基于近红外光谱和气相离子迁移谱的白茶等级评价研究

• Published in: 食品工业科技 Vol. 44; no. 21; pp. 348 - 357
• Main Authors: 黄艳, 罗玉琴, 张灵枝, 戴伟东, 林智, 林刚, 孙威江
• Format: Journal Article
• Language: Chinese
• Published: 中国白茶研究院,福建福鼎 355200 01.10.2023; 福建农林大学安溪茶学院,福建泉州 362400; 漳州科技职业学院茶与食品科技学院,福建漳州 363202%福建农林大学园艺学院,福建福州 350002%中国农业科学院茶叶研究所,浙江杭州 310008%福建融韵通生态科技有限公司,福建福州 350002%福建农林大学园艺学院,福建福州 350002; 中国白茶研究院,福建福鼎 355200%福建农林大学园艺学院,福建福州 350002; 福建农林大学园艺学院,福建福州 350002
• Subjects: grade evaluation; data mining classification algorithm; 等级评价; 近红外光谱; 分类算法; 气相色谱离子迁移谱; near infrared spectroscopy; gas chromatography-ion mobility spectrometry
• ISSN: 1002-0306
• DOI: 10.13386/j.issn1002-0306.2023010176

TS272.7; 茶叶等级评价是一项复杂的主观性系统工作,从其相关品质数据中提取等级信息,进而建立茶叶等级快速识别方法,这对指导茶叶生产具有重要意义.为建立快速评价白茶等级的判别模型,本研究搜集了 200份不同等级的白牡丹白茶,采集其近红外光谱和气相离子迁移谱的原始数据,经过主成分分析或线性判别分析进行数据降维,结合 7种分类器算法开展白茶等级评价.结果表明,线性判别分析适合近红外光谱和气相离子迁移谱的原始数据降维;原始数据使用线性判别分析降维后,基于近红外光谱建立的自适应增强(adaptive boosting,Adaboo-st)、K近邻(k-nearest neighbor,KNN)、多层感知机(multilayer perceptron,MLP)、随机森林(random fore-st,RF)、随机梯度下降(stochastic gradient descent,SGD)和支持向量机(support vector machines,SVM)模型的正判率均>94%,模型评价指标AUC≥0.95;基于气相离子迁移谱筛选的图谱数据建立的MLP、SGD和SVM模型的判别率为 91%～93%,AUC值为 0.94～0.96;基于气相离子迁移谱的标记物质数据构建的Adaboost、决策树(decision tree,DT)、KNN、MLP、SGD和SVM模型正判率均为 100%,AUC为 1.0,RF的正判率为 96%、AUC值为 0.98.综上,以近红外光谱和挥发性化合物特征数据作为白茶等级评价的重要参数,分别建成了 6个和10个等级判别模型,可准确判定白茶等级,分类器算法适用于这2种类型数据建模.