可见近红外光谱学与色度传感器阵列相结合的应用,用于在tencha干燥过程中评估香味质量

科学领域:

• 食品科学 食品科学 食品科学
• 分析化学 分析化学
• 感官科学 感官科学

背景情况:

• 香香气质量受到其干燥过程的显著影响.
• 在干燥过程中对香气的客观评价对于质量控制至关重要.
• 现有的气味评估方法可能是耗时和主观的.

研究的目的:

• 开发和验证一种非破坏性方法,用于在干燥过程中评估香气质.
• 调查可见近红外 (Vis-NIR) 和色度传感器阵列 (Vis-NIR-CSA) 的有效性,以评估气味.
• 在加工过程中识别关键的挥发性化合物与香气相关.

主要方法:

• 使用可见近红外 (Vis-NIR) 和色度传感器阵列 (Vis-NIR-CSA) 来捕获光谱数据.
• 采用各种数据融合策略,包括高层融合,以整合传感器信息.
• 应用分类和回归树 (CART) 用于气味质量预测.
• 使用传感器数据相关性识别了关键的芳香化合物.

主要成果:

• 与高水平数据融合相结合的Vis-NIR-CSA系统在预测香气质方面取得了很高的准确性 (校准:94.68%,预测:93.48%).
• 与其他数据融合策略相比,高水平融合显示出更高的性能.
• 佩塔纳尔被确定为一种挥发性化合物,在干燥过程中与香气质有很强的相关性.

结论:

• 与高级数据融合相结合的Vis-NIR-CSA提供了一种可靠和高效的方法来评估香气质量.
• 这种方法可以帮助实施良好的制造实践和优化技术处理系统.
• 这些发现为开发茶叶生产中基于传感器的先进质量控制提供了基础.