一种基于近红外光谱技术的乌龙茶品质鉴定方法
一种基于近红外光谱技术的乌龙茶品质鉴定方法
【技术领域】
[0001]本发明涉及一种基于近红外光谱技术的乌龙茶品质鉴定方法。
【背景技术】
[0002]乌龙茶是我国六大茶类之一，具有鲜明独特的品质特征，受到广大消费者喜爱。随着乌龙茶市场规模的不断扩大，人们对乌龙茶的品质有了更高的要求，优质乌龙茶越来越受到关注。但目前茶叶品质的评定主要依靠传统的人工感官审评，结果易受审评者主观因素的影响，而传统的化学检验方法，操作繁琐复杂，不适用于茶叶生产格局和茶叶销售市场，这也限制着我国茶叶在国际市场上的流通和公平贸易。
[0003]因此，研宄茶叶品质快速检测的方法显得尤为迫切，从而提高我国茶叶品质的检测技术水平，强化茶叶的分级管理。
【发明内容】
[0004]本发明的目的在于提供一种基于近红外光谱技术的乌龙茶品质鉴定方法，为乌龙茶品质评定提供了一种快速，准确的途径，有利于茶叶市场实现对茶叶品质管理的规范化。
[0005]为实现上述目的，本发明采用如下技术方案:一种基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于包括以下步骤:
步骤S1:茶粉样品的准备:收集各乌龙茶产地的茶叶样品，将所述茶叶样品经粉碎机研磨成茶粉，所述茶粉经过筛、编号及封装冷藏后作为茶粉样品；
步骤S2:光谱信息的采集:基于Workflow设置茶粉样品的近红外光谱信息采集工作流，利用近红外光谱仪采集所述茶粉样品于近红外范围内的漫反射光谱信息；
步骤S3:光谱信息的预处理:使用红外处理软件OPUS对所述步骤S2采集到的漫反射光谱信息进行光谱平滑处理、二阶求导及归一化处理，同时处理后的数据从spc光谱格式转换为xls文件格式；
步骤S4:基于遗传算法的波长筛选:将步骤S3中得到的xls文件格式的全波段光谱数据平均分为多个子区间进行随机编码，各子区间的所有不同组合构成搜索空间，使用“R/W”参数的最大值作为波长筛选指标，筛选出一个最佳谱区组合，作为参与建模的光谱谱区；步骤S5:鉴定模型的建立:根据《GB/T23776-2009茶叶感官审评方法》对各茶叶样品进行品质鉴定，并对每一份茶叶样品进行步骤SI至步骤S4的处理得到相应的光谱谱区，采用Matlab数学软件建立鉴定结果与处理得到的光谱谱区一一对应的鉴定模型；
步骤S6:品质得分的测定:将一份茶叶样品经步骤SI至步骤S4处理得到的光谱谱区代入所述鉴定模型进行相应的鉴定结果，确定所述茶叶样品的品质。
[0006]进一步的，所述步骤SI中茶粉过筛所用的为80目样品筛。
[0007]进一步的，所述步骤SI中每一份茶粉样品的质量为10_15g。
[0008]进一步的，所述步骤S2中的近红外光谱仪为Antaris II傅立叶近红外光谱仪。
[0009]进一步的，所述Antaris II傅立叶近红外光谱仪的采集参数如下:扫描次数为60次，分辨率为8CHT1，光谱范围为lOOOO100cnT1。
[0010]进一步的，所述步骤S3中光谱平滑处理的光谱平滑点数为9。
[0011]进一步的，所述步骤S4的具体内容为:将步骤S3中得到的xls文件格式的全波段光谱数据平均分成30个子区间进行随机编码，其中O表示删去谱区，I表示选用谱区，设置50中染色体交叉算子，结合偏最小二乘法进行迭代筛选，以“R/W”参数的最大值作为波长筛选指标，得出最佳谱区组合，作为参与建模的光谱谱区。
[0012]进一步的，所述遗传算法的参数如下:染色体条数为50条，基因数为30个，变异概率为0.01，交叉概率为0.4-0.6，迭代次数为10-15代，其中R表示相关系数，W表示交叉验证的均方根误差。
[0013]进一步的，所述步骤S5中建立数学模型所用算法为偏最小二乘法。
