基于机器视觉技术的黑茶滚动过程中的茶色素含量快速检测方法的研究
Hanting Zou1, Tianmeng Lan1, Yongwen Jiang1
1Tea Research Institute, The Chinese Academy of Agricultural Sciences, Hangzhou 310008, China.
Foods (Basel, Switzerland)
|December 17, 2024
概括
这项研究使用机器视觉开发了快速检测茶色素的方法,在黑茶滚动期间检测茶色素. Z-score-PCA-ELM模型准确预测色素含量,支持数字黑茶生产.
科学领域:
- 食品科学 食品科学 食品科学
- 分析化学 分析化学
- 农业工程 农业工程
背景情况:
- 黑茶滚动对于颜色和质量至关重要,由颜料发育 (theaflavins,thearubigins,theabrownins) 驱动.
- 在制过程中,需要对茶色素进行准确,快速的监测,以进行质量控制和数字化生产.
研究的目的:
- 建立在黑茶滚动过程中快速检测关键茶色素的方法.
- 为了将机器视觉颜色特征与茶色素含量相关联.
- 开发茶色素度的预测模型.
主要方法:
- 一个机器视觉系统捕获了茶叶的颜色特征,这些茶叶经过不同滚动时间的加工.
- 紫外线可见光谱测量量了茶色素含量.
- 统计方法 (Z分数,PCA) 预处理的数据.
- 机器学习模型 (PLSR,SVR,ELM) 用于定量预测.
主要成果:
- 通过机器视觉提取的颜色特征显示与茶色素含量相关.
- 采用Z-score-PCA-ELM模型显示出更高的预测准确度.
- 茶色素的高预测准确度 (Rp > 0.96) 和可靠性 (RPD > 3.50) 已实现.
结论:
- 使用机器视觉和预测建模,可以在黑茶滚动过程中快速,非破坏性地确定茶色素.
- 开发的方法为自动化和数字化黑茶加工提供技术支持.
- 这种方法提高了黑茶生产的质量控制和一致性.
