CN104569310A - 一种基于化学成分的黑茶产地的鉴别方法 - Google Patents
一种基于化学成分的黑茶产地的鉴别方法 Download PDFInfo
- Publication number
- CN104569310A CN104569310A CN201410850293.2A CN201410850293A CN104569310A CN 104569310 A CN104569310 A CN 104569310A CN 201410850293 A CN201410850293 A CN 201410850293A CN 104569310 A CN104569310 A CN 104569310A
- Authority
- CN
- China
- Prior art keywords
- production
- euclidean distance
- black tea
- chemical composition
- major component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Tea And Coffee (AREA)
Abstract
本发明公开了一种基于化学成分的黑茶产地的鉴别方法,步骤包括:选取若干产地的黑茶品种作为标准样,测定标准样化学成分的含量,并进行主成分分析,选取各主成分中权重最大的化学成分为区分因子,以区分因子作为自变量,计算同一产地的标准样之间的平方欧式距离,获得标准样的平方欧式距离范围,再测定待测样的区分因子的化学成分含量,分别计算其与五个产地的标准样之间的平方欧式距离,并将结果与标准样的平方欧式距离范围比较,判定待测样的产地;本发明相比于现有技术,能够实现不同产地黑茶的97%有效区分,为黑茶的分类提供了一个客观、可靠的分类方法。
Description
技术领域
本发明涉及的是茶叶鉴别的技术领域,尤其涉及的是一种基于化学成分的黑茶产地的鉴别方法。
背景技术
黑茶是我国的六大茶类之一,其初加工工艺包括杀青、揉捻、渥堆、干燥四道程序,其中渥堆是形成黑茶品质的关键工序。在长时间的渥堆过程中,微生物参与茶叶内物质的转化,通过茶叶内的化合物发生一系列复杂的化学反应,形成黑茶独有的风味特征,不同产地的黑茶品质上具有一定的相似性,因此,对黑茶产地的区分方法提出了更高的要求。
目前对不同产地黑茶的区分主要靠的是感官审评,茶叶感官审评是通过人的感觉器官检查茶叶产品的特征和品质优次,是一门应用感官分析技术的学科。感觉器官的灵敏度易受外界因素的干扰而改变,从而影响感官审评的准确性。因此,有必要寻找客观、可靠、数字化的黑茶产地区分方法,更好的保护消费者权益。
聚类分析是目前广泛使用的一种建立分类的多元统计分析方法,其实质在于通过研究对象之间的亲疏关系将相似的对象划分为一类,不相似的对象划分到不同的类别中。层次聚类是实际工作中使用最多的一种方法,整个聚类过程可绘成聚类图,类与类之间的距离有各种不同的定义方法,区域单元之间的距离测度方法也有很多种,其中欧式距离和平方欧式距离最为常用,设Xik为第i个样品的第K个指标,每个样品测量了P个变量,样品Xi与Xj间的平方欧式距离可表示为:
发明内容
本发明的目的在于克服现有技术的不足,提供了一种基于化学成分的黑茶产地的鉴别方法,以提供一种客观可靠的黑茶品种的定量分析鉴别方法。
本发明是通过以下技术方案实现的:
一种基于化学成分的黑茶产地的鉴别方法,包括以下步骤:
(1)选取若干产地的黑茶品种作为标准样,所述若干产地包含待测样的产地,测定标准样的没食子酸(GA)、表没食子酸儿茶素(EGC)、表没食子儿茶素没食子酸酯(EGCG)、表儿茶素没食子酸酯(ECG)、(+)-儿茶素(+C)、表儿茶素(EC)、咖啡碱、儿茶素总量、茶氨酸9项化学成分的含量;
(2)对步骤(1)的9项化学成分进行主成分分析,以各标准样的化学成分为变量,按照下式(I)计算各主成分与变量的相关系数,获得相关系数矩阵;再以相关系数矩阵为基础,将主成分按照方差贡献率大小降维排列,取累积方差贡献率达90%以上的前N个主成分;计算各化学成分占该N个主成分的权重,分别选取权重最大的化学成分为各主成分中的代表主成分作为区分因子;
式中:ryjxi指第j个主成分yj与第i个变量xi的相关系数,又称因子载荷;
aji为第j个主成分的最大特征值对应的第i个变量的特征向量;
λj为第j个主成分的特征值;
Si为第i个变量的标准差。
(3)以步骤(2)的区分因子作为自变量,按照下式(II)计算同一产地的标准样之间的平方欧式距离,获得五个产地的标准样的平方欧式距离范围:
式中:Dij为第i个样品与第j个样品之间的平方欧式距离;
Xik为第i个样品的第K个指标;
Xjk为第j个样品的第K个指标,P为自变量个数;
(4)测定待测样的区分因子的成分含量,分别计算其与五个产地的标准样之间的平方欧式距离,并将结果与步骤(3)的五个产地的标准样的平方欧式距离范围比较,若该结果与某产地的标准样的平方欧式距离范围一致,该待测样即为相应产地的黑茶。
所述步骤(2)中,采用SPSS统计软件的Analyze模块下的因子分析做主成分分析。
所述步骤(3)中,平方欧式距离的测定方法为采用SPSS的Analyze模块下层次聚类分析中的组间联结法,以区分因子作为自变量,计算同一产地的标准样之间的平方欧式距离。
所述步骤(1)中,选择五个产地的黑茶品种作为标准样。
所述步骤(1)中,五个产地分别为云南、湖南、广西、湖北和四川,所述待测样的产地出自所述五个产地中的一个。
所述步骤(2)中,取前4个主成分,计算该4个主成分下各化学成分的权重,分别选取权重最大的化学成分为各主成分中的代表主成分作为区分因子。
所述步骤(2)中,区分因子为EGC、咖啡碱、GA和儿茶素。
本发明相比现有技术具有以下优点:本发明提供了一种基于化学成分的黑茶产地的鉴别方法,该方法能够实现不同产地黑茶的有效区分,其区分正确率高达97%;根据数字化的理化指标判定黑茶产地,克服了现有技术中只能通过感官鉴别的不足,为黑茶的分类提供了一个客观、可靠的分类方法;本发明所述方法不仅能够满足普通消费者对黑茶种类区分的要求,还可为国际茶叶贸易中的黑茶种类区分提供参考。
附图说明
图1为标准样之间的聚类分析结果树型图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例1
本实施例适用于鉴别云南、湖南、广西、湖北、四川五个产地的黑茶品种,包括以下步骤:
(1)选取上述五个产地的黑茶品种作为标准样,共计31个样品单元,测定标准样的没食子酸(GA)、表没食子酸儿茶素(EGC)、表没食子儿茶素没食子酸酯(EGCG)、表儿茶素没食子酸酯(ECG)、(+)-儿茶素(+C)、表儿茶素(EC)、咖啡碱、儿茶素总量、茶氨酸9项化学成分的含量,其中GA、EGC、EGCG、ECG、+C、EC、儿茶素总量采用国际标准ISO 14502-2测定,咖啡碱含量采用国际标准ISO 10727-2002测定,茶氨酸含量采用国际标准ISO/WD 19563测定;
(2)采用SPSS统计软件的Analyze模块下的因子分析,对步骤(1)的9项化学成分进行主成分分析,具体为:以各标准样的化学成分为变量,获得相关系数矩阵,再以相关系数矩阵为基础,将主成分按照方差贡献率大小降维排列,获得如表1所示的结果;
其中,相关系数的计算公式为:
式中:ryjxi指第j个主成分yj与第i个变量xi的相关系数,又称因子载荷;
aji为第j个主成分的最大特征值对应的第i个变量的特征向量;
λj为第j个主成分的特征值;
Si为第i个变量的标准差;
表1:各主成分累计方差贡献率结果表
由表1可以看出,前4个主成分所构成的累积方差贡献率为93.638%,基本综合的反映了原来的指标信息;
选择前4个主成分,依次为第一主成分PC1、第二主成分PC2、第三主成分PC3和第四主成分PC4,计算各化学成分占该4个主成分的权重,获得如表2所示的结果:
表2:各化学成分占前4个主成分的权重
由表2可以看出,PC1中儿茶素含量的所占权重最大,选择儿茶素作为第一主成分的代表主成分,PC2中咖啡碱含量的所占权重最大,选择咖啡碱作为第二主成分的代表主成分,以此类推,选择GA和EGC为第三主成分和第四主成分的代表主成分;
(3)以儿茶素、咖啡碱、GA和EGC作为自变量,以产地分类,以31个样品单元为区域单元,采用平方欧式距离(Squared Euclidean distance)测度31个样品单元之间的距离,获得五个产地的平方欧式距离的范围,具体为:
A、云南黑茶之间的平方欧式距离:0~0.416;
B、湖南黑茶之间的平方欧式距离:0.084~0.596;
C、广西黑茶之间的平方欧式距离:0.050~0.872;
D、湖北黑茶之间的平方欧式距离:0.042~0.695;
E、四川黑茶之间的平方欧式距离:0.015~0.650;
将31个样品单元按产地分成5类,采用SPSS统计软件的Analyze模块下层次聚类分析中的组间联结法(Between-groups Linkage)对各产地类与类之间进行聚类,获得如图1所示的云南、湖南、广西、湖北、四川5个产地的黑茶聚类树型图。
从图1的聚类树型图中可以看出:在距离为12时,样品被分为两类,湖南为一类,其他4类茶为一类;在距离为5时,样品被分为3类,云南和广西为一类,四川和湖北为一类,湖南为一类;在距离为4时,样品被完全分开,其中只有湖南一个茶样被错判为四川茶,正确率为97%。
(4)取待测样黑茶,测定其化学成分的质量百分含量分别为:GA含量为0.52%,EGC含量为0.25%,咖啡碱含量为3.92%,儿茶素含量为0.35%;计算待测样与五个产地黑茶标准样之间的平方欧式距离,具体结果如下:
a、待测样与云南黑茶的平方欧式距离:0.057~0.492;
b、待测样与湖南黑茶的平方欧式距离:10.687~15.915;
c、待测样与广西黑茶的平方欧式距离:0.779~2.445;
d、待测样与湖北黑茶的平方欧式距离:4.265~8.170;
e、待测样与四川黑茶的平方欧式距离:3.941~6.810;
将上述结果与步骤(3)的五个产地的标准样的平方欧式距离范围比较,发现待测样与云南黑茶的平方欧式距离范围基本一致,得出该待测样属于云南产地。
Claims (7)
1.一种基于化学成分的黑茶产地的鉴别方法,其特征在于,包括以下步骤:
