基于可见–近红外光谱技术的红茶 等级判别研究

合集下载

《2024年基于高光谱技术的红茶茶多酚可视化研究》范文

《2024年基于高光谱技术的红茶茶多酚可视化研究》范文

《基于高光谱技术的红茶茶多酚可视化研究》篇一一、引言随着现代科技的快速发展,食品质量的监测和评估已成为食品科学研究领域的重要组成部分。

茶多酚作为红茶中的重要化学成分,具有抗氧化、抗菌等多种生理功能,因此对红茶中茶多酚的含量及其分布的监测具有重要的实际意义。

高光谱技术作为一种新兴的、非破坏性的检测技术,因其具有高分辨率和高灵敏度等特点,为食品中特定成分的定量和定性分析提供了新的方法。

本文旨在通过高光谱技术对红茶中茶多酚进行可视化研究,以期为红茶品质的监测和评估提供新的技术手段。

二、材料与方法1. 材料实验材料选用不同产地的红茶样品,以及用于制备标准曲线的纯茶多酚。

2. 方法(1)样品准备:收集不同产地的红茶样品,进行初步处理后备用。

(2)高光谱数据采集:利用高光谱成像系统对红茶样品进行扫描,获取高光谱数据。

(3)数据处理与分析:对获取的高光谱数据进行预处理,提取与茶多酚含量相关的特征参数,并建立与茶多酚含量之间的数学模型。

(4)可视化研究:根据建立的数学模型,将茶多酚含量以可视化的形式呈现出来。

三、实验结果与分析1. 高光谱数据采集与处理通过高光谱成像系统对红茶样品进行扫描,获取了丰富的光谱信息。

通过对这些光谱数据进行预处理,如去噪、平滑等操作,提取出与茶多酚含量相关的特征参数。

2. 茶多酚含量与高光谱特征参数的关系通过建立与茶多酚含量之间的数学模型,发现高光谱特征参数与茶多酚含量之间存在一定的相关性。

进一步分析表明,某些波段的光谱信息与茶多酚含量的关系更为密切。

3. 茶多酚的可视化研究根据建立的数学模型,将红茶中茶多酚的含量以可视化的形式呈现出来。

通过对比不同产地的红茶样品,可以直观地看出各样品中茶多酚含量的差异。

此外,还可以通过颜色深浅来反映茶多酚含量的高低,为消费者提供更为直观的茶叶品质信息。

四、讨论本研究利用高光谱技术对红茶中茶多酚进行了可视化研究,取得了较好的效果。

通过建立与茶多酚含量之间的数学模型,可以实现红茶品质的快速、准确监测。

近红外光谱及高光谱技术在茶叶上的应用

近红外光谱及高光谱技术在茶叶上的应用
1 1 , 2 Y UY i n g j i e ,S U NWe i j i a n g
( 1 . C o l l e g eo f H o r t i c u l t u r e ,F u j i a nA g r i c u l t u r ea n dF o r e s t r yU n i v e r s i t y ,F u z h o u ,F u j i a n3 5 0 0 0 2 ,C h i n a ; 2 . A n x i C o l l e g e ,F u j i a nA g r i c u l t u r ea n dF o r e s t r yU n i v e r s i t y ,A n x i ,F u j i a n3 6 2 0 0 0 ,C h i n a ) o f T e aS c i e n c e A b s t r a c t :A s a g r e e n ,r a p i d ,e f f i c i e n t a n da c c u r a t e n o n d e s t r u c t i v e m e a s u r e m e n t ,s p e c t r o s c o p i c t e c h n o l o g y h a s g r a d u a l l y s h o w ni t s g r e a t p o t e n t i a l i np h y s i c a l a n dc h e m i c a l t e s t i n g ,q u a l i t y e v a l u a t i o no f t e a a n dt e a p r o d u c t s .T h e i m p o r t a n t a p p l i c a t i o n s a n dr e s e a r c h p r o g r e s s o f n e a r i n f r a r e ds p e c t r o s c o p y a n dh y p e r s p e c t r a l t e c h n o l o g y i nt e a s c i e n c e w e r e s u m m a r i z e d , i n c l u d i n g t h e q u a n t i t a t i v e a n a l y s i s o f t h ec o m p o s i t i o n s o f t e a ,t h ei d e n t i f i c a t i o no f v a r i e t i e s ,o r i g i n s a n ds p e c i e s o f t e a ,t h ed i s c r i m i n a t i o no f t e ac l a s s e s ,e t c .T h e f u r t h e r r e s e a r c hd i r e c t i o n s a n di t s a p p l i c a t i o np r o s p e c t s w e r ea l s oa n a l y z e d . K e yw o r d s :n e a r i n f r a r e ds p e c t r o s c o p yt e c h n o l o g y ;h y p e r s p e c t r a l t e c h n o l o g y ;t e a ;q u a l i t ye v a l u a t i o n

