黑茶质量测试方法用于规模生产,使用CV和NIRS与TCN用于光谱特征提取
Jianhua Liang1, Jiaming Guo2, Hongling Xia3
1Tea Research Institute, Guangdong Academy of Agricultural Science/Guangdong Provincial Key Laboratory of Tea Plant Resources Innovation & Utilization, Guangzhou 510640, China; College of Engineering, South China Agricultural University, Guangzhou 510642, China.
Food chemistry
|October 15, 2024
概括
本研究引入了使用计算机视觉和近红外光谱来评估黑茶质量的多模式方法. 时间卷积网络 (TCN) 融合模型实现了98.2%的准确性,提高了茶叶质量测试.
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:
- 在大规模生产中评估黑茶质量需要先进的分析方法.
- 传统方法可能无法捕捉出质量指标的全部范围.
- 整合多种分析技术可以提供更全面的质量评估.
研究的目的:
- 为严格的黑茶质量评估开发和评估一种多模式融合方法.
- 整合计算机视觉 (CV) 和近红外光谱 (NIRS) 以提高质量分析.
- 为了比较不同模型的性能,包括时间卷积网络 (TCN),在预测茶叶质量.
主要方法:
- 应用CV用于评估茶的外观质量.
- 使用NIRS量化关键化学成分:茶叶多 (TP),自由氨基酸 (FAA) 和咖啡因 (CAF).
- 采用从NIR光谱和数据融合中提取特征,然后使用TCN和卷积神经网络 (CNN) 模型进行分类.
主要成果:
- 在确定茶叶质量方面,TCN融合模型实现了98.2%的高准确率.
- 这种准确性超过了CNN融合模型和传统评估方法的准确性.
- 证明了TCN在提取相关光谱特征以预测质量的有效性.
结论:
- 多模式数据融合显著提高了茶叶质量测试的准确性和可靠性.
- 在 NIRS 分析茶品质中,TCN 有效用于光谱特征提取.
- 开发的方法为优化大规模黑茶生产和质量控制提供了宝贵的见解.
