CN107505358B - 一种基于电特性参数的红茶发酵品质指标的检测方法 - Google Patents

一种基于电特性参数的红茶发酵品质指标的检测方法 Download PDF

Info

Publication number
CN107505358B
CN107505358B CN201710829263.7A CN201710829263A CN107505358B CN 107505358 B CN107505358 B CN 107505358B CN 201710829263 A CN201710829263 A CN 201710829263A CN 107505358 B CN107505358 B CN 107505358B
Authority
CN
China
Prior art keywords
index
fermentation
quality
electrical characteristic
characteristic parameter
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.)
Active
Application number
CN201710829263.7A
Other languages
English (en)
Other versions
CN107505358A (zh
Inventor
董春旺
梁高震
王近近
江用文
袁海波
邓余良
滑金杰
李佳
杨艳芹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tea Research Institute Chinese Academy of Agricultural Sciences
Original Assignee
Tea Research Institute Chinese Academy of Agricultural Sciences
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tea Research Institute Chinese Academy of Agricultural Sciences filed Critical Tea Research Institute Chinese Academy of Agricultural Sciences
Priority to CN201710829263.7A priority Critical patent/CN107505358B/zh
Publication of CN107505358A publication Critical patent/CN107505358A/zh
Application granted granted Critical
Publication of CN107505358B publication Critical patent/CN107505358B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
    • G01N27/041—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/22—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance

Landscapes

  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)

Abstract

本发明涉及食品检测技术领域，尤其涉及一种基于电特性参数的红茶发酵品质指标的检测方法，将不同程度发酵的茶叶分别置于电特性测试系统中进行并联等效电容、复阻抗、电阻、电抗、损耗因子和相位损耗角等电特性参数的测定，同时检测感官评分、茶黄素、茶红素和茶褐素等品质指标，用电特性参数和品质指标数据建立数据库，对数据库中的数据进行特征电特性参数的筛选，并建立红茶发酵品质预测模型，以适当的相对标准偏差值作为模型预测能力的指标。本发明的检测方法克服了人工感官评审和理化检测的不足，提高红茶发酵品质评价的客观性和精准性，可实现自动化、智能化和精准化发酵控制，在茶叶品质指标检测中表现出很好的现实意义和应用前景。

