基于高光谱技术的红茶茶多酚可视化研究

摘要:

目的 利用高光谱技术实现对英红九号红茶茶多酚含量的快速无损、可视化检测。方法 采集 128个红茶光谱数据并进行光谱预处理后, 引入蒙特卡罗-高斯分布方法寻找异常样本。经两次异常样本剔除, 各 模型预测集决定系数 r2 均有 0.2~0.4 的大幅提升。为解决大样本模型训练时间长、数据冗余问题, 采用连续投影算法进行波长筛选, 共得到 14 个能反映红茶茶多酚含量的特征波长, 并比较了最小二乘回归、支持向量机回归、BP 神经网路、粒子群优化最小二乘支持向量机回归(particle swarm optimization least squares support vector regression, PSO-LSSVR) 4 种模型预测红茶茶多酚含量的精度。 最后以最优模型建立茶多酚可视化模型。结果 合理剔除样本并以光谱特征为输入, 结合 PSO-LSSVR 方法建立的模型效果最佳, 其校正集决定系数为 0.921, 预测集决定系数为 0.903, 预测精度达到了 90%以上, 基本实现了茶多酚含量可视化检测。 结论 可视化算法有效地反映了红茶茶多酚分布情况, 适用于茶叶快速无损检测。

Abstract: