【摘要】：茶多酚的含量影響著茶葉的優(yōu)劣,在評(píng)定茶葉品質(zhì)中起著舉足輕重的作用。茶葉加工不同階段的茶多酚含量差異十分顯著,但在目前的生產(chǎn)過(guò)程中嚴(yán)重缺乏快速的在線檢測(cè)方法。本文針對(duì)這一情況,運(yùn)用光譜技術(shù)研究茶葉從鮮葉采摘到加工各個(gè)階段的茶多酚含量變化情況,建立綠茶中茶多酚含量的快速檢測(cè)方法。主要研究成果如下:(1)采用高效液相色譜法(HPLC)檢測(cè)出3個(gè)不同品種茶鮮葉(菊花春、迎霜、浙農(nóng)25)中不同葉位(第1葉到第6葉)的主要兒茶素單體含量。通過(guò)統(tǒng)計(jì)分析發(fā)現(xiàn),在茶鮮葉中4種兒茶素單體的含量大小依次為:EGCGECGEGCEC;3個(gè)品種茶鮮葉的茶多酚含量從高到低依次為:菊花春浙農(nóng)25迎霜;并且每個(gè)品種的茶鮮葉中兒茶素各個(gè)單體的含量都隨著葉位數(shù)的增加呈遞減規(guī)律,即從第1葉到第6葉茶多酚含量依次遞減。(2)利用可見(jiàn)/近紅外光譜對(duì)不同品種不同葉位的茶鮮葉中各個(gè)兒茶素單體含量建立了定量檢測(cè)的方法。4種兒茶素單體(EGCG、ECG、EGC、EC)基于全波段建立的模型效果Rp2均達(dá)到了 0.9以上。同時(shí)進(jìn)一步采用連續(xù)投影算法(SPA)為這4種兒茶素單體EGCG、ECG、EGC、EC分別挑選出了 16、20、18、13個(gè)特征波長(zhǎng)。相比原來(lái)的1050個(gè)波長(zhǎng)已經(jīng)降低了近98%的量。雖然特征波長(zhǎng)的提取導(dǎo)致了模型效果稍有下降,但模型的穩(wěn)定性、準(zhǔn)確性仍然得以保留,4種兒茶素單體的模型Rp2值仍然都達(dá)到了 0.9以上。為了能夠進(jìn)一步提高對(duì)于茶多酚定量檢測(cè)的精度,選用了 LS-SVM算法基于特征波長(zhǎng)來(lái)進(jìn)行非線性定量模型的建立,由此建立的模型效果得到了顯著的提高,EGC、EGCG、EC、ECG4種兒茶素單體模型的預(yù)測(cè)能力Rp2值分別為0.999,0.989,0.998,0.978。可見(jiàn)這些模型的穩(wěn)定性和準(zhǔn)確性都達(dá)到了極佳的狀態(tài),并且由于所用的波長(zhǎng)個(gè)數(shù)極少,運(yùn)算效率高。因此真正實(shí)現(xiàn)了快速無(wú)損檢測(cè)。(3)基于高光譜成像技術(shù)進(jìn)一步比較了不同品種茶鮮葉不同葉位中各種單體含量的分布及變化情況。從高光譜的成像圖中可以發(fā)現(xiàn):①?gòu)娜~片形狀上分析,從第1葉位到第6葉位葉片大小先增大后又變小,其中以第4葉位葉片為最大。②從兒茶素含量上分析,3個(gè)品種茶鮮葉兒茶素含量從高到低依次為:菊花春浙農(nóng)25迎霜;4種兒茶素單體含量大小依次為:EGCGECGEGCEC;6個(gè)葉位的兒茶素單體含量從第1葉位至第6葉位葉片依次遞減,特別第6葉與第1葉的兒茶素含量相差巨大。③從內(nèi)部結(jié)構(gòu)上分析,主脈部位兒茶素單體含量相對(duì)較低。而除了主脈薄壁細(xì)胞外,葉片其余大部分組織都有兒茶素的累積,其中以維管束和柵欄組織積累較多,從亞細(xì)胞水平上分析,兒茶素可能主要累積在葉綠體和導(dǎo)管壁上。高光譜成像圖很好地揭示了茶多酚在茶鮮葉葉片內(nèi)的分布情況及其合成機(jī)理。(4)基于可見(jiàn)/近紅外光譜技術(shù)對(duì)3個(gè)不同品種綠茶在各個(gè)加工階段(鮮葉采摘→攤放→殺青→揉捻→干燥)的兒茶素單體含量進(jìn)行了定量檢測(cè)。研究發(fā)現(xiàn),茶多酚含量在加工過(guò)程中變化十分顯著,隨著各個(gè)加工階段的深入各個(gè)兒茶素單體含量依次遞減,其中EGCG單體的含量下降最為明顯。同時(shí),基于全波段建立的各個(gè)單體含量模型效果RP2都達(dá)到了 0.9以上,并結(jié)合biPLS算法和SPA算法進(jìn)行了特征波長(zhǎng)的選擇。通過(guò)比較發(fā)現(xiàn),SPA算法更適合本實(shí)驗(yàn)�；赟PA算法EGCG模型中提取了 18個(gè)特征波長(zhǎng);ECG模型中提取了 20個(gè)特征波長(zhǎng);EGC模型中提取了 16個(gè)特征波長(zhǎng);EC模型中提取了 17個(gè)特征波長(zhǎng),相比biPLS算法提取的更少。此外,基于SPA提取的特征波長(zhǎng)建立的模型效果雖稍有遜色,但Rp2都達(dá)到了 0.9以上,模型的準(zhǔn)確性和穩(wěn)定性還是較高的。同時(shí)相比基于全波段建立的模型降低了近98%的建模變量數(shù),這無(wú)疑為綠茶在加工過(guò)程中茶葉品質(zhì)的實(shí)時(shí)在線監(jiān)測(cè)提供了依據(jù)和手段。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：O657.3;TS272.51

【相似文獻(xiàn)】

相關(guān)期刊論文 前8條

1 杜琪珍;;茶葉中的兒茶素單體分離制備簡(jiǎn)況[J];中國(guó)茶葉;1993年02期

2 林丹;李春苗;鮮殊;王璽;宛曉春;凌鐵軍;李大祥;;中壓制備液相色譜快速分離制備兒茶素單體[J];天然產(chǎn)物研究與開(kāi)發(fā);2013年01期

3 丁平平,李延芳,宋航,范新年,劉林森,付超;兒茶素單體的分析方法比較[J];四川化工;2005年04期

4 劉彥霞;田強(qiáng);;動(dòng)態(tài)監(jiān)測(cè)三種兒茶素單體清除自由基能力[J];食品工業(yè)科技;2014年06期

5 魏志文;李大祥;宛曉春;凌鐵軍;;兒茶素單體分離制備方法[J];食品與發(fā)酵工業(yè);2008年01期

6 杜琪珍,李名君,程啟坤;高速逆流色譜法分離茶葉中的兒茶素[J];中國(guó)茶葉;1996年02期

7 ;輕紡[J];中國(guó)鄉(xiāng)鎮(zhèn)企業(yè)技術(shù)市場(chǎng);2000年05期

8 王洪新,戴軍,張家驪,呂源玲;茶葉兒茶素單體的分離純化及鑒定[J];無(wú)錫輕工大學(xué)學(xué)報(bào);2001年02期

相關(guān)會(huì)議論文 前1條

1 李大偉;朱躍進(jìn);張海華;俞璐婷;張士康;;高聚物反相中壓制備色譜在兒茶素單體分離純化中的應(yīng)用[A];第十五屆中國(guó)科協(xié)年會(huì)第20分會(huì)場(chǎng)：科技創(chuàng)新與茶產(chǎn)業(yè)發(fā)展論壇論文集[C];2013年

相關(guān)碩士學(xué)位論文 前6條

1 張?jiān)，?基于光譜方法檢測(cè)綠茶中兒茶素單體含量的研究[D];浙江大學(xué);2017年

2 楊志輝;兒茶素單體高效分離純化技術(shù)研究[D];湖南農(nóng)業(yè)大學(xué);2009年

3 王兆豐;茶多酚純化及酯型兒茶素單體分離研究[D];西北師范大學(xué);2013年

4 束魯燕;茶多酚及其主要組分浸提動(dòng)力學(xué)研究[D];浙江大學(xué);2011年

5 李站龍;茶多酚提取及單體分離制備工藝研究[D];西北農(nóng)林科技大學(xué);2014年

6 陳鐿文;茶多酚粗品的精制及兒茶素單體分離的工藝研究[D];西北大學(xué);2006年

，

本文編號(hào)：2518933