[0014]本发明与现有技术相比具有以下有益效果:本发明利用遗传算法进行波长筛选，可缩短模型运行时间，提高了模型稳定性，使模型达到最佳状态；本发明在几分钟内可同时测量多个样品，极大程度缩短了在茶叶品质鉴定中人工审评方式和传统化学分析法的检测时间，提高工作效率；以专业的茶叶审评专家依照国家标准对茶样的评判数据作为建模依据，保证了该方法鉴定结果准确、科学；有利于茶叶市场实现对茶叶品质管理的规范化。
【附图说明】
[0015]图1是本发明建立乌龙茶品质鉴定模型的流程图。
[0016]图2是本发明品质鉴定结果与实际评审结果的相关关系图。
【具体实施方式】
[0017]下面结合附图及实施例对本发明做进一步说明。
[0018]请参照图1，本发明提供一种基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于包括以下步骤:
步骤S1:茶粉样品的准备:收集各乌龙茶产地的茶叶样品，将所述茶叶样品经粉碎机研磨成茶粉，所述茶粉过80目样品筛，并取筛下10-15g茶粉后将其编号，封装冷藏作为茶粉样品；
步骤S2:光谱信息的采集:基于Workflow设置茶粉样品的近红外光谱信息采集工作流，利用Antaris II傅立叶近红外光谱仪采集所述茶粉样品于近红外范围内的漫反射光谱信息，采集参数如下:扫描次数为60次，分辨率为8CHT1，光谱范围为lOOOO100cnT1;
步骤S3:光谱信息的预处理:使用红外处理软件OPUS对所述步骤S2采集到的漫反射光谱信息进行光谱平滑处理、二阶求导及归一化处理，同时处理后的数据从spc光谱格式转换为xls文件格式；光谱平滑处理的光谱平滑点数为9 ;
平滑处理用于消除噪声，对滤去高频噪声尤为有效；二阶求导能够有效消除基线和背景干扰，提高分辨率和灵敏度，但同时它会放大噪声，导致信噪比降低；此处所用归一化处理为矢量归一化处理，目的是消除光程变化对光谱产生的影响。
[0019]步骤S4:基于遗传算法的波长筛选:将步骤S3中得到的xls文件格式的全波段光谱数据平均分成30个子区间进行随机编码，其中O表示删去谱区，I表示选用谱区，设置50中染色体交叉算子，结合偏最小二乘法进行迭代筛选，以“R/W”参数的最大值作为波长筛选指标，得出最佳谱区组合，作为参与建模的光谱谱区；所述遗传算法的参数如下:染色体条数为50条，基因数为30个，变异概率为0.01，交叉概率为0.4-0.6，迭代次数为10-15代，其中R表示相关系数，W表示交叉验证的均方根误差；
本发明一实施例中将lOOOO100cnT1的全波段光谱数据平均分成30个子区间，即基因数为30个，(10000-4000) /30=200，即每一个子区间就有200个数据，对该30个子区间进行随机编码，其中O表示删 去谱区，I表示选用谱区，例如(4000-4200)段编码为0，(4200-4400)段编码为1，(4400-4600)段编码为1，以此类推，编码是电脑随机，这样就有一串编码。如(011001101001100110100110011010)。
[0020]设置50种染色体交叉算子，表示遗传算法的过程中有50种模拟自然界物种遗传方式的交叉变异算子，表示有50串类似(011001101001100110100110011010)随机编码的染色体，进行基于遗传算法结合偏最小二乘法进行波长的迭代筛选。
[0021]以“R/W”参数的最大值作为波长筛选指标，筛选出可以得到最精准的结果的光谱组合，作为最终参与建模的光谱谱区；其中R是最终结果的相关系数(越接近I越好)，W表示均方根误差(越接近O越好)。
[0022]假若最终筛选出来的编码为100110100110011010011001101001
艮P，第一段(4000-4200)段编码为I保留，(4200-4400)段编码为O删去，(4400-4600)段编码为O删去、(4600-4800)段等编码为I的波段留下，以此类推，得到最优谱区组合，自以为参与建模的光谱谱区；