(1)选取若干产地的黑茶品种作为标准样,所述若干产地包含待测样的产地,测定标准样的没食子酸(GA)、表没食子酸儿茶素(EGC)、表没食子儿茶素没食子酸酯(EGCG)、表儿茶素没食子酸酯(ECG)、(+)-儿茶素(+C)、表儿茶素(EC)、咖啡碱、儿茶素总量、茶氨酸9项化学成分的含量;
(2)对步骤(1)的9项化学成分进行主成分分析,以各标准样的化学成分为变量,按照下式(I)计算各主成分与变量的相关系数,获得相关系数矩阵;再以相关系数矩阵为基础,将主成分按照方差贡献率大小降维排列,取累积方差贡献率达90%以上的前N个主成分;计算各化学成分占该N个主成分的权重,分别选取权重最大的化学成分为各主成分中的代表主成分作为区分因子;
式中:ryjxi指第j个主成分yj与第i个变量xi的相关系数,又称因子载荷;
aji为第j个主成分的最大特征值对应的第i个变量的特征向量;
λj为第j个主成分的特征值;
Si为第i个变量的标准差;
(3)以步骤(2)的区分因子作为自变量,按照下式(II)计算同一产地的标准样之间的平方欧式距离,获得五个产地的标准样的平方欧式距离范围:
式中:Dij为第i个样品与第j个样品之间的平方欧式距离;
Xik为第i个样品的第K个指标;
Xjk为第j个样品的第K个指标,P为自变量个数;
(4)测定待测样的区分因子的成分含量,分别计算其与五个产地的标准样之间的平方欧式距离,并将结果与步骤(3)的五个产地的标准样的平方欧式距离范围比较,若该结果与某产地的标准样的平方欧式距离范围一致,该待测样即为相应产地的黑茶。
2.根据权利要求1所述的一种基于化学成分的黑茶产地的鉴别方法,其特征在于,所述步骤(2)中,采用SPSS统计软件的Analyze模块下的因子分析做主成分分析。
3.根据权利要求1所述的一种基于化学成分的黑茶产地的鉴别方法,其特征在于,所述步骤(3)中,平方欧式距离的测定方法为采用SPSS的Analyze模块下层次聚类分析中的组间联结法,以区分因子作为自变量,计算同一产地的标准样之间的平方欧式距离。
4.根据权利要求1~3任一所述的一种基于化学成分的黑茶产地的鉴别方法,其特征在于,所述步骤(1)中,选择五个产地的黑茶品种作为标准样。
5.根据权利要求4所述的一种基于化学成分的黑茶产地的鉴别方法,其特征在于,所述步骤(1)中,五个产地分别为云南、湖南、广西、湖北和四川,所述待测样的产地出自所述五个产地中的一个。
6.根据权利要求5所述的一种基于化学成分的黑茶产地的鉴别方法,其特征在于,所述步骤(2)中,取前4个主成分,计算该4个主成分下各化学成分的权重,分别选取权重最大的化学成分为各主成分中的代表主成分作为区分因子。
7.根据权利要求6所述的一种基于化学成分的黑茶产地的鉴别方法,其特征在于,所述步骤(2)中,区分因子为EGC、咖啡碱、GA和儿茶素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410850293.2A CN104569310A (zh) | 2014-12-31 | 2014-12-31 | 一种基于化学成分的黑茶产地的鉴别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410850293.2A CN104569310A (zh) | 2014-12-31 | 2014-12-31 | 一种基于化学成分的黑茶产地的鉴别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104569310A true CN104569310A (zh) | 2015-04-29 |
Family
ID=53085866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410850293.2A Pending CN104569310A (zh) | 2014-12-31 | 2014-12-31 | 一种基于化学成分的黑茶产地的鉴别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104569310A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104914190A (zh) * | 2015-06-23 | 2015-09-16 | 福建省农业科学院农业工程技术研究所 | 一种茶叶种类鉴别和21种特征成分含量测定的方法 |
CN105021561A (zh) * | 2015-06-12 | 2015-11-04 | 湖北省农业科学院果树茶叶研究所 | 一种用近红外光谱仪扫描预测青砖茶原料渥堆程度的方法 |
CN106324106A (zh) * | 2015-06-15 | 2017-01-11 | 财团法人食品工业发展研究所 | 区别两不同产地的同一种茶叶产品的方法 |
CN106909774A (zh) * | 2017-01-10 | 2017-06-30 | 亳州职业技术学院 | 牡丹皮商品规格等级标准制定方法 |
