【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(duì)象,也是茶葉健康發(fā)展的方向。因此,探索綠茶等級(jí)和綠茶品質(zhì)成分的快速和無(wú)損分析方法是非常有必要的。本文以湄潭翠芽為研究對(duì)象,利用光譜儀對(duì)150份綠茶粉碎樣品分別測(cè)其可見(jiàn)-近紅外光譜,分析綠茶等級(jí)、綠茶茶多酚和游離氨基酸含量與其可見(jiàn)-近紅外光譜值之間的相關(guān)性,探討綠茶的光譜分級(jí)方法及綠茶茶多酚和游離氨基酸含量的光譜檢測(cè)方法。主要研究?jī)?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(shì)法等五預(yù)處理方法對(duì)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(jí)模型和支持向量回歸(SVMR)等級(jí)模型,研究分析不同光譜預(yù)處理方法對(duì)不同模型的影響。結(jié)果表明:在綠茶等級(jí)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(cè)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(cè)中,SVMR模型中的卷積平滑預(yù)處理效果最好,模型的預(yù)測(cè)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(cè)中,SVMR模型中的卷積平滑預(yù)處理效果最好,模型的預(yù)測(cè)集相關(guān)系數(shù)達(dá)到0.9138,均方根誤差為0.1902。因此,對(duì)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(jìng)爭(zhēng)自適應(yīng)重加權(quán)算法(CARS)3種特征波長(zhǎng)選擇方法對(duì)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(zhǎng)和全波段數(shù)據(jù)的5種翠芽等級(jí)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(cè)效果。在綠茶等級(jí)判別中,CARS-PLSR模型預(yù)測(cè)效果最佳,模型的預(yù)測(cè)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(cè)中,SG Smoothing-SVMR模型預(yù)測(cè)效果最佳,模型的預(yù)測(cè)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(cè)中,SPA-SVMR模型預(yù)測(cè)效果最佳,模型的預(yù)測(cè)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(zhǎng)篩選對(duì)湄潭翠芽等級(jí)、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(cè)集預(yù)測(cè)結(jié)果可知,40個(gè)預(yù)測(cè)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(duì)湄潭翠芽等級(jí)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(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：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(guó);;冷鮮羊肉冷藏時(shí)間和水分含量的高光譜無(wú)損檢測(cè)[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(shí)別方法[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);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(cè)[J];農(nóng)機(jī)化研究;2015年05期

5 馬世榜;郭愛(ài)玲;郭韶華;屈重年;黃榮杰;;基于光譜技術(shù)的牛肉嫩度等級(jí)無(wú)損判別[J];南陽(yáng)師范學(xué)院學(xué)報(bào);2015年03期

6 孟慶琰;何建國(guó);劉貴珊;賀曉光;王松磊;吳晨;李丹;吳龍國(guó);;基于近紅外光譜技術(shù)的馬鈴薯全粉蛋白質(zhì)無(wú)損檢測(cè)[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(cè)[J];農(nóng)機(jī)化研究;2015年03期

8 王動(dòng)民;紀(jì)俊敏;高洪智;;多元散射校正預(yù)處理波段對(duì)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(píng)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(guó)農(nóng)業(yè)氣象;2014年03期

，

本文編號(hào)：2602476