步骤S5:鉴定模型的建立:根据《GB/T23776-2009茶叶感官审评方法》对各茶叶样品进行品质鉴定，并对每一份茶叶样品进行步骤SI至步骤S4的处理得到相应的光谱谱区，采用Matlab数学软件建立鉴定结果与处理得到的光谱谱区一一对应的鉴定模型。
[0023]其中茶叶审评专家根据《GB/T23776-2009茶叶感官审评方法》对乌龙茶样品进行感官评审，该模型的参考指标为:相关系数R (Correlat1n Coefficient),交叉验证均方根误差 W (Root Mean Square Error of Calibrat1n, RMSEC);步骤 S5 中建立数学模型所用算法为偏最小二乘法；
步骤S6:品质得分的测定:将一份茶叶样品经步骤SI至步骤S4处理得到的光谱谱区代入所述鉴定模型进行相应的鉴定结果，确定所述茶叶样品的品质。
[0024]图2是本发明品质鉴定结果与实际评审结果的相关关系图，图中以百分制来判定乌龙茶品质的综合得分，图中横坐标为采用本发明所述的方法测得的品质综合得分，而纵坐标为茶叶审评专家根据《GB/T23776-2009茶叶感官审评方法》对乌龙茶样品进行感官评审所得的综合得分，从图中可以看出这两者的契合度非常高，因此本发明所述的方法具有很高的可行性，而且鉴定过程更为迅速。
[0025]以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。
【主权项】
1.一种基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于包括以下步骤: 步骤S1:茶粉样品的准备:收集各乌龙茶产地的茶叶样品，将所述茶叶样品经粉碎机研磨成茶粉，所述茶粉经过筛、编号及封装冷藏后作为茶粉样品； 步骤S2:光谱信息的采集:基于Workflow设置茶粉样品的近红外光谱信息采集工作流，利用近红外光谱仪采集所述茶粉样品于近红外范围内的漫反射光谱信息； 步骤S3:光谱信息的预处理:使用红外处理软件OPUS对所述步骤S2采集到的漫反射光谱信息进行光谱平滑处理、二阶求导及归一化处理，同时处理后的数据从spc光谱格式转换为xls文件格式； 步骤S4:基于遗传算法的波长筛选:将步骤S3中得到的xls文件格式的全波段光谱数据平均分为多个子区间进行随机编码，各子区间的所有不同组合构成搜索空间，使用“R/W”参数的最大值作为波长筛选指标，筛选出一个最佳谱区组合，作为参与建模的光谱谱区； 步骤S5:鉴定模型的建立:根据《GB/T23776-2009茶叶感官审评方法》对各茶叶样品进行品质鉴定，并对每一份茶叶样品进行步骤SI至步骤S4的处理得到相应的光谱谱区，采用Matlab数学软件建立鉴定结果与处理得到的光谱谱区一一对应的鉴定模型； 步骤S6:品质得分的测定:将一份茶叶样品经步骤SI至步骤S4处理得到的光谱谱区代入所述鉴定模型进行相应的鉴定结果，确定所述茶叶样品的品质。2.根据权利要求1所述的基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于:所述步骤SI中茶粉过筛所用的为80目样品筛。3.根据权利要求1所述的基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于:所述步骤SI中每一份茶粉样品的质量为10-15g。4.根据权利要求1所述的基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于:所述步骤S2中的近红外光谱仪为Antaris II傅立叶近红外光谱仪。5.根据权利要求4所述的基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于:所述Antaris II傅立叶近红外光谱仪的采集参数如下:扫描次数为60次，分辨率为8CHT1，光谱范围为lOOOO100cnT1。