使用高效的多维数据融合技术,对Keemun黑茶进行快速和全面的等级评估
Luqing Li1, Yurong Chen1, Shuai Dong1
1State Key Laboratory of Tea Plant Biology and Utilization, Anhui Agricultural University, 130 Changjiang West Road, Hefei 230036, China.
Food chemistry: X
|December 25, 2023
概括
这项研究引入了一种新的方法,用于使用光谱学,计算机视觉和传感器评估Keemun黑茶的质量. 综合方法在分类茶叶方面取得了98.57%的准确性,并准确地预测了关键的风味化合物.
科学领域:
- 农业科学 农业科学
- 分析化学 分析化学
- 食品科学 食品科学 食品科学
背景情况:
- 评估Keemun黑茶的质量对于市场价值和消费者满意度至关重要.
- 传统的茶叶质量评估方法可能耗时且主观.
- 需要客观和快速的分析技术来补充现有方法.
研究的目的:
- 开发一个全面的和快速的评估方法,对Keemun黑茶的质量.
- 评估将光谱,视觉和色度数据用于茶叶分析的可行性.
- 识别与黑茶风味和质量相关的关键化学化合物.
主要方法:
- 微近红外光谱,计算机视觉和色度传感器阵列被用于数据采集.
- 机器学习算法包括支持向量机 (SVM),最小方形支持向量机 (LS-SVM),极端学习机 (ELM) 和部分最小方形差异分析 (PLS-DA) 被用于分类.
- 支持向量回归 (SVR) 用于对风味物质的定量分析.
主要成果:
- 结合中级数据融合的LS-SVM模型在区分不同等级的Keemun黑茶时,达到98.57%的高精度.
- 使用SVR的定量分析表明,用于预测咖啡因和儿茶素等关键风味化合物的强相关系数 (0.811110.94249).
- 所有预测的化合物都显示剩余预测偏差值大于2,表明模型性能强大.
结论:
- 结合光谱,视觉和色度信息的多模式数据融合方法为Keemun黑茶质量评估提供了快速和全面的方法.
- 开发的方法可以准确地分类茶叶等级,并量化重要的风味成分.
- 这种综合方法为茶叶行业提供了有价值的工具,增强了质量控制和一致性.
