学位论文 > 优秀研究生学位论文题录展示
茶鲜叶质量的近红外光谱评价方法研究
作 者: 王胜鹏
导 师: 宛晓春; 张正竹
学 校: 安徽农业大学
专 业: 茶学
关键词: 茶 鲜叶 质量系数 近红外光谱 预测模型 分析仪 标准
分类号: TS272.7
类 型: 博士论文
年 份: 2012年
下 载: 89次
引 用: 0次
阅 读: 论文下载
内容摘要
当前,茶鲜叶的验收分级和定价通过感官评价方法进行,结果易受主观因素影响而发生误判;同时,鲜叶的准确验收分级也是实现茶叶标准化加工的前提。因此,茶叶产业急需建立一种科学、量化、快捷的茶鲜叶质量评价方法。在综合分析与茶鲜叶质量密切相关的内含成分的基础上,本文首次提出了利用质量系数定量评价鲜叶质量。质量系数解决了鲜叶质量评价难以定量的难题,但其依赖的传统化学方法费时、费力,难以适应生产中快速检测的需求。近红外光谱(NIRS)由于省时、样品无需预处理等优点,已经广泛应用于石油、制药、烟草、饮料及食品行业,本文应用NIRS技术结合化学计量学方法尝试建立了茶鲜叶质量的快速预测模型;通过模型转移,研制了一台光栅型茶鲜叶质量近红外分析仪;通过筛选鲜叶产地特征光谱区间,探索建立了茶鲜叶产地的判别方法;尝试制定了测定茶鲜叶水分、全氮量和粗纤维的近红外方法标准。论文主要研究结果如下:1.提出了茶鲜叶质量系数方程通过筛选与鲜叶质量关系密切的内含成分,提出利用质量系数定量评价茶鲜叶质量:质量系数=(含水量×全氮量)÷粗纤维量。质量系数与鲜叶质量呈正相关。2.建立了预测茶鲜叶主要内含物含量和质量等级的近红外光谱模型含水量预测模型。当全光谱分为23个子区间、MSCmean为预处理方法时,先用反向区间偏最小二乘法筛选含水量的12个特征光谱子区间,然后对特征光谱进行主成分分析,以前4个主成分(累计贡献率为99.69%)为输入变量建立的含水量最小二乘支持向量机模型预测结果最佳:Rcv=0.993,RMSECV=0.006%,Rp=0.989,RMSEP=0.010%。全氮量预测模型。当全光谱分为21个子区间、MSCmean为预处理方法时,先用反向区间偏最小二乘法筛选全氮量的10个特征光谱子区间,然后对特征光谱进行主成分分析,以前4个主成分(累计贡献率为99.91%)为输入变量建立的全氮量最小二乘支持向量机模型预测结果最佳:Rcv=0.997,RMSECV=0.004%,Rp=0.991,RMSEP=0.011%。粗纤维量预测模型。当全光谱分为24个子区间、MSCmean为预处理方法时,先用反向区间偏最小二乘法筛选粗纤维量的6个特征光谱子区间,然后对特征光谱进行主成分分析,以前3个主成分(累计贡献率为99.93%)为输入变量建立的粗纤维量最小二乘支持向量机模型预测结果最佳:Rcv=0.989,RMSECV=0.102%,Rp=0.973,RMSEP=0.142%。质量系数预测模型。当全光谱分为24个子区间、mean为预处理方法时,先用反向区间偏最小二乘法筛选鲜叶质量的5个特征光谱子区间,然后对特征光谱进行主成分分析,以前4个主成分(累计贡献率为99.86%)为输入变量建立的质量系数最小二乘支持向量机模型预测结果最佳:Rcv=0.984,RMSECV=0.0109,Rp=0.980,RMSEP=0.0152。鲜叶质量等级预测模型。当全光谱分为24个子区间、MSC为预处理方法时,先用反向区间偏最小二乘法筛选鲜叶等级的4个特征光谱子区间,然后对特征光谱进行主成分分析,以前4个主成分(累计贡献率为99.73%)为输入变量建立的鲜叶等级最小二乘支持向量机模型预测结果最佳:校正集和预测集模型判别率均为100%。3.茶鲜叶质量近红外分析仪的研制以茶鲜叶含水量、全氮量和粗纤维量近红外预测模型为基础,根据S/B模型传递方法,通过与合肥美亚光电技术股份有限公司合作,研制了一台光栅型茶鲜叶质量近红外分析仪。该分析仪能够在1min内得出鲜叶的质量系数,初步实现了茶鲜叶质量的快速准确评价,杜绝了人为因素的影响。4茶鲜叶产地判别方法的建立以产自合肥市、黄山市和六安市的茶鲜叶为材料,产地值分别设为1,2,3。