6.根据权利要求1所述的基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于:所述步骤S3中光谱平滑处理的光谱平滑点数为9。7.根据权利要求1所述的基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于:所述步骤S4的具体内容为:将步骤S3中得到的xls文件格式的全波段光谱数据平均分成30个子区间进行随机编码，其中O表示删去谱区，I表示选用谱区，设置50中染色体交叉算子，结合偏最小二乘法进行迭代筛选，以“R/W”参数的最大值作为波长筛选指标，得出最佳谱区组合，作为参与建模的光谱谱区。8.根据权利要求1所述的基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于:所述遗传算法的参数如下:染色体条数为50条，基因数为30个，变异概率为0.01，交叉概率为0.4-0.6，迭代次数为10-15代，其中R表示相关系数，W表示交叉验证的均方根误差。9.根据权利要求1所述的基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于:所述步骤S5中建立数学模型所用算法为偏最小二乘法。
【专利摘要】本发明涉及一种基于近红外光谱技术的乌龙茶品质鉴定方法，包括以下步骤：茶粉样品的准备；光谱信息的采集；光谱信息的预处理；基于遗传算法的波长筛选；鉴定模型的建立及乌龙茶品质得分的测定。本发明样品预处理简单，能准确、快速地鉴定出乌龙茶的品质优劣，该方法可操作性强，避免了人工感官审评中主观意识的影响以及传统化学分析法的繁杂操作，结果客观、准确。
【IPC分类】G01N21/3563, G01N21/359
【公开号】CN104897608
【申请号】CN201510343494
【发明人】孙威江, 王冰玉
【申请人】福建农林大学
【公开日】2015年9月9日
【申请日】2015年6月19日
【技术领域】
[0001]本发明涉及一种基于近红外光谱技术的乌龙茶品质鉴定方法。
【背景技术】
[0002]乌龙茶是我国六大茶类之一，具有鲜明独特的品质特征，受到广大消费者喜爱。随着乌龙茶市场规模的不断扩大，人们对乌龙茶的品质有了更高的要求，优质乌龙茶越来越受到关注。但目前茶叶品质的评定主要依靠传统的人工感官审评，结果易受审评者主观因素的影响，而传统的化学检验方法，操作繁琐复杂，不适用于茶叶生产格局和茶叶销售市场，这也限制着我国茶叶在国际市场上的流通和公平贸易。
[0003]因此，研宄茶叶品质快速检测的方法显得尤为迫切，从而提高我国茶叶品质的检测技术水平，强化茶叶的分级管理。
【发明内容】
[0004]本发明的目的在于提供一种基于近红外光谱技术的乌龙茶品质鉴定方法，为乌龙茶品质评定提供了一种快速，准确的途径，有利于茶叶市场实现对茶叶品质管理的规范化。
[0005]为实现上述目的，本发明采用如下技术方案:一种基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于包括以下步骤:
步骤S1:茶粉样品的准备:收集各乌龙茶产地的茶叶样品，将所述茶叶样品经粉碎机研磨成茶粉，所述茶粉经过筛、编号及封装冷藏后作为茶粉样品；
步骤S2:光谱信息的采集:基于Workflow设置茶粉样品的近红外光谱信息采集工作流，利用近红外光谱仪采集所述茶粉样品于近红外范围内的漫反射光谱信息；
步骤S3:光谱信息的预处理:使用红外处理软件OPUS对所述步骤S2采集到的漫反射光谱信息进行光谱平滑处理、二阶求导及归一化处理，同时处理后的数据从spc光谱格式转换为xls文件格式；
