基于高光谱的绿茶加工原料生化成分检测模型建立

• Published in: 食品工业科技 Vol. 44; no. 10; pp. 280 - 289
• Main Authors: 薛懿威, 王玉, 王缓, 丁仕波, 王梦琪, 陈泗洲, 丁兆堂, 赵丽清
• Format: Journal Article
• Language: Chinese
• Published: 青岛农业大学机电工程学院,山东青岛 266109%青岛农业大学园艺学院,山东青岛 266109%日照市茶叶科学研究所,山东日照 276801 2023
• Subjects: 机器学习; 茶叶生化成分; 高光谱成像; 无损检测; 茶叶加工
• ISSN: 1002-0306
• DOI: 10.13386/j.issn1002-0306.2020070110

S-3; 目的:建立高光谱技术快速检测绿茶加工原料生化成分的方法.方法:用高光谱相机对加工过程中的茶叶原料进行实时拍摄,获取茶叶原料的光谱数据;对样本的含水率、游离氨基酸、茶多酚以及咖啡碱的含量进行检测;光谱数据预处理后,利用无信息变量消除法(uninformative variable elimination,UVE)、竞争性自适应重加权法(competitive adaptive reweighted sampling,CARS)、连续投影算法(successive projections algorithm,SPA)三种特征提取方法与偏最小二乘(partial least-squares,PLS)、支持向量机(support vector machine,SVM)和随机森林(random forest,RF)三种机器学习模型分别组合进行建模分析,预测茶叶原料中的含水率、游离氨基酸、茶多酚和咖啡碱的含量.结果:茶叶原料的含水率、游离氨基酸、茶多酚和咖啡碱最佳组合模型分别为UVE-RF、CARS-SVM、UVE-SVM、UVE-PLS,决定系数(coefficient of determination,R2)分别为0.99、0.92、0.97、0.87,交互验证均方根误差(root mean square error of cross validation,RMSECV)分别为0.7615％、0.723μg·g?1、0.3701％、0.1197％,相对分析误差(relative percent difference,RPD)分别为10.2093％、25.446μg·g?1、3.5851％、2.5284％.结论:相关性高,建模误差合理,模型效果优秀,可以有效检测加工过程中茶叶原料的生化成分.该方法不仅无损,而且快速准确,有望在茶叶加工中得到广泛应用.