基于光谱技术的茶叶品质参数茶多酚含量快速检测方法研究

茶多酚是茶叶中的主要成分,其含量约占30%左右,决定着茶汤的味道、颜色等。利用近红外光谱法对茶多酚含量进行快速检测,在茶叶品质的快速识别中具有极高的实用价值。基于光谱技术结合化学计量学方法,对不同茶叶的不同成分进行了研究,结果表明:茶叶中的主要成分茶多酚含量与近红外波段(1 800~2 500nm)的吸光度存在近似的线性关系,在此基础上建立拟合曲线,得出了不同拟合曲线的相关系数和校正均方根误差;采用近红外光法结合偏最小二乘法在1 872nm建立了茶多酚含量预测模型,其相关系数达到0.937 8,均方根误差为0.008 015。     

茶叶中茶多酚含量的近红外光谱检测模型研究

茶叶中茶多酚作为茶叶品质检测中五项常规检测成分之一,研究利用近红外光谱技术对茶叶中茶多酚含量进行快速无损检测具有很高的实用价值,但目前茶多酚含量的近红外检测研究对象主要集中于茶叶提取物及其制品.研究利用近红外光谱技术测定茶叶中茶多酚含量,采用非线性偏最小二乘法(NLPLS)原理,结合不同的光谱区间组合建立了最佳的茶多酚含量近红外分析模型,相关系数为0.967,均方根误差为2.001%,模型具很高的精度.     

ICP-MS法测定茶叶和其浸泡液中稀土总量

茶叶中富含茶多酚、生物碱以及多种微量元素,具有良好的保健功能,被称为"东方饮料的皇帝"。但是,在茶叶中,含有一些对人体有害的重金属元素,尤其是稀土元素,对于人体的危害是非常巨大的。本文结合稀土元素的危害,利用电感耦合等离子体质谱(ICP-MS)法,对茶叶及其浸泡液中稀土总量进行了测定和分析。     

不同发酵茶叶的红外光谱特征

采用傅里叶变换红外光谱法,比较分析了不发酵茶、半发酵茶和全发酵茶红外特征谱的异同。结果显示,3类茶叶的红外光谱比较相似,但由于发酵程度不同,3类茶中茶多酚类物质成分的含量不同,因而具有一些各自的红外特征谱。研究表明,茶叶的不同发酵程度与茶叶的红外特征谱中的1037,1147,1324,1520和1240cm-1附近吸收峰的强度和峰形密切相关。探索了这两者之间的联系,发现根据茶叶样品的红外光谱特征峰的不同吸光度和峰形,可以区分茶叶的不同发酵程度。     

绿茶多酚对鱼藤酮致PC12细胞损伤保护作用的研究

目的:建立鱼藤酮诱导的帕金森病细胞模型,观察绿茶多酚对细胞活性、凋亡指标及多巴胺(DA)含量的影响。方法:以高度分化的PC12细胞作为细胞模型,采用鱼藤酮诱导细胞损伤,用不同浓度的绿茶多酚及阳性药B型单胺氧化酶抑制剂司来吉兰预处理后,再分别用噻唑蓝(MTT)法检测细胞活性、流式细胞仪(FCM)检测细胞凋亡率,测定caspase-3活性和多巴胺的含量,并对结果进行统计学分析。结果:绿茶多酚预处理组(5、15、45μmol/L)和司来吉兰(50μmol/L)预处理组的细胞活力均显著高于鱼藤酮对照组(2.5μmol/L)。流式细胞仪检测结果显示,鱼藤酮对照组、绿茶多酚(51、5、45μmol/L)预处理组、司来吉兰(50μmol/L)预处理组、正常对照组的细胞凋亡率依次为(28.7±1.8)%;(15.8±1.2)%(、10.2±1.3)%、(3.2±0.6)%;(7.24±1.0)%和(1.2±0.3)%。与鱼藤酮对照组相比,绿茶多酚处理组也能降低细胞caspase-3活性。绿茶多酚预处理后,可以增加鱼藤酮诱导PC12细胞模型中的DA含量,但仍然低于正常对照组。结论:绿茶多酚能抑制鱼藤酮诱导的PCI2细胞损伤,其神经细胞保护作用可能与抗凋亡蛋白,维持多巴胺含量有关。     

