• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      光譜技術(shù)在茶葉理化指標(biāo)檢測中的研究進展

      2019-04-19 03:52:10郭昊蔚李春霖龔淑英范方媛
      茶葉 2019年1期
      關(guān)鍵詞:識別率綠茶光譜

      郭昊蔚 李春霖 龔淑英 范方媛 陳 萍

      (浙江大學(xué)農(nóng)業(yè)與生物技術(shù)學(xué)院茶學(xué)系,浙江 杭州 310058)

      光譜檢測技術(shù)是利用各種化學(xué)物質(zhì)都具有發(fā)射、吸收或散射光譜譜系的特征,以此來確定物質(zhì)的性質(zhì)、結(jié)構(gòu)以及含量的方法。這類方法能有效地彌補傳統(tǒng)茶葉感官品質(zhì)分析中的一些不足,例如環(huán)境因素、操作誤差以及評茶員個體間差別和主觀性,同時,隨著新技術(shù)研究的深入,能實現(xiàn)對茶葉進行快速、無損的檢測[1]。

      眾所周知,電磁波由于波長和波譜特性不同,可按表1進行劃分[2],γ射線和X射線波長較短,能級較高,對細胞有一定殺傷力,主要用于醫(yī)療和工業(yè)探傷,而波長較長的遠紅外、微波和無線電波,多用于通訊、遙控、熱成像等方面。目前,主要應(yīng)用于茶葉品質(zhì)檢測的波長范圍在200 nm~5×104nm,即近紫外光到中紅外光之間,能利用不同物質(zhì)的化學(xué)鍵與分子結(jié)構(gòu)差異檢測出茶葉中多酚類、氨基酸類、茶多糖類等多種有效成分的含量和組成。

      表1 電磁波譜劃分

      1 紫外-可見光譜(UV-VIS)在茶葉檢測中的應(yīng)用

      早在上世紀(jì)90年代,王林[3]等已經(jīng)用紫外光譜對茶皂素進行研究發(fā)現(xiàn),茶皂素在215 nm處有強吸收峰,并證實是由配基C-21位連接的α、β不飽和共軛雙鍵產(chǎn)生。劉凱等[4]通過紫外光譜特性得出茶葉籽油在230 nm處的吸收結(jié)構(gòu)為共軛雙鍵,270 nm處為三鍵,并且能通過此方法對茶葉籽油的氧化進行檢測。根據(jù)紫外光譜特性,有學(xué)者[5]對茶籽油中摻雜其他植物油進行鑒別,在258 nm下能鑒別出摻雜大豆油和玉米油,R2分別為0.9909和0.9929,在279 nm下能鑒別出摻雜菜籽油、米糠油和棕櫚油,R2分別為0.9921、0.9947和0.9976。汪東風(fēng)[6]通過實驗證實半乳糖醛酸在272~274 nm處有吸收峰,隨后周志[7]與陳小強[8]等都獲得類似結(jié)果,認(rèn)為茶多糖在250~280 nm之間有多個吸收峰,尤其在257 nm處較強,而280 nm是蛋白質(zhì)特征吸收峰,因此推斷茶葉中多糖可能與蛋白質(zhì)以共價鍵結(jié)合。

      在茶葉內(nèi)含成分檢測方面,紫外-可見分光光度法應(yīng)用更為廣泛,茶多酚、游離氨基酸、咖啡堿、茶紅素[9]、茶褐素[10,11]等多種物質(zhì)均能通過氧化還原、衍生等方式進行顯色,在特定波長下有吸收峰,通過測定吸收值確定含量。在多色光源下,不同波長的光通過透鏡時折射率也不同,因此產(chǎn)生色像差,色差技術(shù)也由此產(chǎn)生,該技術(shù)在茶葉檢測中也有廣泛應(yīng)用,陸建良等[12]對64個茶樣進行色差分析和感官審評,結(jié)果表明綠茶、烏龍茶的感官評價總分與L值呈正相關(guān),與a、b值負相關(guān),而紅茶則相反。蘇靜等[13]通過色差技術(shù)研究普洱茶色度值與茶褐素的關(guān)系,建立回歸方程Y=81.305-0.656X1-3.489X2-1.429X3+59.430X4(R2=0.908),認(rèn)為色差技術(shù)可以快速定量普洱茶的茶褐素。