先用反向区间偏最小二乘法筛选茶鲜叶产地特征光谱区间:12493cm-1~12138cm-1,10700cm-1~10345cm-1,9627.3cm-1~9276.3cm-1,6788.5cm-1~6437.5cm-1,4659.4cm-1~4308.4cm-1和4304.5cm-1~4000cm-1;应用主成分分析法获得特征光谱区间的主成分数,以前6个主成分数为输入值(累计贡献率为99.98%)建立了茶鲜叶产地判别的人工神经网络模型,该模型对三市鲜叶产地的判别率为100%,实现了对茶鲜叶产地的快速、准确判别。5茶鲜叶内含物测定近红外方法标准的研究近红外光谱分析方法测定物质含量在许多领域已成为一种标准方法,欧美日等发达国家和国际谷物协会等国际组织都制定了相应的近红外测定标准,但在茶叶行业还是空白。基于对茶鲜叶含水量、全氮量和粗纤维量近红外预测方法的把握,本文尝试制定了上述三种成分含量快速测定的近红外方法标准文本。
|
全文目录
摘要 3-5 Abstract 5-11 缩略词 11-12 第一章 绪论 12-30 1 引言 12 2 茶叶原料分级现状 12-13 3 内含成分与鲜叶原料质量 13-15 3.1 水分与鲜叶原料质量 13-14 3.2 含氮化合物与鲜叶原料质量 14 3.3 糖类与鲜叶原料质量 14-15 3.4 多酚类物质与鲜叶原料质量 15 3.5 类脂类物质与鲜叶原料质量 15 3.6 内含物成分的筛选 15 4 近红外光谱检测技术 15-26 4.1 近红外光谱技术简介 15-16 4.2 化学计量学 16-22 4.3 近红外光谱技术应用现状 22-26 5 近红外光谱技术应用于茶鲜叶质量评价的可行性 26-27 6 本研究的目的和主要内容 27-29 7 本章小结 29-30 第二章 实验仪器和研究方法 30-35 1 实验仪器 30-31 1.1 近红外光谱仪 30-31 1.2 其他仪器设备 31 2 实验方法 31-34 2.1 茶鲜叶样品近红外光谱采集 31 2.2 茶鲜叶含水量测定 31-32 2.3 茶鲜叶全氮量的测定 32-33 2.4 茶鲜叶粗纤维量的测定 33-34 3 本章小结 34-35 第三章 含水量、全氮量、粗纤维量和质量系数与鲜叶质量的关系 35-49 1 含水量与鲜叶质量关系 35-38 1.1 不同部位茶鲜叶样品 35-36 1.2 不同拼配比例茶鲜叶样品 36-38 2 全氮量与鲜叶质量关系 38-41 2.1 不同部位茶鲜叶样品 38-40 2.2 不同拼配比例茶鲜叶样品 40-41 3 粗纤维量与鲜叶质量关系 41-44 3.1 不同叶位茶鲜叶样品 41-42 3.2 不同拼配比例茶鲜叶样品 42-44 4 含水量、全氮量和粗纤维量对鲜叶质量影响比较 44 5 质量系数与鲜叶质量关系 44-48 5.1 质量系数计算公式 44-45 5.2 茶鲜叶质量系数 45-46 5.3 不同拼配比例茶鲜叶样品质量系数 46-48 6 本章小结 48-49 第四章 茶鲜叶近红外光谱定量分析模型的建立 49-79 1 引言 49 2 材料与方法 49-50 2.1 茶鲜叶样品 49 2.2 茶鲜叶近红外光谱采集 49-50 2.3 光谱预处理和建模方法 50 3 含水量近红外定量分析模型的建立 50-57 3.1 间隔区间偏最小二乘法(iPLS)模型 50 3.2 偏最小二乘法(PLS)模型 50-51 3.3 反向区间偏最小二乘法(biPLS)模型 51-52 3.4 人工神经网络(biPLS)模型 52 3.5 反向区间偏最小二乘法结合人工神经网络模型 52-54 3.6 反向区间偏最小二乘法结合最小二乘支持向量机模型 54-57 4 全氮量近红外定量分析模型的建立 57-64 4.1 间隔偏最小二乘法(iPLS)模型 57 4.2 偏最小二乘法(PLS)模型 57-58 4.3 反向区间偏最小二乘法(biPLS)模型 58 4.4 人工神经网络(BP-ANN)模型 58-59 4.5 反向区间偏最小二乘法结合人工神经网络模型 59-61 4.6 反向区间偏最小二乘法结合最小二乘支持向量机模型 61-64 5 粗纤维量近红外定量分析模型的建立 64-71 5.1 间隔偏最小二乘法(iPLS)模型 64 5.2 偏最小二乘法(PLS)模型 64-65 5.3 反向区间偏最小二乘法(biPLS)模型 65-66 5.4 人工神经网络(BP-ANN)模型 66 5.5 反向区间偏最小二乘法结合人工神经网络模型 66-67 5.6 