基于激光诱导击穿光谱的茶叶品种快速分类

在提取激光诱导击穿光谱(LIBS)全部特征峰的基础上,利用支持向量机建立了有效的茶叶分类模型。采集了15种茶叶样品的有效LIBS光谱数据(190～720 nm),运用窗口平移平滑和峰位漂移函数修正对光谱进行了预处理,再结合主成分分析降维,对绿茶、红茶、白茶实现了98.3%的识别率;对同一种类中不同品种的茶叶也实现了较好的识别。研究结果表明,LIBS在茶叶品种快速识别应用中具有较好的前景。     

直接正交校正用于牛奶成分近红外光谱分析

介绍采用近红外光谱分析方法快速检测牛奶主要成分含量的测量原理,探讨研究直接正交(DO)校正的基本方法.利用牛奶成分近红外光谱测量系统分别采集牛奶样品和葡萄糖白蛋白两成分溶液样品的近红外光谱,采用DO法进行光谱数据预处理,并采用偏最小二乘(PLS)法分别建立其相应的数学模型.实验及数据处理结果表明:经DO法预处理后,滤除了原始光谱中的部分噪声信息,但保留了原始光谱中的主要信息.PLS校正模型采纳的最佳因子数随着DO因子的依次滤除相应减少.牛奶中脂肪和蛋白质校正模型在原始光谱分别被滤除3和4个主成分时达到性能最佳,校正标准偏差SEC分别为0.3204和0.2727,预测标准偏差SEP为0.7316和0.4460,两成分溶液样品中白蛋白和葡萄糖校正模型在原始光谱被滤除1个因子时达到性能最佳.校正标准偏差SEC分别为0.2513和0.2780,预测标准偏差SEP为0.5169和0.7870,单位(g/dL),与DO法预处理之前的PLS模型相比,预测标准偏差相应降低,采纳的主成分数减少,模型得到简化.     

基于GA-BP神经网络的茶叶蔗糖量检测模型研究

采用近红外光谱技术结合反向传播人工神经网络算法建立了茶叶中蔗糖含量的检测模型,并通过引入遗传算法改进了模型预测质量.预测模型采用120个茶叶掺蔗糖样品的傅里叶变换漫反射光谱数据建立.对另外42个样品的预测结果表明,基于传统的反向传播人工神经网络算法模型的相关系数为0.738 0,预测均方根误差为3.075 4,正确识别率为83.3％;增加遗传算法后相关系数提高到0.941 9,预测均方根误差为1.3176,正确率为88.1％,训练误差减小一个量级以上.实验结果表明,反向传播人工神经网络模型可用来检测茶叶中的蔗糖含量,同时,引入遗传算法优化了神经网络的初始权值和阈值,使预测误差更小.     

红外煤质多参数实时分析仪设计

燃煤内不同成分具有不同的红外吸收光谱,吸收程度的大小与该成分的含量具有正相关性。根据燃煤不同成分的红外光谱吸收特性,设计了煤质参数实时分析仪。采用漫反射灰度板替代滤光片作为参比物,实验中具有更好的稳定性。采用多元线性回归法对测量数据进行处理,煤质参数测量结果与化验室化验结果接近,设计可满足使用要求,工作效率较传统化验室化验法有了大幅度的提高。     

