论文部分内容阅读
红茶是世界上最流行的饮料之一,随着消费量的日益增长,质量控制变得越来越重要。传统红茶品质分析方法是通过感官审评和理化检验来评价茶叶品质,但感官审评结果易受审评者主观或生理因素影响,而降低其客观性和公正性;理化检验虽然能够得到准确的结果,但因操作复杂、检测时间长、费用高,难以满足生产和流通过程中多指标同时快速检测的需要。此外,世界红茶贸易主要以销售红碎茶为主,红碎茶从外形上难以辨别其品质优劣和产地。因此,在进出口贸易中,迫切需要一种快速、准确的评判红茶品质和辨别红茶产地的方法。近红外光谱技术作为一种快速、准确、便捷、非破坏性的分析技术,在农产品品质检测和产地鉴别方面得到了广泛应用,被认为是有望替代传统的化学分析的无损检测方法。本文尝试利用近红外光谱技术检测红茶品质成分和识别红茶产地,取得了以下研究结果:1.利用近红外光谱结合偏最小二乘(PLS)算法定量分析了红茶中的主要品质成分。在模型建立过程中,优选光谱区间、光谱预处理方法和主成分因子数,得到了红茶中水浸出物、茶多酚总量、游离氨基酸、咖啡碱的最佳预测模型。试验结果显示,选取的光谱区段为6502~5446.2cm-1,采用的光谱预处理方法分别为最小最大归一化(Min/Max)、最小最大归一化(Min/Max)、标准正态变量变换(SNV)+一阶导数(1st derivative)、多元散射校正(MSC),采纳的主成分因子数分别为10、10、10、8,训练集相关系数(R)分别为0.992、0.983、0.961、0.983,回归系数(a)分别为0.993、0.967、0.925、0.980,交互验证均方根偏差(RMSECV)分别为0.547、0.453、0.157、0.102。模型预测集相关系数(R)分别为0.986、0.962、0.951、0.955,预测均方根偏差(RMSEP)分别为0.599、0.581、0.167、0.160,相对分析误差(RPD)分别为8.51、5.14、4.30、3.38。通过配对双边t-检验,该方法与标准化学分析方法测定结果无显著性差异。研究结果表明,利用近红外光谱结合PLS法快速检测红茶中的主要品质成分是可行的。2.利用近红外光谱技术定性分析了安徽、湖北、云南、印度、肯尼亚、斯里兰卡和缅甸等七个产地的红茶。通过因子法优化光谱波段、光谱预处理方法和主成分因子数,建立了各红茶产地的识别模型。试验结果显示,当采纳4个主成分因子数,选取4042.2~3749.1cm-1,4701.8~4512.8cm-1,5345.9~4867.7cm-1,6155.9~5781.8cm-1波数范围,以一阶导数+SNV为建模的预处理方法时,所建模型识别效果最佳。对未知产地红茶识别准确率达到92.8%。研究结果表明,利用近红外光谱结合因子法可以有效鉴别红茶产地。3.利用近红外光谱技术结合因子法建立的红茶产地识别模型,可以很好地鉴别安徽、湖北等中小叶种采制的红茶与印度、云南等大叶种采制的红茶,为快速准确地识别加工原料种类提供了新思路。