基于TG-FTIR和机器学习的质量差异的确定和来自不同度的绿茶的来源追踪
Mengqi Guo1, Yue Zhao2, Yulong Chen3
1Tea Research Institute, Shandong Academy of Agricultural Sciences, Jinan 250100 China; College of Mechanical and Electrical Engineering, Henan Agricultural University, Zhengzhou 450002 China.
Food research international (Ottawa, Ont.)
|March 1, 2025
概括
高度的中国绿茶表现出明显的热解行为,燃烧效率高于低度的茶. 这项研究使用了对茶叶原产地可追溯性的先进分析.
科学领域:
- 农业科学 农业科学
- 分析化学 分析化学
- 材料科学 材料科学 材料科学
背景情况:
- 茶叶质量受到地理因素的影响,例如度,但详细的研究是有限的.
- 了解热解差异是茶叶质量评估和原产地验证的关键.
研究的目的:
- 通过使用先进的分析技术,研究度对绿茶热解的影响.
- 建立基于热解特性区分茶叶来源的方法.
主要方法:
- 热重力测量分析与红外光谱学 (TG-FTIR) 和机器学习相结合.
- 在不同加热速率 (10,20,30°C min-1) 的热解实验.
- 使用基辛格,奥扎瓦和斯塔林克方法计算动力/热力学参数 (例如激活能量);主要组件分析 (PCA);随机森林 (RF) 建模.
主要成果:
- 高度的茶叶在活跃热解区的质量损失较低,燃烧效率更高.
- 在不同转换率 (α) 的高度茶中观察到较高的平均激活能 (Ea) 值.
- 基于Ea的PCA有效地聚合了茶,根据度区分样本;使用SNV预处理的RF模型显示了对热溶性参数的高预测准确性.
结论:
- 度显著影响绿茶的热解动力学和热力学.
- 热解分析,特别是机器学习,为茶叶原产地可追溯性提供了一个强大的方法.
- 这项研究为茶叶质量变化和认证技术提供了宝贵的见解.