近红外光谱分析技术在茶叶检测中的应用

近红外光谱分析技术在茶叶检测中的应用

34江西化工2017年第6期近红外光谱分析技术在茶叶检测中的应用熊利华U’3耿响2’3乐长高1(1.东华理工大学化学生物与材料科学学院,江西南昌330013;2.江西出人境检验检疫局综合技术中心,江西南昌330038;3.江西省光谱应用工程技术研究中心,江西南昌330038)摘要:近红外光谱(N IR)分析技术是近年来分析化学领域迅猛发展的新型光学检测 技术,是目前发展最快和最具有前景的分析技术之一,本文介绍了近红外光谱的原理、特点,并介绍了该技术在茶叶成分检测中的已有研究及其应用前景。

关键词:近红外光谱分析技术原理特点应用1前言中国是茶的故乡,对茶的种植、制造、审评等有源 远流长的历史,是世界上茶园面积和产量最大,茶树种 质资源最丰富的国家。

中国人饮茶的历史已有四千多 年了。

茶叶产品分为六大类,按生产规模的大小顺序 排列分别为:绿茶、黑茶乌龙茶、红茶、白茶、黄茶[1]。

茶叶含有较多的有益成分:茶多酚、茶色素、茶氨 酸、茶多糖、Y-氨基丁酸等,茶叶的主要保健作用有:①降低脑血管发病和死亡风险;②降低胆固醇和血压;③有助于防治老年痴呆;④有抗压力和抗焦虑作用;④ 提高免疫力;⑤提高杀菌力;⑥有减肥瘦身效果;⑦其 他保健作用。

近年来,随着人们生活水平的不断提高,消费者对 茶叶品质的追求也不断提高。

传统的化学检测一般通 过化学分析、仪器分析、感官评定、筛选分析等损坏性 检测手段来完成,不能满足大批量快速、无损等检测的 需求。

近红外光谱分析技术作为一种绿色分析技术,具有客观、快速、无损、精确、多指标、可再现、易操作、经济等优点[2]。

目前近红外光谱技术在茶叶成分检测 中有较广泛的应用。

2近红外光谱技术简介2.1近红外光谱分析技术原理近红外光谱(Near Infared Spectroscopy,简称 NIRS) 是介于中红外光谱和可见光谱之间的光谱,其光谱是 在(700 ~ 2500) n m间的分子吸收辐射。

