使用高光谱成像技术对抹茶品质的全面评估和成分的可视化

科学领域:

• 食品科学 食品科学 食品科学
• 分析化学 分析化学
• 频谱学是一种光谱学.

背景情况:

• 由于不同的原料,抹茶的质量会有很大的差异,这会影响香味和风味.
• 现有的质量评估方法往往具有破坏性和耗时性.
• 快速,非破坏性的方法对于准确的抹茶质量评估至关重要.

研究的目的:

• 开发一种视觉,现场方法,使用高光谱成像 (HSI) 来评估抹茶质量.
• 为不同的抹茶类型和等级建立定性和定量检测模型.
• 为了将HSI数据与匹配的关键物理化学成分相关联.

主要方法:

• 在Vis-NIR和NIR频段使用过光谱成像 (HSI).
• 机器学习算法,包括XGBoost和随机森林 (RF),被用于分类和特征选择.
• 部分最小平方回归 (PLSR) 用于对抹茶质量的定量预测.
• 物理化学含量 (甲基因,氨基酸,咖啡因,蛋白质,糖) 用化学方法确定,用于模型验证.

主要成果:

• 与NIR频段相比,Vis-NIR频段的高光谱数据显示出更高的性能.
• XGBoost模型在分类抹茶等级方面实现了98.10%的准确性.
• 在选择射频特征后,PLSR模型显示了对抹茶质量的高预测准确性 (测试组R_p²>>0.95).
• 通过HSI,可以可视化关键化学成分的空间变化,突出组成差异.

结论:

• 与机器学习相结合的HSI提供了一种有效,快速和非破坏性的方法来进行全面的抹茶质量评估.
• 开发的模型准确地区分了抹茶类型和等级,并预测了质量.
• 这项技术为抹茶化学成分的空间分布提供了宝贵的见解.