      2 近紅外光譜(NIRS)在茶葉檢測中的應(yīng)用

      近紅外光譜主要記錄有機分子中含氫基團(C-H,N-H,O-H)振動的倍頻與合頻吸收,這些基團產(chǎn)生的吸收峰特征性強,便于判定和分析[14],目前已廣泛應(yīng)用于食品[15]、醫(yī)藥[16]、農(nóng)業(yè)、化工等諸多領(lǐng)域。

      2.1 茶鮮葉和成品茶中內(nèi)含成分的檢測

      近紅外光譜技術(shù)在茶葉成分的無損檢測上已有較為廣泛的應(yīng)用,胡永光[17]采用近紅外光譜技術(shù)來快速檢測茶鮮葉全氮含量,利用一階導(dǎo)數(shù)和滑動平均濾波(MAF)相結(jié)合的預(yù)處理方法,建立偏最小二乘(PLSR)回歸模型,能有效地預(yù)測全氮含量,相關(guān)系數(shù)達到0.8881,而他采用相同方法對綠茶殺青葉含水率進行檢測,相關(guān)系數(shù)為0.819,誤差僅為3.30%,能實現(xiàn)加工過程中茶葉含水率的快速檢測[18]。

      Muhammad Zareef[19]采用傅里葉變換近紅外光譜(FT-NIR)對紅茶內(nèi)含成分進行預(yù)測,能獲得較好的結(jié)果,他認(rèn)為遺傳偏最小二乘法(GA-PLS)是預(yù)測氨基酸和水提物定量的最佳技術(shù),反向區(qū)間偏最小二乘法(Bi-PLS)是定量分析咖啡因和茶黃素的最佳技術(shù),陳全勝[20]也用FT-NIR對紅茶8種主要味覺成分進行研究建模,提出BP-AdaBoost模型預(yù)測效果較好。林新[21]基于近紅外光譜法快速測定了綠茶的水分、茶多酚、咖啡堿、氨基酸含量,采用改進偏最小二乘法(MPLS)建立的定標(biāo)模型,該模型能對水分和茶多酚進行精準(zhǔn)預(yù)測,R2分別達到0.95和0.85。

      2.2 茶葉等級、品種、產(chǎn)地的檢測和判別

      早在20世紀(jì)80年代,就有學(xué)者對不同地區(qū)、品質(zhì)的134 個紅茶茶樣進行研究, 證明了近紅外方法和感官審評法較為一致,誤差相當(dāng)于7個評茶師給出的結(jié)果和4個評茶師給出結(jié)果的平均值之間的誤差,因此該方法在茶葉品質(zhì)判別上具有可行性[22]。2005年,閻守和用近紅外技術(shù)來評估紅碎茶、煎茶、玉露茶的品質(zhì)和價格,證明近紅外的分析結(jié)果和評茶師給出的結(jié)果有很好的相關(guān)性[23]。楊丹[24]通過FT-NIR檢測綠茶全氮含量,并根據(jù)嫩度等級建立了綠茶全氮量的子模型,對綠茶品質(zhì)評價提供依據(jù)。LI[25]采用NIR技術(shù)結(jié)合聯(lián)合區(qū)間偏最小二乘法(siPLS),能夠快速無損區(qū)分出優(yōu)質(zhì)扁形綠茶,準(zhǔn)確率達到93%以上。