不同寄主植物上瓜蚜体内主要构成成分的变化

为揭示寄主植物与瓜蚜Aphis gossypii相互作用的机理,采用微量凯氏定氮法、索氏提取法、蒽酮比色法、盐酸水解法和气相色谱法分别测定了黄瓜、南瓜、搅瓜、瓢葫芦和哈密瓜等5种寄主植物对瓜蚜体内粗蛋白、脂肪、糖、氨基酸和脂肪酸等主要构成成分的影响。结果表明,不同寄主植物上瓜蚜体内上述主要构成成分均存在显著差异;瓜蚜体内主要构成成分以粗蛋白含量最高,占虫体干重的35.40%～45.25%,其次为脂肪(24.01%～30.33%),最低为总糖(4.09%～7.91%)。瓜蚜体内含有18种氨基酸,其中谷氨酸含量最高(5.15～6.97mg/100mg),其次为天门冬氨酸(3.75～5.33mg/100mg),再次为亮氨酸(2.59～3.60mg/100mg),最少为半胱氨酸(0.44～0.49mg/mg)。瓜蚜体内含有8种脂肪酸。除瓢葫芦外,其他4种供试寄主植物上瓜蚜体内棕榈酸含量最高(10.53%～15.55%),其次为肉豆蔻酸(3.32%～9.93%),亚麻酸含量最低(0.04%～0.17%)。瓢葫芦上瓜蚜体内肉豆蔻酸含量最高,为16.20%,其次为棕榈酸(7.15%)。瓜蚜体内饱和脂肪酸含量占虫体干重的20...     

基于Faster R-CNN深度网络的茶叶嫩芽图像识别方法

本文旨在研究基于深度网络模型的茶叶嫩芽识别 方法,根据茶叶的品级和质量要求,把茶叶嫩芽分 为一芽一叶和一芽两叶,因为茶叶的生长姿态千差万别,所以又在茶叶嫩芽识别模型中加入 关于遮挡情况的分 类。选用了基于VGG-16、ResNet-50和ResNet-101特征提取网络的Faster R-CNN深度网 络模型分别对茶叶嫩 芽数据样本进行训练,同时,该方法与三种相同特征提取网络的SSD深度网络模型进行对比 ,实验结果表明, 基于VGG-16特征提取网络的Faster R-CNN深度网络模型的识别效果较好,得出茶叶嫩芽识 别模型的精确度为 85.14%,召回率为78.90,mAP为82.17%。该深度网络模型能够有效识别茶叶嫩芽目标,为茶叶的智能化采摘提供了 技术支撑。     

三维荧光光谱技术及平行因子分析法在绿茶分析及种类鉴别中的应用

提出了一种绿茶成分分析和种类鉴别的新方法。利用FS920荧光光谱仪测量得到国内生产的26个绿茶样品的三维荧光光谱矩阵(EEMs),建立了不同种类绿茶在特定范围内(激发波长为300～550 nm,发射波长为310～750 nm)的三维荧光光谱图和等高线光谱图。采用平行因子分析法(PARAFAC)计算得到绿茶的3因子激发-发射光谱轮廓图和样品因子投影得分图。通过因子光谱特征分析确定绿茶的三种主要成分(茶多酚、黄酮醇及叶绿素);通过三维荧光光谱图和等高线光谱图的图谱特征和样品因子投影得分图的分析,证实三维荧光光谱技术和平行因子分析法对绿茶进行成分分析和种类鉴别,是一种高效、精确的方法。     

不同产地信息茶叶的红外光谱分析

通过规范化的标准检测, 制备样品并获取样品的标准红外光谱, 分别得到了几种中国名茶的标准红外光谱图。为了更全面地了解这些茶叶的整体地域特征, 建立了红外光谱分析的平均偏离方法, 对光谱图进行了的直观分析, 而且还探讨了平均偏离大小与茶叶产地纬度的关系。研究表明, 产地纬度相近的茶叶, 平均偏离小; 产地纬度相差大的茶叶, 平均偏离大。因此茶区的海拔高度和纬度与茶叶的产地信息有着密切关系, 平均偏离有可能成为分析茶叶产地信息的强有力的方法。     