《2024年基于高光谱技术的红茶茶多酚可视化研究》范文

《2024年基于高光谱技术的红茶茶多酚可视化研究》范文

《基于高光谱技术的红茶茶多酚可视化研究》篇一一、引言红茶作为世界范围内广受欢迎的饮品,其品质与成分的多样性一直是研究的热点。

茶多酚作为红茶的主要成分之一,其含量与品质直接关系到红茶的口感与营养价值。

传统的茶多酚检测方法主要依赖于化学分析手段,虽然准确但过程繁琐,且无法实现快速、非破坏性的检测。

近年来,高光谱技术作为一种新兴的检测技术,已经在农业、食品、医药等领域得到了广泛应用。

本研究旨在利用高光谱技术对红茶茶多酚进行可视化研究,以期为红茶的品质评价与控制提供新的手段。

二、材料与方法1. 材料本研究所用红茶样品采自不同地区、不同年份、不同工艺的红茶,确保了研究的全面性与代表性。

2. 方法(1)高光谱技术原理及设备高光谱技术是一种基于光谱分析的检测技术,通过获取物质的连续光谱信息,实现对物质的定性、定量分析。

本研究所使用的高光谱设备具有高分辨率、高灵敏度、非破坏性等优点。

(2)样品处理与光谱采集将红茶样品进行适当的预处理,如干燥、粉碎等,以保证光谱数据的准确性。

然后使用高光谱设备对红茶样品进行光谱采集,获取样品的连续光谱信息。

(3)茶多酚含量与光谱信息的关系分析通过化学分析手段测定红茶样品中的茶多酚含量,同时分析光谱信息与茶多酚含量的关系,建立茶多酚含量与光谱信息的数学模型。

(4)可视化研究利用数学模型将茶多酚含量以可视化的形式呈现出来,如颜色图、三维图像等,以便更直观地了解红茶中茶多酚的分布与变化。

三、结果与分析1. 光谱信息与茶多酚含量的关系通过分析红茶样品的光谱信息与茶多酚含量的关系,发现两者之间存在显著的线性关系。

在可见光与近红外光波段,光谱信息能够较好地反映红茶中茶多酚的含量。

2. 数学模型的建立与应用基于光谱信息与茶多酚含量的线性关系,建立了数学模型。

该模型能够准确地预测红茶中茶多酚的含量,为红茶的品质评价与控制提供了新的手段。

3. 可视化研究结果通过将数学模型应用于可视化研究,将红茶中茶多酚的含量以颜色图、三维图像等形式呈现出来。

基于近红外光谱技术对祁门红茶发酵程度判定的研究

基于近红外光谱技术对祁门红茶发酵程度判定的研究

近红外光谱技术被广泛应用于食品和农产品领域,其中包括对茶叶发酵程度的研究。

祁门红茶是中国的一种著名红茶,其发酵程度对茶叶的品质和口感具有重要影响。

研究表明,基于近红外光谱技术对祁门红茶发酵程度进行判定是可行的。

该技术使用近红外光谱仪测量红茶样品吸收、散射和透射等光谱特性,然后采用数学建模和数据分析方法来预测茶叶的发酵程度。

通过分析不同发酵程度的茶叶样品的光谱数据,研究者可以建立模型来预测茶叶发酵程度。

常用的方法包括主成分分析(PCA)、偏最小二乘回归(PLSR)等。

这些模型可以根据样品的光谱特征与已知发酵程度的茶叶进行训练,从而实现对未知样品发酵程度的预测。

近红外光谱技术在祁门红茶发酵程度判定的研究中具有许多优势,例如非破坏性、快速性和高效性。

它可以为茶叶生产者和加工商提供快速准确的发酵程度判定,帮助优化茶叶生产过程和提高产品质量。