步骤S4:基于遗传算法的波长筛选:将步骤S3中得到的xls文件格式的全波段光谱数据平均分为多个子区间进行随机编码，各子区间的所有不同组合构成搜索空间，使用“R/W”参数的最大值作为波长筛选指标，筛选出一个最佳谱区组合，作为参与建模的光谱谱区；步骤S5:鉴定模型的建立:根据《GB/T23776-2009茶叶感官审评方法》对各茶叶样品进行品质鉴定，并对每一份茶叶样品进行步骤SI至步骤S4的处理得到相应的光谱谱区，采用Matlab数学软件建立鉴定结果与处理得到的光谱谱区一一对应的鉴定模型；
步骤S6:品质得分的测定:将一份茶叶样品经步骤SI至步骤S4处理得到的光谱谱区代入所述鉴定模型进行相应的鉴定结果，确定所述茶叶样品的品质。
[0006]进一步的，所述步骤SI中茶粉过筛所用的为80目样品筛。
[0007]进一步的，所述步骤SI中每一份茶粉样品的质量为10_15g。
[0008]进一步的，所述步骤S2中的近红外光谱仪为Antaris II傅立叶近红外光谱仪。
[0009]进一步的，所述Antaris II傅立叶近红外光谱仪的采集参数如下:扫描次数为60次，分辨率为8CHT1，光谱范围为lOOOO100cnT1。
[0010]进一步的，所述步骤S3中光谱平滑处理的光谱平滑点数为9。
[0011]进一步的，所述步骤S4的具体内容为:将步骤S3中得到的xls文件格式的全波段光谱数据平均分成30个子区间进行随机编码，其中O表示删去谱区，I表示选用谱区，设置50中染色体交叉算子，结合偏最小二乘法进行迭代筛选，以“R/W”参数的最大值作为波长筛选指标，得出最佳谱区组合，作为参与建模的光谱谱区。
[0012]进一步的，所述遗传算法的参数如下:染色体条数为50条，基因数为30个，变异概率为0.01，交叉概率为0.4-0.6，迭代次数为10-15代，其中R表示相关系数，W表示交叉验证的均方根误差。
[0013]进一步的，所述步骤S5中建立数学模型所用算法为偏最小二乘法。
[0014]本发明与现有技术相比具有以下有益效果:本发明利用遗传算法进行波长筛选，可缩短模型运行时间，提高了模型稳定性，使模型达到最佳状态；本发明在几分钟内可同时测量多个样品，极大程度缩短了在茶叶品质鉴定中人工审评方式和传统化学分析法的检测时间，提高工作效率；以专业的茶叶审评专家依照国家标准对茶样的评判数据作为建模依据，保证了该方法鉴定结果准确、科学；有利于茶叶市场实现对茶叶品质管理的规范化。
【附图说明】
[0015]图1是本发明建立乌龙茶品质鉴定模型的流程图。
[0016]图2是本发明品质鉴定结果与实际评审结果的相关关系图。
【具体实施方式】
[0017]下面结合附图及实施例对本发明做进一步说明。
[0018]请参照图1，本发明提供一种基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于包括以下步骤:
步骤S1:茶粉样品的准备:收集各乌龙茶产地的茶叶样品，将所述茶叶样品经粉碎机研磨成茶粉，所述茶粉过80目样品筛，并取筛下10-15g茶粉后将其编号，封装冷藏作为茶粉样品；
步骤S2:光谱信息的采集:基于Workflow设置茶粉样品的近红外光谱信息采集工作流，利用Antaris II傅立叶近红外光谱仪采集所述茶粉样品于近红外范围内的漫反射光谱信息，采集参数如下:扫描次数为60次，分辨率为8CHT1，光谱范围为lOOOO100cnT1;
步骤S3:光谱信息的预处理:使用红外处理软件OPUS对所述步骤S2采集到的漫反射光谱信息进行光谱平滑处理、二阶求导及归一化处理，同时处理后的数据从spc光谱格式转换为xls文件格式；光谱平滑处理的光谱平滑点数为9 ;
平滑处理用于消除噪声，对滤去高频噪声尤为有效；二阶求导能够有效消除基线和背景干扰，提高分辨率和灵敏度，但同时它会放大噪声，导致信噪比降低；此处所用归一化处理为矢量归一化处理，目的是消除光程变化对光谱产生的影响。
