基于机器学习的分类和预测,典型的中国绿茶的口味特征
Yingbin Zhang1, Xuwei Chen2, Dingding Chen2
1School of Food Science and Biotechnology, Zhejiang Gongshang University, Hangzhou 310018 China; Tea Research Institute, Chinese Academy of Agricultural Sciences, Hangzhou 310008 China.
Food research international (Ottawa, Ont.)
|March 1, 2025
概括
这项研究开发了一个机器学习模型来分类中国绿茶的味道. 关键的化学成分和味道活性值准确地预测了消费者茶的口味特征.
科学领域:
- 食品科学 食品科学 食品科学
- 感官科学 感官科学
- 计算化学计算化学
背景情况:
- 中国绿茶表现出多样化的口味特征,这对准确的分类构成了挑战.
- 了解化学成分和感官感知之间的关系对于茶叶质量评估至关重要.
研究的目的:
- 开发和验证中国绿茶口味分类的预测模型.
- 为了确定不同茶叶风味配置文件的关键化学贡献者.
- 提高消费者对绿茶体验的理解和个性化.
主要方法:
- 利用无监督和监督的机器学习,包括层次-K意味着集群,用于口味分类.
- 采用了定量描述性分析 (QDA),电子舌头,近红外光谱和代谢学.
- 基于化学成分,味觉活性值 (Tav) 和它们的比率构建的数据集用于模型训练.
主要成果:
- 通过使用等级-K平均值方法将88种茶叶灌注分为七种不同的味道类型.
- 随机森林 (RF) 模型使用化学成分和Tav比率 (数据集3) 实现了最高的预测准确度 (0.98) 和卡帕值 (0.97).
- 确定了特定的化学成分及其关系作为绿茶味道的关键预测因素.
结论:
- 开发的射频模型准确地预测了中国绿茶的味道,提供了以消费者为中心的方法.
- 味道类型的MU显示TavTC/TavTAA比率最低,表明强烈的乌玛米和甜味.
- 研究结果支持个性化的茶叶产品开发和改善消费者体验.
