通过NIR光谱和特征波长选择同时确定黑茶中的四种catechin:一种新的方法
Yabing Liu1, Ke Pan1, Zhongyin Liu1
1Tea Research Institute, Guizhou Academy of Agricultural Sciences, Guiyang 550025, China.
一个新的波长选择算法 (FIC-SS) 与极端学习机器 (ELM) 结合,准确地预测了黑茶教理素. 这种方法克服了近红外 (NIR) 光谱分析中的光谱重叠和小样本问题.
科学领域:
- 分析化学 分析化学
- 频谱学是一种光谱学.
- 化学测量 化学测量 化学测量
背景情况:
- 近红外光谱 (NIR) 为分析茶叶中的生物活性成分提供了一种快速,非破坏性的方法.
- 黑茶分析的挑战包括甲基因的重叠光谱,导致非线性关系和精度降低.
- 与样本大小相比,NIR光谱的高维度呈现出典型的小样本学习问题.
研究的目的:
- 开发一种准确和稳定的方法,使用NIR光谱学同时确定多种黑茶儿茶素.
- 解决黑茶分析固有的光谱重叠和小样本学习问题.
- 提出一种创新的波长选择算法,并与机器学习模型一起评估其性能.
主要方法:
- 开发一个特征间隔组合灵敏度细分 (FIC-SS) 算法,用于在粗粒度和细粒度的波长选择.
- 实施极端学习机器 (ELM) 来构建同时预测模型,因为它们具有强大的非线性学习能力.
- 使用全频谱与由FIC-SS选择的特征波长的ELM模型的比较分析,并与部分最小平方 (PLS) 模型进行比较.
主要成果:
- 在使用全频谱时,ELM模型对单个catechin (epicatechin,epicatechin gallate,epigallocatechin,epigallocatechin gallate) 的预测性能优于PLS.
- 拟议的FIC-SS-ELM模型显著优于基于不同波长选择方法的其他ELM模型.
- 该FIC-SS-ELM模型实现了高预测准确性,用于同时确定儿茶素:EC (Rp2 = 0.91),ECG (Rp2 = 0.96),EGC (Rp2 = 0.97),以及EGCG (Rp2 = 0.97).
结论:
- FIC-SS算法有效提取相关波长,提高NIR光谱分析的准确性和稳定性.
- 极端学习机器为模拟黑茶光谱中的复杂非线性关系提供了强大的工具.
- 开发的FIC-SS-ELM方法提供了一种新且有效的方法,用于定量确定黑茶中的生物活性儿茶素.
更多相关视频
04:36Author Spotlight: Exploring Tea Aroma Using Solvent-Assisted Flavor Evaporation Technique
Published on: May 26, 2023
10:25Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements
Published on: June 28, 2016
相关概念视频
IR Frequency Region: Fingerprint Region
IR Spectrometers
Applications of IR Spectroscopy: Overview
Infrared (IR) Spectroscopy: Overview
Different compounds display unique properties due to their...
UV–Vis Spectroscopy of Conjugated Systems
One of the factors influencing λmax is the extent...
Ultraviolet and Visible (UV–Vis) Spectroscopy: Overview
