根据原产国区分黑茶,使用μ-CTE/TD/GC-MS方法与可决策树优化的神经网络分析相结合
Nurullah Okuyan1, Hasan Yetim2, Zülal Kesmen3
1Department of Hotel, Restaurant and Catering, Gurun Vocational School, Sivas Cumhuriyet University, Sivas, Türkiye.
Journal of the science of food and agriculture
|April 19, 2025
概括
准确的茶叶原产地歧视对于价值和合规性至关重要. 一种新的微室/热脱附/气色谱-质谱法 (μ-CTE/TD/GC-MS) 方法与可优化的神经网络 (ONN) 结合,在分类茶叶来源方面实现了100%的准确性.
科学领域:
- 分析化学 分析化学
- 食品科学 食品科学 食品科学
- 化学测量 化学测量 化学测量
背景情况:
- 验证茶叶原产地对于商业价值,消费者信任和监管遵守至关重要.
- 现有的茶叶原产地歧视方法需要提高准确性和特异性.
- 这项研究解决了确定茶叶原产国的强有力的方法的需求,特别是在土耳其市场.
研究的目的:
- 开发和验证一种新的分析方法,以精确区分茶叶的原产国.
- 调查不同样品预处理 (输注与研磨) 对挥发性有机化合物 (VOC) 档案的影响.
- 优化分类模型,以准确识别茶叶来源.
主要方法:
- 挥发性有机化合物 (VOCs) 通过热溶解与气色谱-质谱学 (TD/GC-MS) 相结合进行了分析.
- 微室/热提取器 (μ-CTE) 与TD/GC-MS系统集成,用于增强注入茶样的分析.
- 可优化神经网络 (ONN) 用于分类,利用特征选择来识别关键的VOC标记物.
主要成果:
- 特定的VOC标记物被确定为注入 (11 VOC), (21 VOC) 和组合 (18 VOC) 茶样.
- 可优化的神经网络实现了高的分类准确率:磨茶95.51%,注入茶96.7%.
- 在使用ONN模型分析地料和注入茶样中的VOC时,获得了完美的100%分类准确度.
结论:
- 土耳其和锡兰茶的不同预处理产生了不同的VOC档案,有助于原产地歧视.
- 与传统的TD/GC-MS相比,开发的μ-CTE/TD/GC-MS方法在黑茶分类方面提供了更高的准确性.
- 这种先进的分析方法为验证茶叶来源提供了可靠的工具.
