茶鮮葉質量的近紅外光譜評價方法研究.pdf

1、當前，茶鮮葉的驗收分級和定價通過感官評價方法進行，結果易受主觀因素影響而發(fā)生誤判；同時，鮮葉的準確驗收分級也是實現(xiàn)茶葉標準化加工的前提。因此，茶葉產業(yè)急需建立一種科學、量化、快捷的茶鮮葉質量評價方法。
　　 在綜合分析與茶鮮葉質量密切相關的內含成分的基礎上，本文首次提出了利用質量系數(shù)定量評價鮮葉質量。
　　 質量系數(shù)解決了鮮葉質量評價難以定量的難題，但其依賴的傳統(tǒng)化學方法費時、費力，難以適應生產中快速檢測的需求。近紅外光

2、譜(NIRS)由于省時、樣品無需預處理等優(yōu)點，已經廣泛應用于石油、制藥、煙草、飲料及食品行業(yè)，本文應用NIRS技術結合化學計量學方法嘗試建立了茶鮮葉質量的快速預測模型；通過模型轉移，研制了一臺光柵型茶鮮葉質量近紅外分析儀；通過篩選鮮葉產地特征光譜區(qū)間，探索建立了茶鮮葉產地的判別方法；嘗試制定了測定茶鮮葉水分、全氮量和粗纖維的近紅外方法標準。
　　 論文主要研究結果如下：
　　 1.提出了茶鮮葉質量系數(shù)方程
　　

3、通過篩選與鮮葉質量關系密切的內含成分，提出利用質量系數(shù)定量評價茶鮮葉質量：質量系數(shù)=(含水量×全氮量)÷粗纖維量。質量系數(shù)與鮮葉質量呈正相關。
　　 2.建立了預測茶鮮葉主要內含物含量和質量等級的近紅外光譜模型
　　 含水量預測模型。當全光譜分為23個子區(qū)間、MSCmean為預處理方法時，先用反向區(qū)間偏最小二乘法篩選含水量的12個特征光譜子區(qū)間，然后對特征光譜進行主成分分析，以前4個主成分(累計貢獻率為99.69％)為輸

4、入變量建立的含水量最小二乘支持向量機模型預測結果最佳：Rcv=0.993，RMSECV=0.006％，Rp=0.989，RMSEP=0.010％。
　　 全氮量預測模型。當全光譜分為21個子區(qū)間、MSCmean為預處理方法時，先用反向區(qū)間偏最小二乘法篩選全氮量的10個特征光譜子區(qū)間，然后對特征光譜進行主成分分析，以前4個主成分(累計貢獻率為99.91％)為輸入變量建立的全氮量最小二乘支持向量機模型預測結果最佳：Rcv=0.997

5、，RMSECV=0.004％，Rp=0.991，RMSEP=0.011％。
　　 粗纖維量預測模型。當全光譜分為24個子區(qū)間、MSCmean為預處理方法時，先用反向區(qū)間偏最小二乘法篩選粗纖維量的6個特征光譜子區(qū)間，然后對特征光譜進行主成分分析，以前3個主成分(累計貢獻率為99.93％)為輸入變量建立的粗纖維量最小二乘支持向量機模型預測結果最佳：Rcv=0.989，RMSECV=0.102％，Rp=0.973。RMSEP=0.14

6、2％。
　　 質量系數(shù)預測模型。當全光譜分為24個子區(qū)間、mean為預處理方法時，先用反向區(qū)間偏最小二乘法篩選鮮葉質量的5個特征光譜子區(qū)間，然后對特征光譜進行主成分分析，以前4個主成分(累計貢獻率為99.86％)為輸入變量建立的質量系數(shù)最小二乘支持向量機模型預測結果最佳：Rcv=0.984，RMSECV=0.0109，R19=0.980。RMSEP=0.0152。
　　 鮮葉質量等級預測模型。當全光譜分為24個子區(qū)間、M

7、SC為預處理方法時，先用反向區(qū)間偏最小二乘法篩選鮮葉等級的4個特征光譜子區(qū)間，然后對特征光譜進行主成分分析，以前4個主成分(累計貢獻率為99.73％)為輸入變量建立的鮮葉等級最小二乘支持向量機模型預測結果最佳：校正集和預測集模型判別率均為100％。
　　 3.茶鮮葉質量近紅外分析儀的研制
　　 以茶鮮葉含水量、全氮量和粗纖維量近紅外預測模型為基礎，根據(jù)S/B模型傳遞方法，通過與合肥美亞光電技術股份有限公司合作，研制了一臺

8、光柵型茶鮮葉質量近紅外分析儀。該分析儀能夠在1min內得出鮮葉的質量系數(shù)，初步實現(xiàn)了茶鮮葉質量的快速準確評價，杜絕了人為因素的影響。
　　 4.茶鮮葉產地判別方法的建立
　　 以產自合肥市、黃山市和六安市的茶鮮葉為材料，產地值分別設為1，2，3。先用反向區(qū)間偏最小二乘法篩選茶鮮葉產地特征光譜區(qū)間：12493 cm-1～12138 cm-1.10700cm-1～10345 cm-1，9627.3 cm-1～9276.3 c

9、m-1，6788.5 cm-1～～6437.5 Cm-1.4659.4cm-1～4308.4 cm-1和4304.5 cm-1～4000 cm-1；應用主成分分析法獲得特征光譜區(qū)間的主成分數(shù)，以前6個主成分數(shù)為輸入值(累計貢獻率為99.98％)建立了茶鮮葉產地判別的人工神經網(wǎng)絡模型，該模型對三市鮮葉產地的判別率為100％，實現(xiàn)了對茶鮮葉產地的快速、準確判別。
　　 5.茶鮮葉內含物測定近紅外方法標準的研究
　　 近紅外光