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。