基于近红外光谱的西湖龙井茶产地的精细判别

不同产区的西湖龙井茶的品质具有差异。采用近红外光谱技术和光谱预处理、主成分分析和判别模型等数学方法鉴别了分别产自龙井村、梅家坞村和葛衙庄三个地区的西湖龙井茶。结果表明,二阶导数光谱预处理方法对去除近红外光谱中的噪音最有效,贝叶斯判别分析是这三个地区产的西湖龙井茶的最佳判别模型。在模型中输入5个主成分数后,最佳的原始判别率和交叉验证判别率分别为100%和82.35%。在交叉验证判别中,产自葛衙庄、龙井村和梅家坞的茶叶的判别正确率分别为80%、83.33%和83.33%。因此,该模型可以用于龙井村、梅家坞村和葛衙庄三个地区产的西湖龙井茶的鉴别,为西湖龙井茶产区的判别提供理论依据。     

茶叶红外光谱的阵列相关系数特性分析

研究了红外光谱在茶叶品质鉴别中的应用。利用傅里叶红外光谱仪测得了特级铁观音、特级龙井和生饼普洱三种典型茶叶的标准红外光谱图, 通过谱图的直观分析发现各种茶叶的红外吸收均可以分为几个大的区域, 并且茶叶的主体成份相似导致谱图具有一定的相似性, 因此直观上很难将各谱图区分。为了强调特征部分的比对, 更好地显示出不同种类茶叶之间的差异, 借助数学方法和计算机程序对这几种茶叶谱图的多波段阵列相关性进行了分析, 发现在指纹区内的1130～1570 cm-1波数范围中几种茶叶的相关系数比整体波数范围以及其他能有效表征茶叶成份特征的波数范围内小, 即所反映的此范围内的指纹信息更明显, 更容易判断结构特征的细微变化, 利用此波数范围可以对三种茶叶进行区分和判别。     

公众对“上火”的理解及其与凉茶商业化的互动

"上火"是一个民间医学概念,"上火"和凉茶两种事物密切相关。凉茶用于应对"上火",公众对凉茶的认知基于其对"上火"的理解。凉茶本身具备"传统"和"广东"两个身份符号。凉茶商业化之后,公众对于凉茶饮料的关注增强,但是对于其效用并不认可;凉茶商业化的过程也影响了"上火",人们对于"上火"的关注增强、相关知识和误解同时得到了传播。     

（英）基于近红外的移动窗口BP神经网络实现山东绿茶产地溯源

将近红外光谱分析技术用于对山东省代表性绿茶(崂山绿茶和日照绿茶)进行快速、无损伤产地溯源.对平滑处理、一阶微分和二阶微分等几种不同的光谱预处理方法进行了系统性对比和研究创新.提出移动窗口BP神经网络(MW-BP-ANN)算法用于选择特征光谱变量.实验发现,一阶微分和移动窗口-BP神经网络可以大幅提高支持向量机(SVM)分类模型的预测能力.经预处理后,分类模型的最优鉴别准确率可达98.33%.研究结果表明,该光谱变量选择方法对提高产地溯源模型的预测能力起到至关重要作用.     

乐山茶叶的近红外光谱分类识别

以乐山产正品竹叶青、劣质竹叶青和峨眉山毛峰为研究对象,提出了一种基于近红外光谱的不同茶叶品种分类识别算法.该算法采用多元散射校正(Multiplicative Scatter Correction,MSC)对3种茶叶的近红外光谱数据进行预处理,最大限度地扣除光谱数据中的随机变异;再采用主成分分析算法(Principal Component Analysis,PCA)对预处理后的光谱数据进行降维,去除冗余;接下来进行线性判别分析(Linear Discriminant Analysis,LDA),进一步提取特征;最后采用K_近邻算法(K_Nearest Neighbor,KNN)对LDA结果的前两个特征进行分类,从而达到对茶叶进行定性分类的目的.实验结果表明,该算法能有效地对3种茶叶进行分类,正确识别率达到100％.本研究为不同品种茶叶的分类识别提供了一种新思路.