一種基于近紅外光譜分析技術的工夫紅茶發(fā)酵質量的快速判別方法
【專利摘要】本發(fā)明公開了一種基于近紅外光譜分析技術的工夫紅茶發(fā)酵質量的快速判別方法，該方法選取適度發(fā)酵、發(fā)酵不足、過度發(fā)酵的工夫紅茶樣本，隨機劃分校正集和預測集，利用近紅外光譜掃描獲得的光譜數據，采用PLS-DA判別方法建立工夫紅茶質量的判別模型，實現了對工夫紅茶發(fā)酵程度的快速判定，為工夫紅茶發(fā)酵質量的定性判斷提供了一種科學、準確、快速、簡便的方法。
【專利說明】一種基于近紅外光譜分析技術的工夫紅茶發(fā)酵質量的快速 判別方法
【技術領域】
[0001] 本發(fā)明涉及的是一種茶葉質量分析判斷的方法，尤其涉及的是一種基于近紅外光 譜分析技術的工夫紅茶發(fā)酵質量的快速判別方法。
【背景技術】
[0002] 紅茶是茶葉國際貿易的主體，按照加工工藝的不同可分為小種紅茶、工夫紅茶和 紅碎茶三類，其中工夫紅茶分布最廣、產量最大。工夫紅茶加工中，發(fā)酵是初制的關鍵工序， 發(fā)酵不足會導致茶葉有青氣、滋味苦澀、湯色不紅；而發(fā)酵過度則茶葉香氣低熟不爽、滋味 淡薄、湯色紅暗，最終都影響產品質量，只有發(fā)酵適度才能保證紅茶品質。
[0003] 近紅外光譜（Near Infrared Spectroscopy, NIRS)主要反映分子中含氫基團 (C-H，N-H，0-H)振動的合頻與各級倍頻的吸收信息，具有豐富的化學信息量，近紅外光譜以 此為基礎對有機物組成和性質信息進行分析。現代近紅外光譜分析充分利用全譜段或多波 長光譜信息進行定性或定量分析。該技術是多種組分同時測定，且具有量化、無損、實時監(jiān) 控的特點。非常適合農產品和食品的量化判別分析。國內外還未見有關工夫紅茶"發(fā)酵"質 量的近紅外光譜的判別方法相關文章報道。
[0004] 工夫紅茶的初制工藝是鮮葉一萎凋一揉捻一發(fā)酵一千燥。發(fā)酵是工夫紅茶初制 的關鍵工序，隨著工夫紅茶加工過程的自動化程度提高，要求對發(fā)酵這一工序進行全面的 監(jiān)控,在傳統的質量控制中，人們對于紅茶發(fā)酵程度的控制和品質評價主要依賴感官進行 經驗判斷，缺乏量化指標，費時、費力。由此可見，在紅茶加工過程中，對紅茶"發(fā)酵"程度進 行快速判別顯得尤為重要，而近紅外光譜技術可以提供工夫紅茶"發(fā)酵"質量快速判別的方 法。中國專利文獻"一種基于近紅外光譜結合兒茶素總量分析技術的工夫紅茶發(fā)酵質量的 判別方法"（CN104034692A)和"一種基于近紅外光譜結合氨基酸分析技術的工夫紅茶發(fā)酵 質量的判別方法"(CN104020129A)公開了兩種不同的基于近紅外光譜技術判別工夫紅茶發(fā) 酵質量的方法，實現了工夫紅茶的發(fā)酵質量的量化判定，但該兩種方法均需要測定工夫紅 茶中某種成分的含量，雖然判定結果準確，但程序復雜，不能及時快速地做出判斷，在生產 加工過程中受到一定的限制。
【發(fā)明內容】
[0005] 本發(fā)明的目的在于克服現有技術的不足，提供了一種基于近紅外光譜分析技術的 工夫紅茶發(fā)酵質量的快速判別方法，以提供一種定性的，簡單快速準確的工夫紅茶發(fā)酵質 量的判別方法。
[0006]本發(fā)明是通過以下技術方案實現的，本發(fā)明包括以下步驟：
[0007] (1)選取適度發(fā)酵、發(fā)酵不足、過度發(fā)酵的工夫紅茶樣本隨機劃分校正集和預測 集；
[0008] (2)采集樣本的近紅外光譜圖，選擇合適的光譜特征區(qū)間，并進行光譜處理，得到 預處理后的樣本光譜圖，具體步驟如下；
[0009] A、近紅外光譜采集
[0010] 利用傅立葉變換近紅外光譜儀對樣本進行近紅外光譜掃描，獲得所述樣本在近紅 外波長的所有光譜信息；
[0011] B、最適光譜區(qū)間選擇
[0012] 不同發(fā)酵程度的樣本，其內部有機物含量和比例上總是存在一定差別，這些有 機物的一級倍頻近紅外光譜帶位于7200?5500CHT 1處，二、三、四級倍頻位于12800? 8300CHT1處，合頻位于5000?4000〇11 _1處，如果樣本內部有機物含量和比例不同，那么它們 在近紅外光譜上就表現出不同的吸收信號；因此，在步驟A獲得的所有光譜信息中，選擇的 最適光譜區(qū)間應落在12800?8300cm _1、7200?5500cm_1和5000?4000CHT1的范圍內；
