食品工业科技

作者：薛懿威, 王玉, 王缓, 丁仕波, 王梦琪, 陈泗洲, 丁兆堂, 赵丽清

关键词：高光谱成像,茶叶加工,机器学习,无损检测,茶叶生化成分,

目的：建立高光谱技术快速检测绿茶加工原料生化成分的方法。方法：用高光谱相机对加工过程中的茶叶原料进行实时拍摄，获取茶叶原料的光谱数据；对样本的含水率、游离氨基酸、茶多酚以及咖啡碱的含量进行检测；光谱数据预处理后，利用无信息变量消除法（uninformative variable elimination，UVE）、竞争性自适应重加权法（competitive adaptive reweighted sampling，CARS）、连续投影算法（successive projections algorithm，SPA）三种特征提取方法与偏最小二乘（partial least-squares，PLS）、支持向量机（support vector machine，SVM）和随机森林（random forest，RF）三种机器学习模型分别组合进行建模分析，预测茶叶原料中的含水率、游离氨基酸、茶多酚和咖啡碱的含量。结果：茶叶原料的含水率、游离氨基酸、茶多酚和咖啡碱最佳组合模型分别为UVE-RF、CARS-SVM、UVE-SVM、UVE-PLS，决定系数（coefficient of determination，R2）分别为0.99、0.92、0.97、0.87，交互验证均方根误差（root mean square error of cross validation，RMSECV）分别为0.7615%、0.723 μg·g?1、0.3701%、0.1197%，相对分析误差（relative percent difference，RPD）分别为10.2093%、25.446 μg·g?1、3.5851%、2.5284%。结论：相关性高，建模误差合理，模型效果优秀，可以有效检测加工过程中茶叶原料的生化成分。该方法不仅无损，而且快速准确，有望在茶叶加工中得到广泛应用。

来源：2023年第10期

《食品工业科技》期刊编辑部

查看食品工业科技杂志2023年第10期