然而,需要注意的是,模型的建立和验证需要大量的样本和实验数据,并且需要确保光谱仪的准确性和稳定性。

近红外光谱技术在祁门红茶发酵程度判定的研究中还涉及到一些具体的方法和结果。

研究者通常首先收集一系列不同发酵程度的祁门红茶样品,并利用近红外光谱仪测量它们的光谱特征。

然后,使用化学分析方法对这些样品进行发酵程度的准确测量,作为训练模型的参考标准。

接下来,可以采用主成分分析(PCA)等方法对光谱数据进行降维处理,以确定光谱中具有较大影响的主要成分。

然后,可以使用偏最小二乘回归(PLSR)等回归算法建立模型,将光谱数据与实际发酵程度之间的关系进行建模。

通过对训练集样本的建模和验证,研究者可以优化模型的参数和结构,以提高模型的预测能力。

最后,可以使用该模型对未知样品进行发酵程度预测,从而快速评估红茶的发酵程度。

研究结果显示,基于近红外光谱技术的祁门红茶发酵程度判定模型具有很好的预测能力。

可以准确地区分不同发酵程度的茶叶样品,评估其发酵程度的级别。

这有助于茶叶生产者精确控制发酵过程,生产出更具一致性和品质的祁门红茶产品。

近红外光谱分析技术在茶叶中的应用

近红外光谱分析技术在茶叶中的应用

近红外光谱分析技术在茶叶中的应用摘要近红外光谱分析技术(NIR)是目前发展最快、最引人注目的光谱分析技术之一,已广泛应用于各个领域。

阐述了近红外光谱分析技术的原理和特点,重点介绍了近红外光谱分析技术在茶叶及茶制品中的应用情况。

关键词近红外光谱;茶叶;应用1近红外光谱分析技术的原理近红外光谱(Near Infrared Spectroscopy,简称NIRS)是介于中红外光谱和可见光谱之间的光谱,其波长范围一般指800~2 500nm。

近红外光谱吸收带是有机物质中X-H键(主要是C-H、O-H、N-H)基频吸收的倍频、合频和差频吸收的叠加。

不同基团产生的光谱在吸收峰位置和强度上有所不同,根据朗伯-比尔定律,随着样品组成或者结构的变化,其光谱特征也将发生变化。

这是近红外光谱分析技术的理论基础。

物质对近红外光吸收相对较弱,光子能透射到物质的一定深度,部分光子被物质吸收,部分重新反射回来,还有的可能透过物质。

与物质相互作用后的反射光和透射光就携带了物质的成分信息。

通过接收反射光谱或透射光谱,并以现代化学计量学方法对其进行解析,建立定标模型,可实现多种有机物及其混合物的定性和定量分析。

2近红外光谱分析技术的特点近红外光谱分析技术是20世纪90年代以来发展最快、最引人注目的光谱分析技术之一,其相对于其他分析技术有以下主要优点:分析成本低、分析速度快、分析效率高、重现性好、适用的样品范围广、样品测量一般无需预处理、便于在线分析、对样品无损伤、对操作人员的要求不苛刻等。

但作为一种间接分析技术,近红外光谱技术也有其缺点:测试灵敏度相对较低、分析结果的准确性依赖于所建模型的质量、需要用标样进行校正对比,很多情况下仅是一种间接的分析技术、建模工作难度大,需要有丰富的有代表性的样品,配备精确的理化检测手段,并要求有经验的专业人员操作建模、由于样品本身的代表性以及光谱采集方法各异,每一种模型只能适应一定的时间和空间,需要不断对模型进行维护。

