基于内在品质参数的乌龙茶等级判别模型建立

文献类型： 中文期刊

第一作者： 刘翠玲

作者： 刘翠玲;秦冬;凌彩金;郜礼阳;周巧仪;孙晓荣;吴静珠;昝佳睿

作者机构：

关键词： 乌龙茶品质参数;高光谱技术;特征提取;反向误差神经网络;最小二乘支持向量机

期刊名称： 食品工业科技

ISSN： 1002-0306

年卷期： 2023 年 44 卷 012 期

页码： 308-318

收录情况： 北大核心 ; CSCD

摘要： 茶叶等级评价是检测茶叶品质的重要技术手段,科学建立茶叶等级评价模型具有重要意义.本文以102个乌龙茶为研究对象,采用多种特征值筛选方法结合支持向量机算法建立基于特征内在品质参数的乌龙茶等级评价模型.同时,采用高光谱技术结合化学计量学,对特征品质参数建立基于特征波长的粒子群算法优化反向误差神经网络神经网络(PSO-BP)和麻雀搜索算法优化最小二乘支持向量机(SSA-LSSVM)的定量预测模型,最后对定量预测的化学值模型验证.结果表明,当参数组合酯型儿茶素、简单儿茶素、茶多酚、水浸出物、咖啡碱、表没食子儿茶素没食子酸酯(EGCG)六种化学值时的乌龙茶等级模型判别准确率最高,训练集的准确率为97.22%,预测集准确率为93.33%.基于特征波长的麻雀搜索算法优化最小二乘支持向量机(SSA-LSSVM)定量预测模型的预测精度更高且均方根误差更低,预测集的决定系数R2均在0.93~0.99之间.随机抽取30个乌龙茶样本六种化学值的最佳预测值,其判别准确率达90%.综上所述,基于内在品质参数组合对不同等级的乌龙茶准确判别是可行的,且基于高光谱技术的预测模型可以快速精准的获得其化学值大小,预测的化学值也能准确的判别不同乌龙茶品质等级,同时为科学判别茶叶品质等级领域提供了新的分析思路和应用实例.

分类号： TS272.7

  • 相关文献

[1]基于高光谱的番茄叶片斑潜蝇虫害检测. 李翠玲,姜凯,马伟,王秀,孟志军,赵学观,宋健. 2018

[2]基于高光谱植被指数的马铃薯叶片叶绿素含量估测模型. 郑顺林,周少猛,张琴,袁继超,胡建军. 2016

[3]基于BP神经网络对薇甘菊预处理方法的选取. 黄亦其,李婕,赵建晔,杨睿,李岩舟,孙中宇,乔曦. 2020

[4]高光谱技术在作物叶绿素含量检测中的应用研究进展. 刘燕德,孙祥,杨信廷,张光伟. 2013

[5]高光谱技术检测农产品成熟度研究进展. 张义志,王瑞,张伟峰,卢晓华,高远,顾毓敏,王大彬. 2020

[6]预处理对土壤有机质光谱估算的影响. 杨莎,王超,杨武德,冯美臣,刘婷婷,乔星星,李广信,张煊,徐菁,张月. 2020

[7]基于冠层高光谱信息的水稻生长监测应用研究进展. 张晗,赵小敏,郭熙,张佳佳,叶春,叶英聪,欧阳真程,王芳东,李小毛. 2018

[8]基于高光谱的工夫红茶发酵品质程度判别方法(英文). 杨崇山,董春旺,江用文,安霆,赵岩. 2021

[9]基于光谱理论的作物营养诊断研究进展. 王磊,白由路. 2006

[10]基于高光谱技术的花椰菜农药残留检测. 沈兵兵,姚星伟,王怀文. 2022

[11]基于混沌理论的害虫发生量非线性建模与预测. 万方浩. 2015

[12]最小二乘支持向量机方法对冬小麦叶面积指数反演的普适性研究. 谢巧云,黄文江,梁栋,彭代亮,黄林生,宋晓宇,张东彦,杨贵军. 2014

[13]基于近红外光谱分析技术的转Bt基因水稻种子及其亲本快速鉴别方法. 林萍,高明清,陈永明. 2019

[14]基于高光谱和PLS-LS-SVM的冬小麦叶绿素含量检测. 王伟,彭彦昆,王秀,马伟. 2010

[15]谷物联合收割机收获小麦含杂率高光谱反演研究. 陈满,倪有亮,金诚谦,徐金山,袁文胜. 2019

[16]基于最小二乘支持向量机的灌区粮食产量预测研究(英文). 宰松梅,贾艳辉,温季,郭冬冬. 2009

[17]LS-SVM的梨可溶性固形物近红外光谱检测的特征波长筛选. 樊书祥,黄文倩,李江波,赵春江,张保华. 2014

[18]基于最小二乘支持向量机的人民胜利渠灌区灌溉用水量预测. 宰松梅,郭冬冬,温季. 2009

[19]基于LS-SVM的烤烟烟叶产地判别. 章英,贺立源,叶颖泽,吴昭辉. 2012

[20]基于可见/近红外光谱谱区有效波长的梨品种鉴别. 李江波,赵春江,陈立平,黄文倩. 2013

作者其他论文 更多>>

微信小程序