论文部分内容阅读
由于茶叶感官评审的主观性强和理化分析方法检测耗时长、成本高等缺点，无法满足茶叶加工和贸易过程的成分快速检测要求。近红外光谱分析技术（NIRS）具有快速、无损、简便、环保和实时在线分析等优点，在农产品质量评价中得到了广泛的应用。将近红外光谱技术应用于茶叶的品质分析对提高茶叶品质检测水平、满足多个品质指标快速同时检测需求具有重要意义。本文以110份绿茶样品为材料，应用近红外光谱技术结合偏最小二乘法（PLS），通过比较不同样品形态的光谱、建模样品用量、光谱预处理方法，交叉验证等手段，建立了绿茶中7种品质成分（水分、全氮量、粗纤维、水浸出物、茶多酚、咖啡碱、游离氨基酸）的定量分析模型，对模型进行了优化，并用独立验证集对模型的预测性能进行检验。采集完整样、粉碎样以及茶汤三种样品形态的近红外光谱，经过比较分析，7种成分的模型均以粉碎样预测效果最好，通过采集茶汤光谱建立的水浸出物、茶多酚、咖啡碱、游离氨基酸的模型效果不理想。取校正集比例为50%、60%、70%、80%、90%分别建立模型，比较发现，随着校正集比例的增加，每种成分预测模型的交叉验证均方差（RMSECV）呈现由大变小逐渐稳定的趋势。当校正集与验证集比例为7：3时，7种成分模型的RMSECV最小，分别为0.162、0.099、0.426、0.467、0.377、0.104、0.212，模型的预测精度最高。光谱预处理方法采用不处理、多元散射校正、矢量归一化、一阶导数、一阶导数+多元散射校正、一阶导数+矢量归一化。经内部交叉验证，水分预测模型经1stDer单独处理最佳，全氮量、咖啡碱含量预测模型经1stDer结合SNV处理最好，水浸出物预测模型经SNV处理，粗纤维、茶多酚、游离氨基酸含量预测模型均经1stDer结合MSC处理最佳。各成分最优模型内部交叉验证的决定系数（R2c）分别为0.9862、0.9324、0.8707、0.9367、0.9334、0.9609、0.9238，交叉验证均方差（RMSECV）分别为0.182、0.098、0.394、0.452、0.366、0.078、0.187；外部验证的决定系数（R2p）分别为0.9847、0.9183、0.8598、0.9388、0.9221、0.9599、0.9318；预测均方差（RMSEP）分别为0.234、0.102、0.459、0.473、0.496、0.090、0.230；相对分析误差（RPD）分别为8.42%、3.50%、2.68%、4.09%、3.65%、5.34%、3.98%。模型的均方差均小于0.5，除粗纤维模型的R2p为0.8598，RPD为2.68%外，其余成分模型的决定系数均在0.90以上，RPD值均大于3%。结果表明，NIRS可以实现绿茶7种品质成分的快速定量检测，其中水分和咖啡碱模型可以用于精度要求较高的快速检测，粗纤维模型只能用于粗略的检测。