论文部分内容阅读
目前,国内外对茶叶品质评价仍采用感官审评方法为主,结合理化方法进行综合评价,但感官审评方法经验性较强,审评结果随机性大,重复性差,而理化方法存在耗时长、费用高等缺陷,且是一种有损检测方法。为弥补这些方法的不足,本研究以碧螺春名优绿茶为对象,利用计算机视觉技术、高光谱成像技术、测色技术、电子舌和近红外光谱技术,对名优绿茶感官品质的仪器表征方法进行研究,探索茶叶品质各感官评价项目的仪器化分析方法,用量化指标评价其品质,从而规范茶叶市场。本论文主要研究内容如下：1.研究基于计算机视觉技术和高光谱成像技术的名优绿茶外形感官品质的仪器表征方法。采用计算机视觉系统获取干茶叶的可见光图像,分别提取图像的12个颜色特征和28个纹理特征,建立这些特征变量与名优绿茶外形感官评分之间的偏最小二乘回归(PLS)模型和BP神经网络(BP-ANN)模型。结果表明BP-ANN模型性能更好,该模型对预测集样本的预测均方根误差(RMSEP)为2.396,相关系数(Rp)为0.937。采用高光谱成像系统获取干茶叶外形的高光谱图像,对每幅高光谱图像,用主成分分析方法(PCA)优选出3个特征波长下的灰度图像；分别提取每个特征波长图像的2个颜色特征和28个纹理特征,则对每个样本共提取90个特征；利用PLS和BP-ANN方法分别建立这些特征变量与名优绿茶外形感官评分之间的相关模型。结果表明BP-ANN模型的预测性能更好,该模型的RMSEP为3.611,Rp为0.859。对比基于上述两种技术建立的模型性能,得出基于计算机视觉技术建立的模型性能都要好于基于高光谱成像技术建立的模型的。2.研究基于测色技术的名优绿茶汤色感官品质的仪器表征方法。利用色差计获取茶汤的色度值,分别采用逐步回归方法和PCA方法提取茶汤的汤色特征变量,比较两种方法提取特征信息的效果,得出利用PCA方法提取的特征变量建立的PLS模型性能更好。然后利用PCA方法提取汤色特征变量,分别利用PLS方法和BP-ANN方法建立这些特征变量与汤色感官评分之间的相关模型,结果表明BP-ANN模型的预测性能更好,该模型对预测集样本的RMSEP为2.505,Rp为0.816。3.研究基于化学分析仪器方法、近红外光谱技术和电子舌技术的名优绿茶滋味感官品质的仪器表征方法。利用高效液相色谱法和分光光度法测定茶汤中的10种主要滋味成分：茶多酚、氨基酸、咖啡碱、没食子酸,表没食子儿茶素(EGC)、儿茶素(C)、表没食子儿茶素没食子酸酯(EGCG).没食子儿茶素没食子酸酯(GCG)、表儿茶素没食子酸酯(ECG)和儿茶素总量,分别采用PLS和BP-ANN方法建立绿茶滋味感官评分与10种滋味成分含量之间的相关模型。结果表明建立的BP-ANN模型性能好于PLS模型的,该模型的RMSEP为2.553,Rp为0.869。采用近红外光谱仪获取干茶叶的光谱数据,使用PCA方法提取光谱特征变量,分别建立绿茶滋味感官评分与近红外光谱特征变量之间的PLS和BP-ANN模型,结果表明BP-ANN模型预测结果好于PLS模型的,该模型的RMSEP为2.104,Rp为0.916。采用电子舌获取茶汤的传感器响应值,分别采用PLS和BP-ANN方法建立绿茶滋味感官评分与电子舌传感器响应值之间的相关模型,结果表明BP-ANN模型的预测结果更好,该模型的RMSEP为1.913,Rp为0.932。对比基于上述三种技术建立模型的性能,得出基于电子舌技术建立的模型性能最好,而基于化学分析仪器方法建立的模型性能最差。4.研究基于计算机视觉技术和高光谱成像技术的名优绿茶的叶底感官品质的仪器表征方法。采用计算机视觉系统获取干茶冲泡后剩余叶底的可见光图像,提取每幅图像的12个颜色特征和28个纹理特征,分别采用PLS和BP-ANN方法建立这些特征变量与名优绿茶叶底感官评分值之间的相关模型。结果表明BP-ANN模型性能更好,该模型的RMSEP为2.496,Rp为0.863。采用高光谱成像系统获取叶底的高光谱图像,用PCA方法优选出每幅高光谱图像中的3个特征波长下的灰度图像；从每个灰度图像中,分别提取2个颜色特征和28个纹理特征,则对每个样本共提取90个特征。然后分别建立这些特征变量与叶底感官评分值之间的PLS模型和BP-ANN模型,结果表明BP-ANN模型的预测性能更好,该模型的RMSEP为2.626,Rp为0.846。对比基于上述两种技术建立的模型性能,得出基于计算机视觉技术建立的模型性能都要好于基于高光谱成像技术的。5.探讨名优绿茶滋味品质化学评价的近红外光谱表征方法和电子舌表征方法。以绿茶滋味化学鉴定法为参考测量,分别建立基于近红外光谱技术和电子舌技术的绿茶滋味品质快速评价模型。在名优绿茶滋味品质的近红外光谱预测模型建立过程中,利用联合区间偏最小二乘法(siPLS)结合遗传算法(GA)优选特征变量,结果表明由这些方法优选出的38个变量建立的预测模型,即能达到很好的预测效果,模型的RMSEP为4.660,Rp为0.891。分别采用PLS方法和最小二乘支持向量机(LS-SVM)方法建立名优绿茶滋味品质的电子舌预测模型,结果表明建立的LS-SVM模型性能优于PLS模型的,LS-SVM模型对预测集样本的RMSEP为4.077,Rp为0.906。本研究旨在提高茶叶品质感官审评结果的客观性和确定性,为茶叶品质检测制定科学合理、统一量化的评价标准提供参考依据,研究结果能为茶叶品质的量化评价的仪器化开发提供研究基础。