CN107515271A (zh) * | 2017-08-21 | 2017-12-26 | 中国农业科学院特产研究所 | 一种鹿茸分区方法 |
CN108717078A (zh) * | 2018-05-28 | 2018-10-30 | 安徽农业大学 | 一种基于化学成分的茶类判别方法 |
CN108760870A (zh) * | 2018-05-28 | 2018-11-06 | 安徽农业大学 | 基于化学成分的茶类判别方法 |
CN109164190A (zh) * | 2018-10-16 | 2019-01-08 | 云南清莲生物科技有限公司 | 一种区分不同产地红茶的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101089245A (zh) * | 2006-12-30 | 2007-12-19 | 中国医学科学院放射医学研究所 | 一种中药复方药效物质基础的虚拟筛选方法 |
CN101387625A (zh) * | 2008-10-27 | 2009-03-18 | 川渝中烟工业公司 | 烤烟产区综合评价方法 |
JP2009148236A (ja) * | 2007-12-20 | 2009-07-09 | Glycoresearch Kk | 線維芽細胞の細胞識別方法 |
CN103120361A (zh) * | 2012-10-16 | 2013-05-29 | 红塔烟草(集团)有限责任公司 | 一种基于化学成分分布规律的烟叶分切方法 |
CN103217408A (zh) * | 2013-05-14 | 2013-07-24 | 贵州大学 | 一种鉴别贵州两类不同香型烤烟的方法 |
CN103364503A (zh) * | 2013-07-22 | 2013-10-23 | 安徽农业大学 | 一种基于化学成分的普洱晒青毛茶指纹图谱识别方法 |
CN104215750A (zh) * | 2014-10-10 | 2014-12-17 | 河南农业大学 | 基于烟叶化学成分的植烟土壤综合评价方法 |
-
2014
- 2014-12-31 CN CN201410850293.2A patent/CN104569310A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101089245A (zh) * | 2006-12-30 | 2007-12-19 | 中国医学科学院放射医学研究所 | 一种中药复方药效物质基础的虚拟筛选方法 |
JP2009148236A (ja) * | 2007-12-20 | 2009-07-09 | Glycoresearch Kk | 線維芽細胞の細胞識別方法 |
CN101387625A (zh) * | 2008-10-27 | 2009-03-18 | 川渝中烟工业公司 | 烤烟产区综合评价方法 |
CN103120361A (zh) * | 2012-10-16 | 2013-05-29 | 红塔烟草(集团)有限责任公司 | 一种基于化学成分分布规律的烟叶分切方法 |
CN103217408A (zh) * | 2013-05-14 | 2013-07-24 | 贵州大学 | 一种鉴别贵州两类不同香型烤烟的方法 |
CN103364503A (zh) * | 2013-07-22 | 2013-10-23 | 安徽农业大学 | 一种基于化学成分的普洱晒青毛茶指纹图谱识别方法 |
CN104215750A (zh) * | 2014-10-10 | 2014-12-17 | 河南农业大学 | 基于烟叶化学成分的植烟土壤综合评价方法 |
Non-Patent Citations (3)
Title |
---|
张志祥 等: "基于主成分分析和聚类分析的 FTIR不同地理居群香果树多样性分化研究", 《光谱学与光谱分析》, vol. 28, no. 9, 30 September 2008 (2008-09-30), pages 2081 - 2086 * |
张明鸣 等: "化学成分结合统计分析鉴别不同产地绿茶的研究", 《安徽农业大学学报》, vol. 41, no. 5, 27 August 2014 (2014-08-27), pages 751 - 756 * |
肖俊松 等: "茶叶中茶多酚和生物碱的测定及聚类和线性判别分析", 《食品科学》, vol. 31, no. 22, 15 November 2010 (2010-11-15), pages 343 - 348 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105021561A (zh) * | 2015-06-12 | 2015-11-04 | 湖北省农业科学院果树茶叶研究所 | 一种用近红外光谱仪扫描预测青砖茶原料渥堆程度的方法 |
CN106324106A (zh) * | 2015-06-15 | 2017-01-11 | 财团法人食品工业发展研究所 | 区别两不同产地的同一种茶叶产品的方法 |