Description

一种基于电特性参数的红茶发酵品质指标的检测方法
技术领域
本发明涉及食品检测技术领域，尤其涉及一种基于电特性参数的红茶发酵品质指标的检测方法。
背景技术
红茶作为我国的特有茶，在国际茶叶市场上占有重要的位置。红茶生产工艺一般为：鲜叶→萎凋→揉捻→发酵→干燥，其中的发酵工序是提升红茶品质的关键。发酵的实质是茶叶细胞膜受损后发生以多酚类化合物为主体的酶促或非酶促氧化反应，氧化反应最初形成茶黄素(TFs)，茶黄素进一步氧化形成茶红素(TRs)，茶红素进一步氧化形成茶褐素(TBs)，茶黄素为橙黄色，茶红素为红色，茶褐素为暗褐色，整个发酵物质的颜色是逐步加深的，且茶褐素、茶黄素和茶红素均能溶于热水，是不同发酵程度形成不同汤色的主要物质基础。茶叶发酵过程中形成的茶褐素、茶黄素和茶红素为主的一系列有机色素类物质形成了红茶特有的色、香、味等不同品质的过程。
国内外红茶发酵品质检测技术的相关研究，主要集中在对红碎茶的质量等级、产地的判别上，针对加工过程中发酵品质检测及评价的研究报道较少；传统发酵品质的评价常需借助专家感官评审或理化检测手段，但感官评审易受环境、心理、主观经验等因素影响，而理化检测具有周期长、成本高等缺点，红茶加工过程中在制品的有效信息不能实时反馈，难以满足在线、快速的生产时效性要求，需组建便携、简易和利于集成化的专用仪器，并拓展多物理量的传感器信号检测手段。因此开发一种精准把握发酵品质的检测方法具有重要的意义。
通常认为生物体细胞是由细胞外液、细胞内液和细胞膜组成，由于细胞液导电性强，细胞膜具有一定的绝缘性，所以从电学的角度可将其看作是由类似于电阻和电容组合而成的串联或者并联电路，当生物体置于外加电场中时，可引起其体内分子中束缚电荷的响应。电特性检测技术是利用待测物质电磁特性变化建立与内含成分的内在联系，进而实现食品品质或物料属性检测的一种快速无损检测方法，其主要参数包括：电容、电阻、电抗、损耗因子和阻抗等。红茶发酵过程样品置于电场中时，对电场电荷有阻碍、容纳、损耗、传导等作用，随着发酵样品内质成分、结构和生理状态的改变，这些参数会发生变化。目前，电特性参数在果蔬、谷物等农产品品质成分、质量监测方面得到了广泛的应用。但对茶叶的应用研究较少，且对红茶发酵过程中在制品品质检测的应用未见报道。
发明内容
有鉴于此，本发明的目的是提供一种基于电特性参数的红茶发酵品质指标的检测方法，旨在克服人工感官评审和理化检测的不足，提高红茶发酵品质评价的客观性和精准性，为进一步实现自动化、智能化和精准化发酵控制技术提供理论基础，在茶叶检测中表现出很好的应用前景。
本发明通过以下技术手段解决上述技术问题：
一种基于电特性参数的红茶发酵品质指标的检测方法，将不同程度发酵的茶叶分别置于电特性测试系统中进行电特性参数的测定，同时检测品质指标，用电特性参数和品质指标数据建立数据库，对数据库中的数据进行筛选处理，从而建立红茶发酵品质预测模型，包括以下步骤：
S1.电特性测试系统的构建，所述电特性测试系统包括电桥测试仪、测试电极、取样盒、运行主机和采集软件，所述取样盒上安装有分散器，所述电桥测试仪通过R232串口与运行主机进行数据交换，并通过双绞屏蔽线连接两个测试电极；
S2.样品电特性参数的测定，将不同发酵时间的茶叶样品，分别加入取样盒中，茶叶样品通过分散器后自然散落堆积，并使茶叶样品淹没测试电极，分别于不同频率下测量电特性参数；
S3.样品发酵品质的检测，检测不同发酵时间茶叶样品的品质指标，所述品质指标包括感官评分、茶黄素指标、茶红素指标和茶褐素指标；
S4.数据筛选处理及预测模型建立，对电特性参数进行标准化预处理，采用蒙特卡罗无信息变量消除法和竞争性自适应权重取样法联合对不同频率下的多个电特性参数进行筛选，得到筛选变量，基于筛选变量所建的PLS模型建立多个品质指标的预测模型，最后根据相对分析误差值判断预测模型的预测性能,确定各品质指标所对应的最佳定量预测模型；
S5.样品发酵品质指标的快速检测，通过数据线连接到电脑客户端，实时传输发酵样品的电特性参数数据，结合采集软件写入的预测模型，在软件界面端实时分析发酵样本各发酵品质指标的预测值，实现红茶发酵中品质指标的定量快速检测。
