在黑茶滚动过程中对茶色素的非破坏性检测
Xuan Xuan1,2, Ting An2, Hanting Zou2
1College of Food and Health, Zhejiang A&F University, Hangzhou 311300, China.
Foods (Basel, Switzerland)
|November 13, 2025
概括
这项研究开发了一种非破坏性方法,使用电信号在黑茶滚动过程中测量茶色素. 先进的Smooth-VCPA-IRIV-SVR模型准确地预测了aflavins,arubigins和abrownins的含量.
科学领域:
- 食品科学与技术 食品科学与技术
- 分析化学 分析化学
- 农业工程 农业工程
背景情况:
- 黑茶滚动对于发酵和质量发展至关重要.
- 在装过程中检测茶色素对质量控制具有挑战性.
- 茶色素显著影响黑茶的最终颜色和味道.
研究的目的:
- 开发一种快速而非破坏性的方法,用于在黑茶滚动过程中检测茶色素含量.
- 为了确定相关的电气参数来预测茶色素水平.
- 为茶色素建立准确的定量预测模型.
主要方法:
- 利用电气特征检测技术收集时间序列电气参数.
- 应用的预处理技术:多倍散射校正 (MSC),最小-最大规范化和光滑 (Smooth).
- 使用的特征选择算法:竞争性自适应性重权算法 (CARS),非信息变量消除 (UVE) 和变量组合人口分析和代保留信息变量算法 (VCPA-IRIV).
- 开发了使用部分最小平方回归 (PLSR) 和支向量机回归 (SVR) 的定量预测模型.
主要成果:
- 滑-VCPA-IRIV-SVR模型在预测theaflavins (TFs),thearubigins (TRs) 和theabrownins (TBs) 中表现出色.
- 在所有目标茶色素中,已达到超过0.99的预测相关系数 (Rp).
- 获得的相对预测偏差 (RPD) 值高于6.5,表明模型的高准确性.
- 成功实现了茶色素含量的快速和非破坏性检测.
结论:
- 开发的电气特征检测方法为在黑茶滚动过程中实时监测茶色素提供了可行的解决方案.
- 滑-VCPA-IRIV-SVR模型为预测关键茶色素度提供了高准确度和可靠性.
- 这项研究为数字化和智能化生产黑茶提供了技术支持.