      在茶葉品種鑒別方面,陳全勝[26]采用龍井、碧螺春、祁紅和鐵觀音作為樣品,通過標(biāo)準(zhǔn)歸一化(SNV)預(yù)處理后利用SIMCA模式識別方法進行建模,四類模型的對未知茶樣的識別率分別是90%,80%,100%和100%,證明該方法確實是一種快速識別茶樣的方法。李曉麗[27]對5個品種綠茶進行可見-近紅外光譜掃描,通過神經(jīng)網(wǎng)絡(luò)把6個主成分和茶葉品種進行對應(yīng),學(xué)習(xí)了125個樣本,建立3層BP人工神經(jīng)網(wǎng)絡(luò)模型,茶葉品種的識別率高達100%。任廣鑫[28]則是對安徽、湖北、云南、緬甸、印度、肯尼亞和斯里蘭卡七個產(chǎn)地的紅碎茶進行掃描,選取4個主成分因子,以一階導(dǎo)數(shù)+SNV為建模的預(yù)處理方法時,所建立的識別模型效果最佳,對未知產(chǎn)地紅茶識別準(zhǔn)確率達到92.8%,并且認(rèn)為該方法還可以鑒別安徽、湖北等中小葉種與印度、云南等大葉種的原料種類。

      2.3 茶葉真?zhèn)渭捌渌矫骅b定

      在其他方面的檢測,近紅外也有廣泛的應(yīng)用,趙開飛[29]基于近紅外光譜技術(shù)對抹茶摻偽進行定性判別,對純抹茶、摻偽抹茶、摻糖抹茶、摻糊精抹茶、摻桑葉粉抹茶、摻大麥苗粉抹茶進行研究,認(rèn)為PCA-LDA模型結(jié)果最優(yōu),預(yù)測集識別率均在87.5%以上,辨別率非常高。寧井銘基于近紅外技術(shù),對普洱茶的發(fā)酵程度[30]和儲存年份[31]進行判別,在發(fā)酵程度方面,ANN 模型交互驗證識別率和預(yù)測識別率分別為98.9%和97.8%,而陳化程度與紅外特征譜的1120~1570 cm-1和400~853 cm-1兩個波數(shù)間吸收峰的強度和峰形密切相關(guān),因此,能為普洱茶的研究提供較為快捷、可靠、準(zhǔn)確的方法。

      3 其它光譜技術(shù)在茶葉檢測中的應(yīng)用

      3.1 高光譜成像技術(shù)(HSI)

      高光譜成像技術(shù)結(jié)合了空間圖像數(shù)據(jù)信息和光譜技術(shù)所獲得的物質(zhì)光譜特征,是對物體內(nèi)部、外部的全面檢測技術(shù)[32]。由于其“圖譜結(jié)合”的特性,被用于各領(lǐng)域的無損檢測,在茶葉方面,趙杰文[33]對茶樹葉片中葉綠素含量及分布進行分析,根據(jù)二次土壤調(diào)節(jié)植被指數(shù)(Modified second soil-adjusted vegetation index,MSAV12)預(yù)測模型可以較為準(zhǔn)確地估算出葉片表面葉綠素的分布情況,可以為進一步分析植物的營養(yǎng)信息提供服務(wù)。張民和戴春霞分別對鮮葉中的茶多酚和含水率進行預(yù)測分析,均能獲得較準(zhǔn)確的結(jié)果[34-35],對茶鮮葉品質(zhì)把控和后續(xù)加工能提供有力保障。

      寧井銘[36]基于近紅外和高光譜成像,通過灰度級共生矩陣(GLCM)從選定的主波長的圖像提取紋理特征對綠茶,黃茶,白茶,黑茶和烏龍茶共206個樣品進行分類,確定Lib-SVM是輸入數(shù)據(jù)融合的最佳模型,正確的分類率達到98.39%,而蔣帆用高光譜技術(shù)對龍井茶等級進行判定,認(rèn)為在RBF核函數(shù)下,所建立的模型最佳,對未知樣本進行驗證時識別率達到 89%[37]。因此圖像處理技術(shù)和高光譜技術(shù)在茶葉品質(zhì)檢測方面具有很大的潛力。

      3.2 熒光光譜技術(shù)(LIF)