反向区间偏最小二乘法结合最小二乘支持向量机模型 67-71 6 质量系数近红外定量分析模型的建立 71-78 6.1 间隔偏最小二乘法(iPLS)模型 71 6.2 偏最小二乘法(PLS)模型 71-72 6.3 反向区间偏最小二乘法(biPLS)模型 72 6.4 人工神经网络(BP-ANN)模型 72-73 6.5 反向区间偏最小二乘法结合人工神经网络模型 73-74 6.6 反向区间偏最小二乘法结合最小二乘支持向量机模型 74-78 7 本章小结 78-79 第五章 茶鲜叶近红外光谱定性分析模型的建立 79-88 1 引言 79-80 2 鲜叶等级定性分析模型 80-87 2.1 间隔偏最小二乘法(iPLS)模型 80 2.2 偏最小二乘法(PLS)模型 80 2.3 反向区间偏最小二乘法(biPLS)模型 80-81 2.4 人工神经网络(BP-ANN)模型 81-82 2.5 反向区间偏最小二乘法结合人工神经网络模型 82-83 2.6 反向区间偏最小二乘法结合最小二乘支持向量机模型 83-87 3 本章小结 87-88 第六章 茶鲜叶质量分析仪的研制 88-97 1 引言 88 2 近红外光谱分析仪器介绍 88-92 2.1 概述 88 2.2 基本组成与结构 88-89 2.3 主要类型 89-92 2.4 国内近红外光谱仪市场 92 3 茶鲜叶质量近红外分析仪的研制 92-96 3.1 光学设计方案 93 3.2 光源 93-94 3.3 波长选择装置 94 3.4 检测器 94 3.5 近红外光谱仪器的分析软件 94-96 4 本章小结 96-97 第七章 茶鲜叶产地的近红外光谱无损判别 97-104 1 引言 97-98 2 材料与方法 98-99 2.1 茶鲜叶样品 98 2.2 近红外光谱采集 98-99 2.3 光谱预处理 99 3 结果与讨论 99-102 3.1 基于 biPLS 算法的特征光谱筛选 99-101 3.2 主成分分析 101-102 3.3 BP 神经网络模型 102 3.4 模型性能比较 102 4 本章小结 102-104 第八章 茶鲜叶水分、全氮和粗纤维快速测定近红外光谱法标准的研究 104-112 1 引言 104 2 标准制定 104-111 3 本章小结 111-112 第九章 结论与展望 112-115 1 主要研究结果 112-113 2 结束语 113-115 参考文献 115-127 致谢 127-128 作者简历 128-129
|
相似论文
- 溃坝生命损失风险评价的关键技术研究,TV122.4
- 二次风射流角度对W型火焰锅炉炉内气固流动的影响,TK229
- AVS视频解码器在PC平台上的优化及场解码的改善,TN919.81
- 葡萄籽原花青素制备工艺及真菌毒素检测,TQ461
- 遮光对丘陵茶园茶树产量指标及主要生化成分的影响,S571.1
- 第三套《全国健美操大众锻炼标准》初级套路对普通女大学生健康体适能影响的实验研究,G831.3
- 基于ZigBee技术的无线传感器网络研究与实现,TN929.5
- 冷却猪肉贮藏过程中的品质变化及货架期预测模型研究,TS251.4
- 枇杷果实采后品质变化及硬度预测模型研究,TS255.4
- 纺织品中重金属监控及预警研究,TS107
- 腌肉中挥发性N-亚硝胺的形成与控制研究,TS251.51
- 广西桂林漓江流域水生态健康评价预测模型研究,X826
- 寿光市信息农业发展研究,F320.1
- 基于元数据的农田信息存储、管理和共享研究,S126
- 基于小麦群体指标及氮营养状况的籽粒产量和品质预测研究,S512.1
- 基于近红外光谱的水稻叶片氮素营养监测研究,S511
- 黄淮和南方地区大豆育成品种籽粒性状遗传构成的分子标记解析及等位变异优选,S565.1
- 基于光温的温室春石斛兰生长与外观品质预测模型研究,S682.31
- 水氮耦合对日光温室标准切花菊‘神马’外观品质影响的预测模型,S682.11
- 番茄果实采后品质特性变化及预测模型研究,S641.2
- 杨梅果实采后腐烂指数及货架期预测模型研究,S667.6
中图分类: > 工业技术 > 轻工业、手工业 > 食品工业 > 饮料冷食制造工业 > 茶 > 产品标准与检验
© 2012 www.xueweilunwen.com
|