基于近紅外光譜技術的紅茶品質與等級評判方法的研究.pdf

1、紅茶是中國生產和出口的主要茶類之一，其品質和等級的快速準確分析是當今茶葉行業(yè)亟待解決的首要課題之一。近紅外光譜分析具有快速、無損、高效、客觀、不消耗化學試劑等優(yōu)點，已迅速發(fā)展成為一種新興的檢測分析手段。
　　近年來，越來越多NIRS技術引入到茶葉品質控制研究，但應用于茶葉等級評價研究較為罕見。目前有建立的紅茶多種內含成分預測分析模型，由于光譜易受樣品的制備條件、儀器采集參數(shù)、光譜前處理和變量區(qū)間選擇等因素的影響，預測模型的穩(wěn)定性不

2、強。為進一步提高近紅外分析模型的穩(wěn)定性和快速評判茶葉等級，本文以安徽省國潤茶葉有限公司提供的200份紅茶樣品為研究對象，通過對待測樣品制備條件的優(yōu)化、比較不同光譜預處理方法和特征區(qū)間篩選等方法，建立了紅茶內含成分（全氮量、水浸出物、茶多酚、咖啡堿、游離氨基酸、粗纖維）的預測模型并進行了優(yōu)化處理，首次提出利用通徑分析方法確定影響等級的主要內含成分，建立等級與內含成分的回歸方程，同時建立了茶葉等級近紅外光譜的定量、定性分析模型。研究取得了以

3、下主要結果：
　　1.確定了樣品最優(yōu)制備條件：樣品粒度為40目-60目，壓力度為40 MPa，厚度為4 mm，將樣品制成直徑為3 cm片狀固體進行光譜掃描時，譜圖重合性最佳。并通過常規(guī)樣品制備方法與最佳制樣方法比較，建立紅茶全氮量和咖啡堿預測模型，預測相關系數(shù)R2分別由0.9340、0.9765提高到0.9666、0.9767；預測均方根誤差RMSEP分別由0.0369、0.0325降到0.0266、0.029。研究結果表明樣品最

4、優(yōu)制備條件使模型的預測精度大大提高，為后期近紅外光譜樣品制備方法提供了新思路。
　　2.確定了紅茶中6種主要內含成分的最佳光譜預處理方法。研究分別比較了導數(shù)(1階導數(shù)、2階導數(shù)，1stDer,2ndDer)、極小/極大歸一化（Normalization, Min/Max）、標準正態(tài)變量變換法（SNV）、平滑(Smoothing)，4種預處理方法對建模效果的影響，結果表明：SNV預處理方法能使全氮量、茶多酚、游離氨基酸的預測模型達到

5、最佳，訓練集的決定系數(shù)(R2)分別為：0.8762、0.8033、0.9501；交互驗證均方根誤差（RMSECV）分別為0.07、0.51、0.12。水浸出物的最佳光譜預處理方法為1stDer，R2=0.646，RMSECV=3.19?？Х葔A和粗纖維最佳預處理方法為Smoothing，訓練集R2分別為：0.984，0.9868；RMSECV分別為：0.0365，0.113。研究表明，光譜預處理方法可以有效的消除非目標因素對光譜的影響，為

6、后續(xù)提高光譜的定標預測和模型傳遞精度具有重要意義。
　　3.通過不同特征波長篩選方法（Si-PLS、GA-PLS）與全譜區(qū)PLS方法比較，確定了紅茶內含成分最優(yōu)光譜特征區(qū)間。研究結果表明：采用Si-PLS法將區(qū)間劃分為12，聯(lián)合3個子區(qū)間共577個變量，主因子成分為7時建立的紅茶水浸出物含量模型最優(yōu)，校正集 R2=0.7304。運用GA-PLS方法建立的全氮量、茶多酚、游離氨基酸、咖啡堿、粗纖維模型最優(yōu)。選用的變量數(shù)和主因子數(shù)分別

7、為：106、6，112、7，118、7，19、6，136、9。訓練集R2分別為：0.9804，0.8982，0.9700，0.9938，0.9920。近紅外光譜結合特征譜區(qū)篩選方法既能簡化模型又能提高預測精度，為后期近紅外光譜儀器購置時波長范圍的選擇提供一定的理論依據。
　　4.建立等級與內含成分回歸方程預測未知樣等級。首次利用通徑分析方法，探究紅茶各內含成分對等級直接影響作用大小。結果表明：水浸出物＞咖啡堿＞粗纖維＞全氮量＞游離

8、氨基酸＞茶多酚。通過逐步回歸剔除法，引入主要影響因素，剔除茶多酚，建立五元回歸方程。得到的回歸方程式為：Y=30.189-314.191X1+5.347X2-713.852X3+104.332 X4+40.569 X5。決定系數(shù)R2=0.9055，式中Y代表等級，X1、X2、X3、X4、X5分別代表全氮量、水浸出物量、咖啡堿、游離氨基酸、粗纖維。研究為實現(xiàn)直接利用近紅外光譜結合茶葉等級建立定量分析模型提供了研究基礎。
　　5.建立