[0013] 由于純水中0-H基團伸縮振動的一級倍頻位于6944cm_1附近以及合頻區(qū)位于 5155CHT1附近，這兩個波長附近是水分吸收的敏感區(qū)，樣本中的水分對近紅外光譜的吸收峰 影響很大，分析時，為排除水分吸收峰的影響，最適光譜區(qū)間的光譜波段應避開水分吸收峰 的特征波長區(qū)間；
[0014] C、光譜預處理
[0015] 利用正態(tài)變量變換SNVT法、一階導數IstDer法和9點平滑法對樣本的在近紅外 波長的所有光譜信息進行預處理，具體為：
[0016] 利用SNVT法對一條光譜進行預處理，即對光譜矩陣進行行處理，計算公式如下：
[0017]
【權利要求】
1. 一種基于近紅外光譜分析技術的工夫紅茶發(fā)酵質量的快速判別方法，其特征在于， 包括以下步驟： (1) 選取適度發(fā)酵、發(fā)酵不足、過度發(fā)酵的工夫紅茶樣本隨機劃分校正集和預測集； (2) 采集樣本的近紅外光譜圖，選擇合適的光譜特征區(qū)間，并進行光譜處理，得到預處 理后的樣本光譜圖，具體步驟如下： A、 近紅外光譜采集 利用傅立葉變換近紅外光譜儀對樣本進行近紅外光譜掃描，獲得各樣本在近紅外波長 的所有光譜信息； B、 最適光譜區(qū)間選擇 選擇最適光譜區(qū)間在12800?8300〇11'7200?5500CHT1或5000?4000CHT1的范圍 內，并排除位于6944CHT1附近的水分吸收峰的特征波長區(qū)間為最適光譜區(qū)間； C、 光譜預處理 利用正態(tài)變量變換SNVT法、一階導數IstDer法和9點平滑法對樣本的在近紅外波長 的所有光譜信息進行預處理，對預處理結果進行比較，選擇識別率最高的方法為最優(yōu)處理 方法； (3) 建立偏最小二乘判別分析的PLS-DA判別模型 步驟一：采用步驟C所述的最優(yōu)處理方法對光譜進行預處理，并設定分類變量，其中， 發(fā)酵不足樣本的分類變量為1，適度發(fā)酵樣本的分類變量為2,過度發(fā)酵樣本的分類變量為 3 ； 步驟二：采用步驟B所述方法選擇最適光譜區(qū)間，對校正集樣本的最適光譜區(qū)間與樣 本對應的分類變量進行偏最小二乘PLS回歸，建立校正集樣本的分類變量與光譜特征的 PLS-DA模型，具體步驟如下： a) 對校正集樣本的最適光譜區(qū)間的光譜矩陣X、Y與設定的分類變量值進行分解，其模 型為： X = ΤΡ+Ε Y = UQ+F 式中Τ和U分別為矩陣X和Υ的得分矩陣；Ρ和Q分別為矩陣X和Υ的載荷矩陣；Ε和 F分別為矩陣X和Υ的PLS擬合殘差矩陣； b) 將Τ和U作線性回歸，獲得校正集的PLS-DA模型，所述回歸方程為： U = TB B = (τττ) -ιττγ 步驟三：根據上述步驟a)中的分解模型以及獲得的Ρ值，計算預測集樣品光譜矩陣ΧΡΜ 的得分ΤΡΜ，然后計算預測集的分類變量值ΥΡΜ，具體計算公式為： Y = T RO 丄 pre 1 具體判別標準為：〇. 5〈Yp,e〈l. 5,判別為發(fā)酵不足；1. 5〈Yp,e〈2.，判別為適度發(fā)酵； 2. 5〈YPM〈3. 5,判別為過度發(fā)酵。
2. 根據權利要求1所述的一種基于近紅外光譜分析技術的工夫紅茶發(fā)酵質量的判別 方法，其特征在于，所述步驟（1)中，樣本的選取與預處理的方法為：從發(fā)酵0小時開始，每 隔半個小時選取一個樣本，直至發(fā)酵過度2小時截止，獲得適度發(fā)酵、發(fā)酵不足、過度發(fā)酵 的工夫紅茶樣本，將樣本烘干粉碎，過篩至40?60目之間，獲得的樣本按照3 :1的比例隨 機劃分校正集和預測集。
3. 根據權利要求2所述的一種基于近紅外光譜分析技術的工夫紅茶發(fā)酵質量的判別 方法，其特征在于，所述步驟（1)中發(fā)酵條件為濕度90%，溫度26°C。
4. 根據權利要求1所述的一種基于近紅外光譜分析技術的工夫紅茶發(fā)酵質量的判別 方法，其特征在于，所述步驟A中，光譜采集的溫度為20?25°C。
5. 根據權利要求1所述的一種基于近紅外光譜分析技術的工夫紅茶發(fā)酵質量的判別 方法，其特征在于，所述步驟B中，含氧基團包括C一H、0一H、S一Η和Ν -Η基團。
【文檔編號】G01N21/359GK104297203SQ201410507679
【公開日】2015年1月21日 申請日期:2014年9月28日 優(yōu)先權日:2014年9月28日
【發(fā)明者】寧井銘, 顏玲, 張正竹, 黃財旺, 韋玲冬, 方俊婷 申請人:安徽農業(yè)大學
專業(yè)數控銑床產品供應商
20年生產經驗，實力工廠，精工品質，質量有保障