      熒光是物質(zhì)吸收電磁輻射后受到激發(fā)躍遷,再衰變回到基態(tài),變化期間再發(fā)射與激發(fā)輻射波長相同或不同的輻射發(fā)光現(xiàn)象,物質(zhì)的熒光光譜主要由分子的能級結(jié)構(gòu)決定,因此能反映出物質(zhì)內(nèi)部化學(xué)信息。早期主要用于茶葉中微量元素以及重金屬測定[38-39],而Liang Mei[40]等人采用激光誘導(dǎo)熒光光譜技術(shù)結(jié)合奇異值分解(SVD)和線性判斷分析(LDA)評價方法,實現(xiàn)了烏龍茶和茉莉花茶的分類和質(zhì)量評估,Seetohul[41]等人采用總發(fā)光光譜法(TLS)結(jié)合PCA和LDA進行數(shù)據(jù)分類,11種來自斯里蘭卡的紅茶能做到準(zhǔn)確分類,正確率100%。

      3.3 拉曼光譜技術(shù)

      拉曼光譜是光照射到物質(zhì)上發(fā)生的非彈性散射所產(chǎn)生的,通過分子內(nèi)部各種簡正振動頻率及相關(guān)能級的情況來鑒定分子中存在的官能團,可以與紅外光譜互補,衍生出來的技術(shù)包括表面增強拉曼光譜(SERS)、共焦顯微拉曼光譜、傅里葉變換拉曼光譜等[42]。李曉麗團隊對該技術(shù)在茶葉相關(guān)檢測中的應(yīng)用有較多研究,包括類胡蘿卜素含量[43]、茶葉中非法添加色素[44]以及茶樹云紋葉枯病[45]的檢測。鄭華軍[46]等人證實了SERS檢測技術(shù)對茶葉中咖啡堿和L-茶氨酸都有很高的靈敏性,并得出了對應(yīng)的回歸方程Y=10041.0-0.9X807-3.1X1327+1.4X1269+1.3X958(R2=0.9997)和Y=5676.5+30.7X1458-26.7X1251(R2=0.9899),咖啡堿和L-茶氨酸檢測極限分別達到10-9mol/L和10-7mol/L。

      4 結(jié)語

      除了上述研究,還有中紅外光譜、多光譜成像技術(shù)等多種光譜技術(shù)在茶葉上有著越來越廣泛的應(yīng)用,但是也存在不少問題,例如儀器的靈敏度有待提高,數(shù)據(jù)庫的建立有待完善,建模所需的樣品量巨大,所建模型局限性較強,較難實現(xiàn)模型通用,檢測方法受環(huán)境因素的影響較大,以及儀器的便攜性等[47-48],因此在實際生產(chǎn)中實用性有待提高,但是隨著光譜技術(shù)、計量學(xué)方法和計算機技術(shù)的不斷發(fā)展, 以及人們對儀器性能有更深的了解和認(rèn)識,光譜技術(shù)在茶產(chǎn)業(yè)中一定會擁有更廣闊的前景。

      猜你喜歡
      識別率綠茶光譜
      基于三維Saab變換的高光譜圖像壓縮方法
      THE PRICE OF BEAUTY
      漢語世界(2022年3期)2022-06-19 05:49:22
      The Price of Beauty
      綠茶或能預(yù)防和延緩阿爾茨海默病
      基于類圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測
      計算機工程(2020年3期)2020-03-19 12:24:50
      基于真耳分析的助聽器配戴者言語可懂度指數(shù)與言語識別率的關(guān)系
      提升高速公路MTC二次抓拍車牌識別率方案研究
      高速公路機電日常維護中車牌識別率分析系統(tǒng)的應(yīng)用
      星載近紅外高光譜CO2遙感進展
      植物無敵之“綠茶”
      金塔县| 深圳市| 嘉兴市| 正蓝旗| 彩票| 繁昌县| 山阴县| 蓝山县| 轮台县| 如东县| 沙雅县| 通辽市| 亳州市| 天镇县| 长岛县| 米林县| 古蔺县| 吐鲁番市| 平乡县| 祁门县| 大足县| 罗江县| 宁德市| 崇左市| 美姑县| 金堂县| 孝昌县| 浮梁县| 京山县| 丰县| 古田县| 贞丰县| 汕尾市| 南阳市| 青冈县| 绥滨县| 宁陵县| 安泽县| 都兰县| 武汉市| 镇宁|