您好,欢迎进江苏双利合谱科技有限公司网站!
您现在的位置:首页 >> 解决方案 >> 高光谱成像技术预测茶叶在萎凋和发酵过程中茶多酚、游离氨基酸、CAF含量
高光谱成像技术预测茶叶在萎凋和发酵过程中茶多酚、游离氨基酸、CAF含量
浏览次数:334发布日期:2023-02-23

 萎凋和发酵过程是红茶加工过程中的关键环节,萎凋程度和发酵程度是衡量加工工艺的关键参数。目前,萎凋和发酵程度的判断主要通过生化分析和感官评价进行,存在耗时费力、效率低下、主观性强等问题。而高光谱成像作为一种高效、快捷、无损监测方法,对于提高生化成分监测效率,判断萎凋和发酵程度具有重要意义。

山东农业大学丁兆堂教授团队利用我司高光谱成像设备(Gaia field Pro-V10),采集了茶鲜叶萎凋和发酵过程中的高光谱数据,同时测定了各茶叶样本中的TPs(茶多酚)、FAA(游离氨基酸)和CAF 含量;采用卷积平滑法、多元散射校正和一阶导数算法对高光谱数据进行预处理;通过机器学习和多种算法构建了TPs、FAA和CAF含量的监测模型。试验流程如图1所示:


c55b32478e6a06cd6b8a22eefb34132e_20221201150113.jpg

1 高光谱数据的采集和分析


图2表示高光谱数据预处理前后的光谱图,提高了光谱数据与茶叶品质成分之间的相关性。然后采用连续投影算法(SPA)、竞争性自适应重加权(CARS)和无信息变量消除(UVE)方法,选择特征波段。特征波段的筛选结果如图3所示。

4cac5925c0a62845ad8193f2f53bc46c_20221201150134.jpg

2 原始数据与经过预处理的光谱图。

(A)茶叶样本原始光谱图 (B)MSC+1D+S-G算法预处理后的光谱图


ab167e8e3fd7e2ae3c708abee2ecac58_20221201150150.jpg


3 特征波段的分布

最后基于选取的特征波段,结合支持向量机(SVM)、随机森林(RF)、偏最小二乘法(PLS),建立TPsFAACAF含量的监测模型,用于定量判断萎凋和发酵程度。图4表明,TPsFAACAF含量预测分别是CARS-PLSSPA-PLSCARS-PLS,模型预测集的决定系数分别为0.910.880.81



5 TPsFAACAF含量的预测散点图

ABC)通过CARS-SVMCARS-PLSCARS-RF模型获得的TPs含量预测结果 (DEF)通过CARS-SVMCARS-PLSCARS-RF模型获得的FAA含量预测结果 (GHI) 通过CARS-SVMCARS-PLSCARS-RF模型获得的CAF含量预测结果


结果表明,基于高光谱成像技术快速量化判断茶叶萎凋和发酵程度是可行的。总之,建立基于高光谱成像技术的茶叶样本中FAA和TPs含量定量预测模型,不仅为实际生产中红茶品质成分含量快速、无损估计奠定了基础,而且使客观、快捷判断萎凋和发酵程度成为可能。

作者简介:

丁兆堂博士青岛农业大学园艺学院教授。

主要研究方向:茶树生长发育及其环境应答的分子机理;茶叶品质与抗逆的分子机制研究。

参考文献:Mao, Y.; Li, H.; Wang, Y.; Fan, K.; Song, Y.; Han, X.; Zhang, J.; Ding, S.; Song, D.; Wang, H.; Ding, Z. Prediction of Tea Polyphenols, Free Amino Acids and Caffeine Content in Tea Leaves during Wilting and Fermentation Using Hyperspectral Imaging[J]. Foods 2022, 11, 2537.