22] 吕世懂, 孟庆雄, 徐咏全, 等.普洱茶香气分析方法及香气活性物质研究进展[J].食品科学, 2014, 35(11):292-298. doi: 10.7506/spkx1002-6630-201411058

    CrossRef Google Scholar

    [23] 吕海鹏, 钟秋生, 施江, 等.普洱茶挥发性成分指纹图谱研究[J].茶叶科学, 2014, 34(1):71-78.

    Google Scholar

    [24] LV Hai-peng, ZHANG Ying-jun, LIN Zhi, et al. Aroma Characterization of Pu-erh Tea Using Headspace-Solid Phase Microextraction Combined with GC/MS and GC-Olfactometry[J]. Food Chemistry, 2012, 130(4):1074-1081. doi: 10.1016/j.foodchem.2011.07.135

    CrossRef Google Scholar

    [25] 张雪寒, 司辉清.腊梅精油不同部分的香气成分鉴定及差异分析[J].西南师范大学学报(自然科学版), 2016, 41(4):87-95.

    Google Scholar

  • 加载中
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

Figures(4)  /  Tables(4)

Export Citation
PDF
XML

Article Metrics

Article views(1509) PDF downloads(178) Cited by(0)

Access History

Other Articles By Authors

Discriminant Research for Identifying Aromas of Post-Fermented Pu-Erh Tea from Different Storage Years Using an Electronic Nose

    Corresponding author: Jia-hua LI
  • Received Date: 15/01/2018
  • Available Online: 20/08/2018

Abstract: In a study reported in this paper, an electronic nose was used to evaluate the aromas of post-fermented pu-erh tea samples from 10 different storage years (from 2006 to 2015). The samples were analyzed with principal component analysis (PCA), linear discriminant analysis (LDA) and loadings analysis (Loadings) using the Winmuster software system. Of the 10 sensors used, W1W (sensitive to sulfides), W2W (sensitive to aromatic components and organic sulfides), W1S (sensitive to methane) and W2S (sensitive to ethanol) were the most sensitive for dry tea leaves, the sensitivity of W1W, W2W, W1S and W5S (sensitive to nitrogen oxides) to tea infusion and infused leaf aroma was higher, and their contribution rates for tea aromas of post-fermented pu-erh tea were found to be significant. PCA and LDA could well differentiate aromas between dry teas, tea infusions and infused leaves and were better able to differentiate between tea samples if their storage years were far apart. The results of loadings analysis showed that W1S, W1W, W2W and W2S played a substantial role in discriminating the aromas of post-fermented pu-erh tea and large changes in the contents of volatile organic sulfides, methane, some aromatic compounds, and ethanol material occurred during its storage. The results of this study showed that the electronic nose technology is effective in detecting the aroma components of pu-erh tea.

    HTML

  • 电子鼻是一种新兴的，能在短时间内分析、识别和检测复杂气味和大多数挥发性成分的智能感官仪器[1]，具有重复性好、不需要复杂的样品预处理过程、不发生感官疲劳和检测结果客观可靠等特点.与色谱仪、光谱仪等普通的化学分析仪器不同，电子鼻得到的不是被测样品中某种或某几种成分的定性与定量结果，而是给予样品中挥发性成分的整体信息，也称“指纹”数据[2].基于电子鼻的特点及其方便快捷的优越性，近几年来，电子鼻技术被广泛应用在绿茶[3-10]、红茶[11-13]、乌龙茶[14]和花茶[15]等茶叶香气成分的研究领域中，显示出很好的应用前景.

    普洱熟茶是以云南大叶茶的晒青毛茶为原料，在高温高湿环境中以及微生物的参与下，制成的具有独特风味品质特征的后发酵茶[16-17]，茶叶香气是决定茶叶品质最重要的因素之一，而“陈香”是普洱熟茶香气品质最主要的特征，也是决定其销售价格的一个最重要因子.在适当储藏条件下，普洱熟茶随着储存年份的增加，茶叶内含物质转化就会越充分，“陈香”也更加纯正.根据前人对普洱茶的研究发现，其独特的香气是在渥堆工序中形成的，而普洱茶内含物质成分则是在一定的湿热、酶促、微生物作用下形成的[18-20].但是，目前对于普洱茶“陈香”与年份之间的推断大多基于感官审评的经验性来判断，仍缺乏科学研究的理论基础.因此，验证电子鼻技术在不同年份普洱熟茶香气判别方面的可行性迫在眉睫.基于此，本文选取同一厂家，且茶叶等级、加工、仓储等条件一致的不同年份(2006-2015年)的普洱熟茶标准样为研究材料，利用德国Airsense公司的PEN3型便携式电子鼻和电子鼻Winmuster软件自带的模型识别方法进行主成分分析(Principal Component Analysis，PCA)、线性判别分析(Linear discriminant analysis，LDA)和传感器区分贡献率分析(Loadings)对干茶、茶汤和叶底香气进行分析和识别，以期为普洱熟茶香气的品质判别和年份鉴定确立实用的分析方法，同时验证电子鼻技术在普洱熟茶领域的可行性.