[0019]步骤S4:基于遗传算法的波长筛选:将步骤S3中得到的xls文件格式的全波段光谱数据平均分成30个子区间进行随机编码，其中O表示删去谱区，I表示选用谱区，设置50中染色体交叉算子，结合偏最小二乘法进行迭代筛选，以“R/W”参数的最大值作为波长筛选指标，得出最佳谱区组合，作为参与建模的光谱谱区；所述遗传算法的参数如下:染色体条数为50条，基因数为30个，变异概率为0.01，交叉概率为0.4-0.6，迭代次数为10-15代，其中R表示相关系数，W表示交叉验证的均方根误差；
本发明一实施例中将lOOOO100cnT1的全波段光谱数据平均分成30个子区间，即基因数为30个，(10000-4000) /30=200，即每一个子区间就有200个数据，对该30个子区间进行随机编码，其中O表示删 去谱区，I表示选用谱区，例如(4000-4200)段编码为0，(4200-4400)段编码为1，(4400-4600)段编码为1，以此类推，编码是电脑随机，这样就有一串编码。如(011001101001100110100110011010)。
[0020]设置50种染色体交叉算子，表示遗传算法的过程中有50种模拟自然界物种遗传方式的交叉变异算子，表示有50串类似(011001101001100110100110011010)随机编码的染色体，进行基于遗传算法结合偏最小二乘法进行波长的迭代筛选。
[0021]以“R/W”参数的最大值作为波长筛选指标，筛选出可以得到最精准的结果的光谱组合，作为最终参与建模的光谱谱区；其中R是最终结果的相关系数(越接近I越好)，W表示均方根误差(越接近O越好)。
[0022]假若最终筛选出来的编码为100110100110011010011001101001
艮P，第一段(4000-4200)段编码为I保留，(4200-4400)段编码为O删去，(4400-4600)段编码为O删去、(4600-4800)段等编码为I的波段留下，以此类推，得到最优谱区组合，自以为参与建模的光谱谱区；
步骤S5:鉴定模型的建立:根据《GB/T23776-2009茶叶感官审评方法》对各茶叶样品进行品质鉴定，并对每一份茶叶样品进行步骤SI至步骤S4的处理得到相应的光谱谱区，采用Matlab数学软件建立鉴定结果与处理得到的光谱谱区一一对应的鉴定模型。
[0023]其中茶叶审评专家根据《GB/T23776-2009茶叶感官审评方法》对乌龙茶样品进行感官评审，该模型的参考指标为:相关系数R (Correlat1n Coefficient),交叉验证均方根误差 W (Root Mean Square Error of Calibrat1n, RMSEC);步骤 S5 中建立数学模型所用算法为偏最小二乘法；
步骤S6:品质得分的测定:将一份茶叶样品经步骤SI至步骤S4处理得到的光谱谱区代入所述鉴定模型进行相应的鉴定结果，确定所述茶叶样品的品质。
[0024]图2是本发明品质鉴定结果与实际评审结果的相关关系图，图中以百分制来判定乌龙茶品质的综合得分，图中横坐标为采用本发明所述的方法测得的品质综合得分，而纵坐标为茶叶审评专家根据《GB/T23776-2009茶叶感官审评方法》对乌龙茶样品进行感官评审所得的综合得分，从图中可以看出这两者的契合度非常高，因此本发明所述的方法具有很高的可行性，而且鉴定过程更为迅速。
[0025]以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。
【主权项】