CN106324106B (zh) * | 2015-06-15 | 2020-04-24 | 财团法人食品工业发展研究所 | 区别两不同产地的同一种茶叶产品的方法 |
CN104914190A (zh) * | 2015-06-23 | 2015-09-16 | 福建省农业科学院农业工程技术研究所 | 一种茶叶种类鉴别和21种特征成分含量测定的方法 |
CN106909774A (zh) * | 2017-01-10 | 2017-06-30 | 亳州职业技术学院 | 牡丹皮商品规格等级标准制定方法 |
CN107515271A (zh) * | 2017-08-21 | 2017-12-26 | 中国农业科学院特产研究所 | 一种鹿茸分区方法 |
CN108717078A (zh) * | 2018-05-28 | 2018-10-30 | 安徽农业大学 | 一种基于化学成分的茶类判别方法 |
CN108760870A (zh) * | 2018-05-28 | 2018-11-06 | 安徽农业大学 | 基于化学成分的茶类判别方法 |
CN109164190A (zh) * | 2018-10-16 | 2019-01-08 | 云南清莲生物科技有限公司 | 一种区分不同产地红茶的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104569310A (zh) | 一种基于化学成分的黑茶产地的鉴别方法 | |
CN103630528B (zh) | 一种利用茶叶中元素含量鉴别茶叶产地的方法 | |
CN104316491B (zh) | 基于同步‑异步二维近红外相关谱检测牛奶掺尿素的方法 | |
CN104699077B (zh) | 一种基于嵌套迭代费舍尔判别分析的故障变量隔离方法 | |
Canizo et al. | Intra-regional classification of grape seeds produced in Mendoza province (Argentina) by multi-elemental analysis and chemometrics tools | |
CN105181650B (zh) | 一种使用近红外光谱技术快速鉴别茶叶品种的方法 | |
CN110033141B (zh) | 一种脱硫系统运行工况数据库的建立方法 | |
CN105334185B (zh) | 基于光谱投影判别的近红外模型维护方法 | |
CN105044298A (zh) | 一种基于机器嗅觉的蟹类新鲜度等级检测方法 | |
CN105954412B (zh) | 用于山核桃新鲜度检测的传感器阵列优化方法 | |
CN107478599B (zh) | 一种饲料原料中非法添加物三聚氰胺甲醛树脂的检测方法 | |
CN102087212A (zh) | 基于主成份分析的葛粉掺假鉴别方法 | |
Song et al. | Wood materials defects detection using image block percentile color histogram and eigenvector texture feature | |
CN102692482B (zh) | 一种基于茶叶生化成分的乌龙茶产地判别方法 | |
CN104316660A (zh) | 快速检测豆瓣酱风味、等级及产品溯源的方法 | |
CN108844941A (zh) | 一种基于拉曼光谱和pca-hca的不同品位磷矿的鉴别和分类方法 | |
Harnly et al. | Probability of identification: adulteration of American ginseng with Asian ginseng | |
CN104502299A (zh) | 一种利用近红外光谱技术鉴别五常稻花香大米的方法 | |
Ren et al. | Keemun black tea: Tracing its narrow-geographic origins using comprehensive elemental fingerprinting and chemometrics | |
CN104132968A (zh) | 一种大米地理标志的鉴别方法及其应用 | |
CN106940292A (zh) | 基于多光谱成像技术的虫蛀巴旦木原料快速无损鉴别方法 | |
Małyjurek et al. | Combining class-modelling and discriminant methods for improvement of products authentication | |
CN103870807A (zh) | 一种高光谱混合核rx异常检测方法 | |
CN114331474A (zh) | 一种模糊线性判别分析的牛奶产地溯源方法 | |
CN106338488A (zh) | 一种转基因豆奶粉的快速无损鉴别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150429 |