1.   材料和方法

    1.1.   试验材料

  • 茶样：不同贮藏年份(2006-2015年)普洱熟茶标准样(七子饼茶)，规格：357 g，云南双江勐库茶叶有限责任公司提供.

    • 1.2.   纯净水

  • 珍茗金龙纯净水，规格：18.9 L，昆明珍茗食品有限责任公司.

    • 1.3.   仪器设备

  • PEN3型便携式电子鼻(德国Airsense公司).该电子鼻主要由传感器阵列、信号处理模块以及模式识别系统等功能模块构成.其中，传感器阵列由10个金属氧化物气敏传感器组成，传感器性能如表 1.电子鼻不同传感器检测到的样品信息即代表了样品中全部挥发物的总体分布，检测过程中的数据由电子鼻的10个不同金属氧化物传感器提供.检测过程中的响应信号为传感器阵列接触挥发性气体后的电导率G与经过标准净化装置处理后的电导率G0的比值，即G/G0. G/G0值的变化即代表了香气物质含量的相对变化.

    电子鼻Winmuster软件自带的模型识别方法可进行主成分分析(PCA)、线性判别分析(LDA)和传感器区分贡献率分析(Loadings). PCA是模式识别中的一种线性监督分析法，其将传感器多元的信息线性进行降维、简化、重排、变换为少数的几个保留了原始数据中主要信息的综合信息(主成分)，最终用二维的散点图形式展现. PCA的散点图中每个圈代表一个样品，点与点的距离代表样品间特征的差异大小.主成分的总贡献率大于85%，就基本可以反映原始数据的特征信息. LDA是将高维的模式样本投影到最佳鉴别矢量空间，达到抽取分类信息和降低特征空间维数的效果，可以将组间分得更开，LDA值越大区分效果就越好，当LDA值大于80%时即可用. Loadings分析法与PCA相关，两者都基于同一种算法.

    • 1.4.   试验方法

    1.4.1.   干茶、茶汤和叶底香气分析样的制备
    1.4.1.1.   干茶香气分析样的制备

  • 将待测样普洱熟茶(饼茶)打散，各取3 g打散后的茶叶置于250 mL三角瓶中，迅速盖上保鲜膜，密封常温静置45 min，使三角瓶的气体达到平衡后进行检测.

    • 1.4.1.2.   茶汤的制备

  • 取打散后熟茶茶样各3 g于250 mL三角瓶中，加入150 mL的沸水，迅速盖上保鲜膜密封，静置冷却至45 ℃，摇匀后进行检测.

    • 1.4.1.3.   叶底的制备

  • 取打散后熟茶茶样各3 g于250 mL三角瓶中，加入150 mL的沸水，迅速盖上保鲜膜密封，静置冷却至45 ℃后滤出茶汤，检测叶底的香气.

    为减少误差，每份茶样的干茶、茶汤及叶底均制备3个平行样进行检测.

    • 1.4.2.   测定

  • 测定步骤：仪器预热(30 min)，清洗传感器(120 s)至各传感器响应值趋向于1.000 0，检测样品(流速300 mL/min，信号采集60 s)，记录对应的特征响应值，保存数据.

    多次预试验结果表明(图 1)，电子鼻传感器的信号响应值从40 s后开始趋于稳定，55 s处的气体体积足够分析且结果更为准确.因此，本研究中的电导率均取55 s处的检测信号进行分析；主成分分析(PCA)、线性判别分析(LDA)和传感器区分贡献率分析(Loadings)均取55~60 s的检测信号进行分析.

    • 1.5.   数据处理

  • 通过SPSS软件，用Duncan's新复极差测验SSR法对不同年份普洱熟茶的电导率响应值进行分析.使用电子鼻Winmuster软件自带的模型识别方法进行主成分分析(PCA)、线性判别分析(LDA)和传感器区分贡献率分析(Loadings)方法对不同年份普洱熟茶的干茶、茶汤和叶底香气进行分析和识别.