《2024年基于高光谱技术的红茶茶多酚可视化研究》范文

《2024年基于高光谱技术的红茶茶多酚可视化研究》范文

《基于高光谱技术的红茶茶多酚可视化研究》篇一一、引言红茶作为世界四大名茶之一,其品质与茶多酚的含量密切相关。

茶多酚作为红茶的主要成分,具有抗氧化、抗癌、抗菌等多种生物活性,因此其含量的测定与品质评价显得尤为重要。

传统的红茶茶多酚检测方法虽然有效,但通常费时且耗力。

近年来,随着高光谱技术的不断发展,其在茶叶品质评价及化学成分可视化分析方面的应用日益受到关注。

本研究旨在基于高光谱技术,对红茶的茶多酚进行可视化研究,为红茶的品质评价与监控提供新的手段。

二、材料与方法1. 材料本研究所用红茶样品采自不同地区、不同年份的优质红茶。

2. 方法(1)样品制备:选取各批次红茶的代表性样品,按照国家标准方法进行研磨和萃取。

(2)高光谱数据采集:采用高光谱仪器对红茶样品进行光谱数据采集,获得其可见-近红外光谱范围内的光谱曲线。

(3)数据分析:通过化学计量学方法,对采集的光谱数据进行预处理和特征提取,建立茶多酚含量与光谱数据之间的数学模型。

(4)可视化分析:根据建立的数学模型,对红茶中茶多酚的含量进行可视化分析,并依据不同区域的红茶进行分类。

三、实验结果与分析1. 光谱数据分析通过高光谱技术对红茶样品进行光谱数据采集,获得了其可见-近红外光谱曲线。

在曲线中可以看出,不同样品的吸收特征明显不同,说明红茶的光谱特征与茶多酚的含量存在一定的关联。

2. 数学模型建立通过化学计量学方法对光谱数据进行预处理和特征提取,建立了茶多酚含量与光谱数据之间的数学模型。

该模型可以有效地预测红茶中茶多酚的含量,为可视化分析提供了基础。

3. 可视化分析结果根据建立的数学模型,对红茶中茶多酚的含量进行可视化分析。

结果表明,不同地区、不同年份的红茶在茶多酚含量上存在明显差异。

通过高光谱技术可以将这些差异以图像的形式直观地展示出来,为红茶的品质评价与监控提供了新的手段。

此外,还可以根据茶叶的光谱特征对红茶进行分类,进一步明确了红茶的产地、品种等特征信息。

基于近红外光谱的茶叶品质检测技术研究

基于近红外光谱的茶叶品质检测技术研究

基于近红外光谱的茶叶品质检测技术研究茶叶是我国重要的农产品之一,对于茶叶的品质检测一直是茶叶行业关注的焦点。

传统的检测方法需要大量时间和人力,且误差较大,为了解决这一问题,近年来基于近红外光谱的茶叶品质检测技术研究受到了重视。

一、近红外光谱技术简介近红外光谱技术是一种光谱分析技术,它是通过对物质吸收和反射的光谱进行分析,来推断样品中化学成分的含量、结构、状态等相关信息。

与传统的化学分析方法相比,近红外光谱技术具有快速、高效、无需样品处理等优点,因此被广泛应用于食品、化妆品、药品等领域的质量检测。

二、近红外光谱在茶叶品质检测中的应用茶叶品质是指茶叶的味道、香气、色泽、滋味等多个方面的综合评价,其中主要的成分为茶多酚、咖啡碱、氨基酸等。

茶叶的品质检测对于茶叶生产、加工和销售都具有重要意义。

传统的茶叶品质检测方法主要是靠人工进行,存在着误差大、效率低等问题。

基于近红外光谱的茶叶品质检测技术则可以快速准确地评价茶叶品质。

1. 建立光谱库建立光谱库是进行近红外光谱分析的前提。

光谱库是通过采集茶叶的近红外光谱数据,并对数据进行处理建立的。

建立光谱库的关键在于样品的选择和分类,样品的数量和质量直接影响到建立的光谱库的可靠性和精度。

2. 分析光谱数据对于所采集的近红外光谱数据进行处理是进行茶叶品质检测的关键。

针对不同的茶叶品种和产地,需要使用不同的分析方法。

光谱数据处理的主要方法包括:主成分分析、偏最小二乘法等多元统计分析方法。

3. 对检测结果进行验证为了保证光谱库的可靠性,需要对检测结果进行验证。

验证的方法包括交叉验证、样本外验证等。

通过对验证结果的分析,可以确定光谱库的精度和准确性。

三、结论基于近红外光谱的茶叶品质检测技术是一个快速、准确、可靠的检测方法。

与传统的检测方法相比,近红外光谱技术不仅具有高效性和精准性,而且可以实现非破坏性检测,避免了其他检测方法可能会带来的影响。

因此,基于近红外光谱的茶叶品质检测技术将成为茶叶行业的重要工具,对茶叶的品质评判和质量控制起着积极的促进作用。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

