基于高光譜圖像、色譜和三維熒光光譜技術的碧螺春茶葉甄別研究.pdf

1、我國是茶葉生產和消費第一大國,隨著人民生活水平的提高,對茶葉品質特別是名優(yōu)茶的品質要求也越來越高。目前,國內名優(yōu)茶真?zhèn)纹焚|的檢測基本上都采用感官評定法和傳統的化學方法,但這些方法存在主觀性強、檢測結果重復性差等缺點。本課題,以江蘇名優(yōu)綠茶碧螺春為研究對象,利用高光譜圖像技術、色譜技術和三維熒光光譜技術等一些新技術對其內外品質進行分析并對其真?zhèn)芜M行甄別。本論文的主要研究內容如下:
　　 1.高光譜圖像技術在碧螺春茶葉品質真?zhèn)舞b別中

2、的應用研究。首先利用驗室高光譜檢測設備采集了真?zhèn)伪搪荽翰柙?08-1117nm范圍的高光譜圖像數據,通過主成分分析,優(yōu)選出763.36nm和791.17nm這2個特征波長下的圖像；然后,從每個特征波長下的圖像中,選取了灰度共生矩陣構造的對比度、相關性、能量、均勻性四個統計量作為紋理特征值,共8個特征變量；再通過主成分分析對這8個特征變量進行壓縮,提取6個主成分因子建立基于支持向量機(Support Vector Machine SVM)

3、的碧螺春茶品質真?zhèn)舞b別模型。模型訓練集的識別率為100％,預測集的識別率達到91.66％。結果表明,高光譜圖像技術可以用于碧螺春茶的真?zhèn)舞b別。
　　 2.基于色譜技術-包括氣相色譜質譜聯用技術(Gas Chromatography—MassSpectrometry GC-MS)和高效液相色譜技術(High Performance LiquidChromatography HPLC)鑒別碧螺春真?zhèn)蔚难芯?。采用固相微萃取技術富集了真

4、偽碧螺春茶葉的揮發(fā)性香氣成分,通過氣質聯用技術對其進行分析定性,鑒定出真?zhèn)纹凡枞~中61種揮發(fā)性香氣成分,再檢索NIST05質譜數據庫后確定了正反匹配度均大于950的真?zhèn)伪搪荽翰韫餐嬖诘?種特征香氣揮發(fā)性成分；再優(yōu)化了高效液相色譜技術色譜條件及樣本預處理條件,分析真?zhèn)伪搪荽翰铇颖局?表沒食子兒茶素(epigallocatechin,EGC)、(+)-兒茶素[(+)-catechin,C]、表沒食子兒茶素沒食子酸酯(epigallocat

5、echin gallate,EGCG)、表兒茶素(epicatechin,EC)和表兒茶素沒食子酸酯(epicatechin gallate,ECG)這5種兒茶素單體的含量。利用GC-MS和HPLC技術提取色譜特征的峰面積作為模型的輸入指標,在模型建立過程中,通過對主成分因子數的優(yōu)化,選取前8個主成分因子數時SVM模型的鑒別率達到最高,該模型對訓練集樣本的回判鑒別率為100％,對預測集樣本的預測鑒別率達到95.83％。以上研究結果表明,

6、利用GC-MS和HPLC結合合適的化學計量學技術可以識別真?zhèn)伪搪荽翰枞~。
　　 3.基于三維熒光光譜的碧螺春真?zhèn)舞b別研究。對獲取的真?zhèn)伪搪荽喝S熒光光譜數據首先進行光譜預處理,對茶葉三維熒光光譜中存在的銳利散射通過斜率分析后置零處理。對校正處理后的真?zhèn)伪搪荽翰枞~三維熒光光譜提取:平均值,標準差,重心,相關系數,等效橢圓長軸斜率,峰度和偏度這7個統計值作為模式識別輸入變量。引入線性的K最近鄰距離模型以及非線性的人工神經網絡模型進行

7、比較,支持向量機模型對訓練集樣本的回判鑒別率為100％,對預測集樣本的預測鑒別率達到97.5％,達到最佳。結果顯示支持向量機模型在訓練過程中自學習能力明顯強于線性的K最近鄰距離模型,且模型的泛化性又明顯優(yōu)于人工神經網絡模型。研究表明通過三維熒光光譜技術提取適合的統計特征參數可以用于碧螺春茶葉的真?zhèn)舞b別。
　　 本研究對于我國開展名優(yōu)茶品質真?zhèn)蔚目焖贆z測,具有重要的參考價值,對提高我國名優(yōu)茶產品的國際競爭力具有重要的經濟意義。