2.   结果与分析

    2.1.   电子鼻10个传感器对不同年份普洱熟茶电导率G/G0值的变化

  • 表 2至表 4为10个不同年份普洱熟茶的干茶、茶汤和叶底的具体的电导率G/G0值.从表 2可知，对干茶香气G/G0值最大的传感器是W1W和W1S，其次是W2W和W2S，其他6个传感器的G/G0值较低；对茶汤香气G/G0值最大的传感器是W1W和W2W，其次是W1S和W5S，其他6个传感器的G/G0值较低(表 3)；叶底香气G/G0值的贡献率大小顺序与茶汤的相同，即为传感器W1W＞W2W＞W1S＞W5S(表 4).由表 1所示的10个传感器的性能可知，W1S传感器对甲烷类挥发性成分敏感，W1W，W2W，W2S和W5S分别对硫化物，芳香成分、有机硫化物，乙醇和氮氧化合物等挥发性成分敏感.另外，不同年份普洱熟茶的香气物质不论是干茶、茶汤和叶底在其组成上基本一致，只是在干茶中乙醇气体比和氮氧化合物更为丰富.总体来看，上述几类挥发性成分的含量在干茶中含量最高，茶汤次之，叶底最低；其中2011年干茶对W1S，W1W，W2W，W2S和W5S传感器的电导率基本上是所有茶样中最高的.随着贮藏年份的增加，上述几类挥发性成分的含量在干茶和茶汤中呈显著的上升趋势，在叶底中呈显著的下降趋势.

    • 2.2.   Principal Component Analysis(PCA)分析结果

  • 对干茶、茶汤和叶底香气物质进行PCA分析(选取55~60 s的6个检测信号)，干茶(图 2a)、茶汤(图 2b)和叶底(图 2c)的PCA分析结果显示：干茶、茶汤和叶底的第一主成分区分贡献率分别达到97.24%，84.94%和87.44%，第二主成分区分贡献率分别达到2.39%，14.42%和9.36%，两个主成分区分的累计贡献率分别达到99.63%，99.36%和96.80%，说明这两个主成分已经基本代表了样品的主要信息特征，PCA分析具有可行性.另外，在PCA的散点图中，不同年份普洱熟茶香气成分的数据采集点所在的椭圆形区域除2006年至2009年的干茶之间以及2009年与2010年的茶汤之间有部分重叠外(图 2a，2b)，其余的都分布在特定的区域中，说明不同储藏年份普洱熟茶的香气有较大的差异，PCA分析可以将不同储藏年份的普洱熟茶香气归类，并加以区分，且区分效果良好.

    • 2.3.   Linear discriminant analysis(LDA)结果

  • 由LDA判别因子分析图(图 3)可知，10个不同年份普洱熟茶干茶(图 3a)的Linear Discriminant 1和Linear Discriminant 2的贡献率分别达到76.26%和12.25%，两判别式的总贡献率为88.51%，相互之间都能明显的区分，香气的数据采集点有不同的分布区域.其中，2010年和2011年茶样相互之间的距离较远，2006-2009年的4个茶样分布在距离较近的同一区域，2012-2015年4个茶样也同样分布在距离较近的同一区域，且两区域相互间距离较近，但两区域距离2010年和2011年的区域较远，且2013年和2015年存在重叠现象，说明储藏年份相近的普洱熟茶干茶中可能含有共同的香气物质，同时也说明随着储藏年份的增加香气成分会产生明显的变化，也说明LDA法可以区分不同储藏年份的普洱熟茶，与PCA的分析结果相互验证.茶汤(图 3b)的Linear Discriminant 1的贡献率达到59.31%，Linear Discriminant 2的贡献率达到29.90%，两判别式的总贡献率为89.21%.从图 3b可以看出，除2012年和2015年的茶汤香气数据采集点相互之间的距离较远外，其余的几个集中分布在离Y=0最远的区域，且各个茶样都没有存在重叠现象，说明茶汤的香气存在差异，且区分效果比干茶好.叶底(图 3c)的Linear Discriminant 1和Linear Discriminant 2的贡献率分别达到59.54%和23.94%，两判别式的总贡献率为83.48%，相互之间都能明显的区分，香气的数据采集点有不同的分布区域，且储藏年份相近的茶样分布在同一区域，说明储藏年份相近的普洱熟茶叶底中可能含有共同的香气物质，同时也说明随着储藏年份的增加香气成分会产生明显的变化.综上所述，无论是PCA分析还是LDA分析，都能将普洱熟茶香气较好地区分开，且PCA分析结果明显优于LDA分析结果，而且年份差别越大，分离效果越好.