Applied Physics 应用物理, 2019, 9(5), 233-242Published Online May 2019 in Hans. /journal/apphttps:///10.12677/app.2019.95028Discrimination Research on Black Tea Grade Based on Visible-Near Infrared Spectroscopy Jiajie Ou, Shicheng Jiang, Cheng Zhang, Li Yuan, Jiancheng Yu, Yanlin Tang*College of Physics, Guizhou University, Guiyang GuizhouReceived: Apr. 26th, 2019; accepted: May 8th, 2019; published: May 15th, 2019AbstractTaking Zunyi black tea as the research object, the Black tea grade discrimination based on visi-ble-near infrared spectroscopy technology was used, and the discrimination effect of the identifi-cation model on black tea was examined. Firstly, the obtained raw spectral data are preprocessed by8 methods such as SG-Smoothing method, multivariate scattering correction method, detrendingmethod and so on. Comparing these eight spectral preprocessing methods, the results show that the partial least squares discriminant model is the best spectral preprocessing method. Then, the com-petitive adaptive re-weighting algorithm, combined with the competitive adaptive re-weighting al-gorithm and the moving window method of continuous projection algorithm is used to filter the spectral characteristic wavelength variables of the entire spectral region, to establish a partial least squares identification model. After comparing the evaluation indexes of model quality, the results show that the partial least squares method of the SG-smoothing pre-processed spectral data combined with the competitive adaptive re-weighting algorithm is the best way to select the characteristic wavelength and establish the identification model. This method can identify the grade of black tea more accurately and quickly.KeywordsNear-Infrared Spectroscopy, Black Tea, Grade Discrimination, Partial Least Squares Regression基于可见–近红外光谱技术的红茶等级判别研究欧家杰,姜仕程,张成,袁荔,于建成,唐延林*贵州大学物理学院,贵州贵阳*通讯作者。

欧家杰 等收稿日期:2019年4月26日;录用日期:2019年5月8日;发布日期:2019年5月15日摘 要以遵义红茶为研究对象,基于可见–近红外光谱技术的红茶等级判别,并检验模型对红茶的判别效果。

首先,将获取的原始光谱数据分别在经过卷积平滑、多元散射校正、去趋势法等8种方法预处理后,比较了八种光谱预处理方法,得到偏最小二乘判别模型为最优光谱预处理方法。

然后采用连续投影算法,结合竞争自适应重加权算法和移动窗口法的连续投影算法筛选整个光谱区域的光谱特征波长变量,建立偏最小二乘辨识模型。

经过比较模型质量的评价指标,结果显示,以卷积平滑预处理后的光谱数据的偏最小二乘法结合竞争性自适应重加权算法挑选特征波长建立的鉴别模型最优。

该方法能较为准确、快速地鉴别出红茶的等级。

关键词近红外光谱技术,红茶,等级判别,偏最小二乘回归Copyright © 2019 by author(s) and Hans Publishers Inc.This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/1. 引言中国在2000年前开始种植茶叶,现在已经遍布世界各地。

茶是中国的传统饮料,受到全世界的喜爱。

茶能减轻人体的炎症和疼痛,能有效降低体内的血压和胆固醇含量,还能在一定程度上降低人体脂肪含量[1]。

目前,我国评价茶叶质量的主要方法是通过感官、嗅觉、味觉等感官来判断。

该方法耗时较长,评价结果容易受到评价者身体健康状况、思想情感等诸多主观因素的影响。

可见–近红外光谱的鉴别技术具有无损、高效、简单、低成本等优势[2]。

如,样品的光谱测量可在约1 min 内完成。

检测到的数据可以通过建立的各种模型获得;该频段可以通过光纤传输,可以应用于各种复杂环境的远程分析;分析成本低,操作人员要求低;无损检测,重复性好[3] [4] [5]。

