在工艺流线上堆叠的茶叶中的水分分布的可视化,使用超光谱成像
Yuying Zhang1, Binhui Liao2, Mostafa Gouda1,3
1College of Biosystems Engineering and Food Science, Zhejiang University, Hangzhou 310058, China.
Foods (Basel, Switzerland)
|May 14, 2025
概括
超光谱成像和机器学习准确地绘制了茶叶在加工过程中的水分. 这项技术可视化了不均的水分分布,这对于优化茶叶质量和生产至关重要.
科学领域:
- 农业工程 农业工程
- 食品科学 食品科学 食品科学
- 频谱学是一种光谱学.
背景情况:
- 茶的质量受到加工过程中含水量分布的重大影响.
- 优化茶叶加工需要有效的可视化堆叠茶叶中的水分水平.
研究的目的:
- 用超光谱成像 (HSI) 和机器学习来评估堆叠茶叶中的水分含量和分布.
- 开发一个准确的模型来预测在加工过程中绿茶产品中的水分含量.
主要方法:
- 利用高光谱成像 (HSI) 技术与机器学习算法相结合.
- 开发了一种用于测定水分含量的光谱定量测定模型.
- 在加工过程中将该模型应用于西龙湖和茶绿茶.
主要成果:
- 在开发的光谱定量确定模型中实现了高精度 (Rp2 > 0.940).
- 证明了模型在不同茶类型中具有强大的概括能力.
- 可视化不均的水分分布,与叶面相比,叶尖和叶片的水分水平更高.
结论:
- HSI和机器学习提供了一种新的解决方案,用于实时监测堆叠的茶叶中的水分.
- 这些发现可以优化加工参数,以确保茶叶产品质量的一致性.
- 未来的工作应该集中在模型的可转移性和应用到不同的茶叶品种.