    • 2.4.   Loadings Analysis结果(传感器区分贡献率分析)

  • 本研究中的Loadings分析法主要是对传感器进行研究，利用该方法可以确认特定试验样品下各传感器对样品区分的贡献率大小，从而考察在样品区分过程中哪一类气体起了主要区分作用.干茶的Loadings分析结果如图 4a，传感器W1W(对硫化物敏感)的位点距离x=0最远，说明W1W对第一主成分的贡献率最大，传感器W2W(对芳香成分、有机硫化物灵敏)次之；而传感器W1S(对甲烷敏感)的位点距离y=0最远，说明其对第二主成分贡献率最大，传感器W2S(对乙醇敏感)次之.茶汤的Loadings分析结果如图 4b，传感器对主成分的贡献率与干茶的完全相同，即W1W对第一主成分的贡献率最大，传感器W2W次之；而传感器W1S对第二主成分贡献率最大，传感器W2S次之.叶底的Loadings分析结果如图 4c，传感器W1W的位点距x=0和y=0都较远，说明其对第一、第二主成分的贡献都较大，而W2W距y=0最远，说明其对第二主成分贡献率最大，传感器W1S对第一主成分的贡献次于W1W.综合上述分析，不同储藏年份普洱熟茶的香气物质的变化可能主要与硫化物、甲烷、部分芳香型化合物和乙醇类等挥发性物质有关.

3.   讨论与结论

  • 普洱茶是云南所特有地理标志产品，普洱茶与其他茶类最大的不同就在于：普洱茶在一定时期内、在合适的仓储条件下会表现出“陈化生香”，即越陈越香的品质特点，“陈化生香”是普洱茶吸引消费者和培养消费者忠诚度的重要因素，也是决定普洱茶价格的重要因素[21-22].目前国内对普洱茶香气成分已开展了大量的研究，也取得了可喜的研究成果[23].但是目前报道的香气分析方法主要以感官分析中的感官审评法和气相色谱仪-质谱联用(GC-MS)的仪器分析为主[24-25]，同属感官审评法之一的电子鼻技术在普洱茶香气成分的研究领域、特别是对普洱熟茶香气的研究仍处在起步阶段.因此，本文选取同一厂家，茶叶等级、加工、仓储等条件一致，年份不同(2006-2015年)的普洱熟茶(饼茶)标准样为研究材料，以干茶、茶汤、叶底的香气成分为研究对象，利用PEN3型便携式电子鼻对研究材料的香气物质开展了研究，以期为普洱熟茶年限的判别确立一种有别于人为感官审评的实用的分析方法.研究结果表明：在10个传感器中，W1W，W2W，W1S，W2S和W5S对干茶、茶汤和叶底香气灵敏度较高，对普洱熟茶香气测定的贡献率较大，上述传感器在2011年的普洱熟茶中灵敏度是最高的，这可能是与普洱熟茶的存储过程中香气的变化和组成成分有关.同时也表明使用电子鼻研究普洱熟茶香气时，选择使用上述5个传感器较好；在分析方法中，主成分分析方法(PCA)能很好地区分不同年份普洱熟茶干茶、茶汤和叶底香气，且年份差别越大，分离效果越好；线性判别分析(LDA)和传感器区分贡献率分析(Loadings)能很好地区分干茶、茶汤和叶底的香气.总体而言，PCA的分析效果优于LDA分析结果，以干茶为分析样品开展电子鼻技术对普洱熟茶香气的研究优于茶汤和叶底，而且年份差别越大，分离效果越好.另外，通过传感器区分贡献率分析可知，传感器W1W(对硫化物敏感)、W1S(对甲烷敏感)、W2W(对芳香成分、有机硫化物敏感)和W2S(对乙醇敏感)在判断普洱熟茶中起到了较大的作用，表明普洱熟茶储藏期间其挥发性有机硫化物、甲烷、部分芳香型化合物和乙醇类物质可能发生了较大变化，这为更好地利用电子鼻来判断普洱熟茶的年限提供了依据.

Figure (4)  Table (4) Reference (25)

Catalog

    Copyright Journal of Southwest University Natural Science Edition

    Address： Tel：023-68254576, 68252540, 68366165,68366917 E-mail：lkxb@swu.edu.cn

    Supported by:Beijing Renhe Information Technology Co. Ltd

    /

    DownLoad:  Full-Size Img  PowerPoint
    Return
    Return