【摘要】：綠茶具有生津解渴和醫(yī)療保健等功效,是世界消費(fèi)量最大的三大飲料之一。茶多酚和游離氨基酸是綠茶中的主要品質(zhì)成分,其含量的多少直接影響綠茶的色、香、味,高質(zhì)量的綠茶既是人們所追求的消費(fèi)對象,也是茶葉健康發(fā)展的方向。因此,探索綠茶等級和綠茶品質(zhì)成分的快速和無損分析方法是非常有必要的。本文以湄潭翠芽為研究對象,利用光譜儀對150份綠茶粉碎樣品分別測其可見-近紅外光譜,分析綠茶等級、綠茶茶多酚和游離氨基酸含量與其可見-近紅外光譜值之間的相關(guān)性,探討綠茶的光譜分級方法及綠茶茶多酚和游離氨基酸含量的光譜檢測方法。主要研究內(nèi)容及結(jié)論如下:(1)運(yùn)用卷積平滑、多元散射校正、標(biāo)準(zhǔn)正態(tài)變量變換、一階導(dǎo)數(shù)法、去趨勢法等五預(yù)處理方法對樣本原始光譜數(shù)據(jù)進(jìn)行處理,然后基于不同光譜預(yù)處理方法和原始光譜建立偏最小二乘回歸(PLSR)等級模型和支持向量回歸(SVMR)等級模型,研究分析不同光譜預(yù)處理方法對不同模型的影響。結(jié)果表明:在綠茶等級判別中,PLSR模型中的高斯平滑預(yù)處理效果最好,模型的預(yù)測集相關(guān)系數(shù)達(dá)到0.9565,均方根誤差最小為0.2958;在茶多酚含量定量檢測中,SVMR模型中的卷積平滑預(yù)處理效果最好,模型的預(yù)測集相關(guān)系數(shù)達(dá)到0.9838,均方根誤差為0.1256;在游離氨基酸含量定量檢測中,SVMR模型中的卷積平滑預(yù)處理效果最好,模型的預(yù)測集相關(guān)系數(shù)達(dá)到0.9138,均方根誤差為0.1902。因此,對原始光譜進(jìn)行預(yù)處理可以提高建模的精度。(2)用基于逐步回歸分析方法(SWR)、連續(xù)投影算法(SPA)、競爭自適應(yīng)重加權(quán)算法(CARS)3種特征波長選擇方法對預(yù)處理后的光譜數(shù)據(jù)進(jìn)行降維,討論了基于3種不同特征波長和全波段數(shù)據(jù)的5種翠芽等級判別偏最小二乘回歸模型,結(jié)果表明4種模型都有很好的預(yù)測效果。在綠茶等級判別中,CARS-PLSR模型預(yù)測效果最佳,模型的預(yù)測集相關(guān)系數(shù)達(dá)到0.9739,均方根誤差為0.2250;在茶多酚含量定量檢測中,SG Smoothing-SVMR模型預(yù)測效果最佳,模型的預(yù)測集相關(guān)系數(shù)達(dá)到0.9838,均方根誤差為0.1256;在游離氨基酸含量定量檢測中,SPA-SVMR模型預(yù)測效果最佳,模型的預(yù)測集相關(guān)系數(shù)達(dá)到0.9391,均方根誤差為0.1532。因此,利用特征波長篩選對湄潭翠芽等級、茶多酚含量及游離氨基酸含量的判別是可行的。(3)由預(yù)測集預(yù)測結(jié)果可知,40個預(yù)測樣本的偏差都在誤差范圍內(nèi)。因此利用近紅外光譜能有效的對湄潭翠芽等級和有機(jī)生化成分(茶多酚和游離氨基酸)含量進(jìn)行定量分析。
【圖文】：

圖 2-2 植物粉碎機(jī) 圖 2-3 近紅外光譜儀Fig.2.2 Plant Crusher Fig.2.3 Near-infrared spectroscopy

圖 2-2 植物粉碎機(jī) 圖 2-3 近紅外光譜儀Fig.2.2 Plant Crusher Fig.2.3 Near-infrared spectroscopy
【學(xué)位授予單位】：貴州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：O657.33;TS272.51

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王婉嬌;王松磊;賀曉光;何建國;;冷鮮羊肉冷藏時間和水分含量的高光譜無損檢測[J];食品科學(xué);2015年16期

2 沈世海;陳麗丹;;綠茶加工技術(shù)研究現(xiàn)狀淺述[J];貴州茶葉;2015年02期

3 徐賽;陸華忠;周志艷;呂恩利;姜焰鳴;;基于高光譜與電子鼻融合的番石榴機(jī)械損傷識別方法[J];農(nóng)業(yè)機(jī)械學(xué)報;2015年07期

4 楊婷婷;遲茜;王轉(zhuǎn)衛(wèi);謝同振;孟繁宇;;近紅外高光譜成像技術(shù)的桃輕微損傷早期檢測[J];農(nóng)機(jī)化研究;2015年05期

5 馬世榜;郭愛玲;郭韶華;屈重年;黃榮杰;;基于光譜技術(shù)的牛肉嫩度等級無損判別[J];南陽師范學(xué)院學(xué)報;2015年03期

6 孟慶琰;何建國;劉貴珊;賀曉光;王松磊;吳晨;李丹;吳龍國;;基于近紅外光譜技術(shù)的馬鈴薯全粉蛋白質(zhì)無損檢測[J];食品科技;2015年03期

7 撖淙武;王春光;;基于近紅外光譜技術(shù)的飼料混合均勻度檢測[J];農(nóng)機(jī)化研究;2015年03期

8 王動民;紀(jì)俊敏;高洪智;;多元散射校正預(yù)處理波段對近紅外光譜定標(biāo)模型的影響[J];光譜學(xué)與光譜分析;2014年09期

9 郭志明;黃文倩;彭彥昆;王秀;李江波;;高光譜圖像感興趣區(qū)域?qū)μO果糖度模型的影響[J];現(xiàn)代食品科技;2014年08期

10 李峰;Alchanatis Victor;趙紅;趙玉金;崔曉飛;;基于PLSR方法的馬鈴薯葉片氮素含量機(jī)載高光譜遙感反演[J];中國農(nóng)業(yè)氣象;2014年03期

，

本文編號：2602476