通过多源信息融合和系统分析方法,快速和定量地预测茶色素含量
Hanting Zou1, Ranyang Li1, Xuan Xuan1
1State Key Laboratory of Tea Plant Germplasm Innovation and Resource Utilization, Tea Research Institute, Chinese Academy of Agricultural Sciences, Hangzhou 310008, China.
Foods (Basel, Switzerland)
|August 28, 2025
概括
这项研究引入了使用融合光谱和图像数据的茶色素实时分析的新方法. 这种先进的LSSVR模型可以准确预测茶色素含量,从而提高茶叶行业的质量控制.
科学领域:
- 农业科学
- 分析化学
- 食品科学
背景情况:
- 黑茶加工的标准化需要有效的在线检测关键化学指标.
- 茶色素,包括茶色素,茶色素和茶色素,对于黑茶的质量至关重要.
- 现有的色素分析方法可能存在信息冗余或缺失的特征.
研究的目的:
- 开发和验证在黑茶滚动过程中检测茶色素的智能在线方法.
- 研究多源信息融合在预测茶色素含量的有效性.
- 为了比较不同化学模型的性能进行定量分析.
主要方法:
- 使用系统分析确定茶色素含量.
- 从茶样获取光谱 (近红外光谱) 和图像数据.
- 特性提取 (图像的主要组成部分,光谱的特征波长) 和数据融合 (低级和中级策略).
- 部分最小平方回归 (PLSR),支向量回归 (SVR) 和最小平方支向量回归 (LSSVR) 模型的开发和比较.
主要成果:
- 与中级数据融合策略相结合的LSSVR模型表现最好.
- 达到了高预测准确度的aflavins,arubigins和abrownins,测试组相关系数>0.98和相对百分比偏差< 5%.
- 频谱和图像信息的融合有效地解决了信息冗余和单模分析中缺少的问题.
结论:
- 多源信息融合,特别是使用LSSVR与中级融合,为在线茶色素监测提供了强大而准确的方法.
- 这种方法支持黑茶加工行业的标准化和质量控制.
- 综合的光谱和图像分析比单个传感器的定量茶色素分析方法有显著的进步.