其中基于近红外光谱技术的研究很多,例如Schulz 等[6]利用近红外光谱技术结合偏最小二乘法分析韩国绿茶中茶多酚和生物碱含量,表明近红外光谱可用于绿茶中茶多酚和生物碱含量预测;陈全胜[7]采用净分析物预处理方法对原始光谱进行预处理,并采用偏最小二乘法建立模型,研究表明净分析物预处理方法可以有效简化绿茶中儿茶素含量预测模型;周小芬等[8]采用近红外光谱结合偏最小二乘法分别建立了大佛龙井干茶色、泽、汤色、香气、滋味、叶底得分及五因子总分定量分析模型,并鉴别茶叶品质。

本文利用近红外光谱技术对不同等级的红茶进行判别,通过比较多种不同的光谱预处理方法对茶叶等级判别的影响,从而确定合适的近红外光谱分析茶叶等级的预处理方法,以达到简化模型的运算过程。

利用特征波长提取方法进行原光谱数据降维,最后挑选出最优的红茶等级判别模型。

并利用鉴别模型预测红茶的等级,为红茶等级判别提供了一种快速、高效的鉴别途径。

2. 材料与方法2.1. 实验仪器Avantes 公司生产的Avaspec-2408标准光纤光谱仪,测量范围为400~1000 nm ,光谱采样的波数间隔欧家杰等为5 cm−1,扫描次数为10次,探头视场角为15˚。

微型植物破碎机,由天津泰斯特仪器有限公司生产。

实验仪器的系统框图如图1所示。

Figure 1. System diagram of the experimental instrument图1.实验仪器的系统框图2.2. 样品制备及光谱采集实验样品为贵天下红茶,茶叶等级分为一级、二级和三级,每个等级取40份样本,总共包含120份样本。

使用微型样本粉碎机粉碎茶叶样本,放在直径2.2 cm,高0.4 cm的培养皿中。

为了减小实验误差,每次测量前都进行仪器黑白矫正,实验中探头与样品茶叶间距为2.4 cm。

利用光谱仪采集茶叶样本数据,对每个样本采集3次光谱,以3次光谱数据的平均值作为原始光谱建模。

样本按3:1的比例分为校正集(90份样品)和预测集(30份样品) (表1)。

Table 1. The experimental samples表1. 实验样本红茶等级Hongcha level样本数Number of samples校正集Calibration set预测集Prediction set一级level 1 (C1) 40 30 10二级level 2 (C2) 40 30 10三级level 3 (C3) 40 30 102.3. 光谱预处理方法在实验中,由于仪器老化、环境变化,样品颗粒度较大等原因会造成样品光谱基线漂移,散粒噪声及白噪声较大,从而影响光谱数据的正确性及稳定性。

为消除光谱中的噪音,提高光谱的信噪比,实验采用多种数据预处理方式对光谱数据进行降噪。

实验采用的预处理方法有移动平均平滑(Moving Average Smoothing)、高斯滤波平滑(Gaussian Filter Smoothing)、中值滤波平滑(Median Filter Smoothing)、卷积平滑(SG Smoothing)、多元散射校正(Multiplicative Scatter Correction)、去趋势(De-Trending)、标准正态变换(Standard Normal Variate)、正交信号校正(Orthogonal Signal Correction)。

其中,卷积平滑是平滑和导数处理方法的结合,可以消除光谱中的高频噪音及位移变化[9];多元散射校正是通过分离光谱数据中的光散射信号和光吸收信息,消除颗粒分布的不均匀、装填紧密度、湿度等不同而产生的散射噪音[10],以提高光谱的信噪比;去趋势算法通常是用于标准正态变量变换处理后的光谱,用来消除漫反射光谱的基线漂移[11];标准正态变换可以除去样本分布不均匀,表面散射等对光谱数据的影响[12];正交信号校正能大幅提高近红外模型的预测能力和模型的稳健性[13]。

欧家杰 等2.4. 偏最小二乘回归偏最小二乘回归(PLSR)是一种新的多变量统计分析方法,它结合了多元线性回归分析,变量主成分分析和变量之间的典型相关分析,实现了回归建模和数据结构简化。

相关文档
最新文档