论文部分内容阅读
随着光学、计算机数据处理技术、化学计量学理论和方法的不断发展，以及新型NIR仪器的不断出现和软件版本的不断翻新，近红外光谱技术的稳定性、实用性和准确性不断提高。其分析快速、简便、非破坏性以及可同时测定多成分的优点不断为人所认识，在国内外许多领域中越来越广泛地应用，成为近年来发展最快的测定技术之一。本研究利用国标法对绿茶茶汤的水浸出物、茶多酚、氨基酸、咖啡碱进行常规的化学测定，然后对三种呈味物质进行近红外分析，通过比较不同预处理方法和统计回归方法，建立了茶多酚、氨基酸和咖啡碱含量（占茶汤水浸出物干重的百分含量）的定标模型。在建模过程中，光谱预处理方法采用多元散射校正法（MSC）、标准归一化（SNV）、卷积平滑（SG）、归一化（Normalization）、1阶导和2阶导处理；统计回归方法采用主成分回归法（PCR）和偏最小二乘法（PLS）。经过比较分析，各组分均以PLS法建立的定标模型效果最佳。经内部交叉验证，茶多酚不进行光谱预处理处理的模型效果最好，定标集标准差（SEE）、相关系数（SEE-r）和验证集标准差（SEP）、相关系数（SEP）分别为：1.1455、0.8792、1.0600、0.8623；氨基酸以log光谱预处理的效果最好，定标集标准差（SEE）、相关系数（SEE-r）和验证集标准差（SEP）、相关系数（SEP）分别为：0.2518、0.9728、0.2597、0.9722；咖啡碱不进行光谱预处理处理的模型效果最好，定标集标准差（SEE）、相关系数（SEE-r）和验证集标准差（SEP）、相关系数（SEP）分别为：0.5553、0.9648、0.5315、0.9554。三个组分的定标模型，以茶多酚模型效果较差。经外部验证，所测样品的化学值与模型预测值的决定系数R分别为：茶多酚0.8935，氨基酸0.9541，咖啡碱0.9386。茶多酚、氨基酸、咖啡碱三种物质占绿茶茶汤水浸出物的70％左右，最高可达80％以上，所以滋味评分与茶汤中主要的三种呈味物质密切相关，通过统计分析，建立回归方程，以期能快速、准确得到滋味评分。本实验对42种茶样茶汤主要呈味物质与滋味感官评分的相关分析发现，茶多酚与滋味评分呈显著负相关（P值为0.036，小于0.05），氨基酸与滋味评分呈极显著的正相关（P＜.0001），而咖啡碱与滋味评分没有达到显著水平。对单个成分的分析是不全面的，通过对各个成分的多因子综合分析发现，可建立如下回归方程：Y=84.251-0.263X1+3.295X2-0.703X3（Y：滋味评分，X1：茶多酚含量，X2：氨基酸含量，X3：咖啡碱含量）本实验对绿茶茶汤中的三种呈味物质（茶多酚、氨基酸、咖啡碱）进行了近红外定量分析，并建立了相应的预测效果较好的定标模型，只要对未知样品进行扫描（每个样品只需3分钟），然后把采集的光谱带入相应的模型就可得到三种成分的预测值。这样省时又省力。最后将所得的三种呈味物质的预测值代入到所建的回归方程（评分与三种呈味物质的相关性）中，即可预测茶样的滋味评分。本研究通过近红外光谱分析和统计回归分析，得到了相应的定标模型和回归方程，为茶汤呈味物质快速测定和滋味的仪器评分提供了理论基础。