基于高光谱技术的红茶茶多酚可视化研究

目的 利用高光谱技术实现对英红九号红茶茶多酚含量的快速无损、可视化检测.方法 采集128个红茶光谱数据并进行光谱预处理后,引入蒙特卡罗-高斯分布方法寻找异常样本.经两次异常样本剔除,各模型预测集决定系数r2均有0.2～0.4的大幅提升.为解决大样本模型训练时间长、数据冗余问题,采用连续投影算法进行波长筛选,共得到14个能反映红茶茶多酚含量的特征波长,并比较了最小二乘回归、支持向量机回归、BP神经网路、粒子群优化最小二乘支持向量机回归(particle swarm optimization least squares support vector regression,PSO-LSSVR)4种模...

Full description

Saved in:
Bibliographic Details
Published in食品安全质量检测学报 Vol. 14; no. 5; pp. 37 - 44
Main Authors 昝佳睿, 刘翠玲, 凌彩金, 郜礼阳, 孙晓荣, 吴静珠, 张善哲, 李佳琮, 殷莺倩
Format Journal Article
LanguageChinese
Published 北京工商大学,北京市食品安全大数据技术重点实验室, 北京 100048%广东省农业科学院茶叶研究所,广东省茶树种质资源创新利用重点实验室, 广州 510640 2023
北京工商大学, 中国轻工业工业互联网与大数据重点实验室, 北京 100048
Subjects
茶多酚
可视化
最小二乘支持向量机
粒子群
红茶
蒙特卡罗-高斯分布
Online AccessGet full text

Cover

More Information
Summary:目的 利用高光谱技术实现对英红九号红茶茶多酚含量的快速无损、可视化检测.方法 采集128个红茶光谱数据并进行光谱预处理后,引入蒙特卡罗-高斯分布方法寻找异常样本.经两次异常样本剔除,各模型预测集决定系数r2均有0.2～0.4的大幅提升.为解决大样本模型训练时间长、数据冗余问题,采用连续投影算法进行波长筛选,共得到14个能反映红茶茶多酚含量的特征波长,并比较了最小二乘回归、支持向量机回归、BP神经网路、粒子群优化最小二乘支持向量机回归(particle swarm optimization least squares support vector regression,PSO-LSSVR)4种模型预测红茶茶多酚含量的精度.最后以最优模型建立茶多酚可视化模型.结果 合理剔除样本并以光谱特征为输入,结合PSO-LSSVR方法建立的模型效果最佳,其校正集决定系数为0.921,预测集决定系数为0.903,预测精度达到了90％以上,基本实现了茶多酚含量可视化检测.结论 可视化算法有效地反映了红茶茶多酚分布情况,适用于茶叶快速无损检测.
ISSN:2095-0381