1.一种基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于包括以下步骤: 步骤S1:茶粉样品的准备:收集各乌龙茶产地的茶叶样品，将所述茶叶样品经粉碎机研磨成茶粉，所述茶粉经过筛、编号及封装冷藏后作为茶粉样品； 步骤S2:光谱信息的采集:基于Workflow设置茶粉样品的近红外光谱信息采集工作流，利用近红外光谱仪采集所述茶粉样品于近红外范围内的漫反射光谱信息； 步骤S3:光谱信息的预处理:使用红外处理软件OPUS对所述步骤S2采集到的漫反射光谱信息进行光谱平滑处理、二阶求导及归一化处理，同时处理后的数据从spc光谱格式转换为xls文件格式； 步骤S4:基于遗传算法的波长筛选:将步骤S3中得到的xls文件格式的全波段光谱数据平均分为多个子区间进行随机编码，各子区间的所有不同组合构成搜索空间，使用“R/W”参数的最大值作为波长筛选指标，筛选出一个最佳谱区组合，作为参与建模的光谱谱区； 步骤S5:鉴定模型的建立:根据《GB/T23776-2009茶叶感官审评方法》对各茶叶样品进行品质鉴定，并对每一份茶叶样品进行步骤SI至步骤S4的处理得到相应的光谱谱区，采用Matlab数学软件建立鉴定结果与处理得到的光谱谱区一一对应的鉴定模型； 步骤S6:品质得分的测定:将一份茶叶样品经步骤SI至步骤S4处理得到的光谱谱区代入所述鉴定模型进行相应的鉴定结果，确定所述茶叶样品的品质。2.根据权利要求1所述的基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于:所述步骤SI中茶粉过筛所用的为80目样品筛。3.根据权利要求1所述的基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于:所述步骤SI中每一份茶粉样品的质量为10-15g。4.根据权利要求1所述的基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于:所述步骤S2中的近红外光谱仪为Antaris II傅立叶近红外光谱仪。5.根据权利要求4所述的基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于:所述Antaris II傅立叶近红外光谱仪的采集参数如下:扫描次数为60次，分辨率为8CHT1，光谱范围为lOOOO100cnT1。6.根据权利要求1所述的基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于:所述步骤S3中光谱平滑处理的光谱平滑点数为9。7.根据权利要求1所述的基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于:所述步骤S4的具体内容为:将步骤S3中得到的xls文件格式的全波段光谱数据平均分成30个子区间进行随机编码，其中O表示删去谱区，I表示选用谱区，设置50中染色体交叉算子，结合偏最小二乘法进行迭代筛选，以“R/W”参数的最大值作为波长筛选指标，得出最佳谱区组合，作为参与建模的光谱谱区。8.根据权利要求1所述的基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于:所述遗传算法的参数如下:染色体条数为50条，基因数为30个，变异概率为0.01，交叉概率为0.4-0.6，迭代次数为10-15代，其中R表示相关系数，W表示交叉验证的均方根误差。9.根据权利要求1所述的基于近红外光谱技术的乌龙茶品质鉴定方法，其特征在于:所述步骤S5中建立数学模型所用算法为偏最小二乘法。
【专利摘要】本发明涉及一种基于近红外光谱技术的乌龙茶品质鉴定方法，包括以下步骤：茶粉样品的准备；光谱信息的采集；光谱信息的预处理；基于遗传算法的波长筛选；鉴定模型的建立及乌龙茶品质得分的测定。本发明样品预处理简单，能准确、快速地鉴定出乌龙茶的品质优劣，该方法可操作性强，避免了人工感官审评中主观意识的影响以及传统化学分析法的繁杂操作，结果客观、准确。
【IPC分类】G01N21/3563, G01N21/359
【公开号】CN104897608
【申请号】CN201510343494
【发明人】孙威江, 王冰玉
【申请人】福建农林大学
【公开日】2015年9月9日
【申请日】2015年6月19日
最新回复(0)