进一步，所述测试电极为铜制平行平板电极板，所述电极板的面积为20cm2，所述取样盒的底板一侧与侧板铰接、对应的另一侧与相应的侧板可拆卸连接，所述分散器包括电机、转轴和环绕固定在转轴上的拨齿，所述转轴与电机传动连接，所述转轴的转速大于1000r/min。
进一步，所述电桥测试仪的测试频率范围为50Hz～200kHz。
电桥测试仪的电参数测试电路分为串联、并联等效电路模型，通常低阻抗元件用串联，从数值上说阻抗小于100欧姆用串联，而本发明中阻抗最小值大于200欧姆，故选用并联测试电路下的电参数。
进一步，所述茶叶样品是经揉捻后的茶叶于温度27℃、湿度＞90％的人工气箱中发酵6h，于0～6h不同发酵时间取样得到的样品。
进一步，所述S2中的电特性参数包括并联等效电容、复阻抗、电阻、电抗、损耗因子和相位损耗角。
茶叶发酵样品可视为电容器的内部介质，当电极板间电流通过红茶样品时，即构成电容器等效电路，经过对检测信号的代数处理，终端界面可接收到复阻抗Z、并联等效电容Cp、电抗X、损耗因子D和相位损耗角θ等电特性参数值。
进一步，所述S2中电特性参数的测试条件为测试电压1V，测试频率0.05～200kHz。
进一步，所述茶黄素指标、茶红素指标和茶褐素指标采用高效液相色谱法进行测定。
进一步，所述标准化预处理为主要采用多元散射校正、离差标准化、Smooth、S/G2st和Zscore方法对电特性参数原始数据分别进行预处理。
进一步，所述S4中采用蒙特卡罗无信息变量消除法和竞争性自适应权重取样法联合对不同频率下的多个电特性参数进行优选后，得出与各品质指标最相关电参数均为损耗因子和电抗。
进一步，所述感官评分的指标检测的特征频率为：0.06kHz、0.1kHz、0.2kHz、0.3kHz、0.4kHz、0.6kHz、0.8kHz、2kHz、60kHz，稳定性高的变量为电参数的损耗因子D和电抗X，其中0.4kHz频率下D变量的RI值最高，达到4.53；所述茶黄素指标检测的特征频率为：0.1kHz、1kHz、2kHz、8kHz、20kHz、30kHz、40kHz、150kHz，稳定性高的变量为电参数的损耗因子D和电抗X，其中1kHz频率下X变量的RI值最高，达到3.17；所述茶红素指标检测的特征频率分别为：0.6kHz、1kHz、2kHz、80kHz、150kHz，稳定性高的变量为电参数的损耗因子D和电抗X，其中0.6kHz频率下X变量的RI值最高，达到3.47；所述茶褐素指标检测的特征频率分别为：0.06kHz、0.08kHz、0.1kHz、0.3kHz、0.5kHz,0.6kHz，稳定性高的变量为电参数的损耗因子D和电抗X，其中0.1kHz频率下X变量的RI值最高，达到4.51。
进一步，所述S4中相对分析误差值判断预测模型预测性能的标准如下：相对分析误差值＞2，预测模型具有极好的预测能力；相对分析误差值位于1.8～2.0，预测模型预测效果较好，能够用于样品的定量分析；相对分析误差值位于1.4～1.8，预测模型能够对样品做粗略预测和关联评估；相对分析误差值＜1.4，预测模型预测很差，无法应用。
本发明的有益效果：
(1)本发明的红茶发酵品质指标检测方法具有操作简单、迅速、无损、灵敏及实时检测的优点；
(2)本发明明确了各检测频率下电特性参数在发酵过程中的变化规律。结果表明，发酵中电阻抗、电抗、阻抗角和损耗因子均逐渐增加，电容随发酵周期的延长逐渐减小，说明发酵过程中阻碍电荷传递的物质越来越多。
(3)本发明的红茶发酵品质指标检测方法中基于MCUVE-CARS方法筛选的特征变量，建立预测各发酵品质指标的PLS定量分析模型，感官评分、茶黄素、茶红素和茶褐素预测模型的RPD值分别为2.593、1.517、1.851和2.920，表明各品质指标的预测模型定量分析时均具有良好性能，即所设计的电参数检测系统结合变量筛选方法可实现对发酵品质指标的量化评价，从而克服人工感官评审和理化检测的不足，提高红茶发酵品质评价的客观性和精准性；
(4)本发明的红茶发酵品质指标检测方法中的电特性测试系统可以安装在批量红茶发酵过程中，从而实现发酵品质指标的现场和实时在线检测；
(5)本发明的红茶发酵品质指标检测方法为进一步实现自动化、智能化和精准化发酵控制技术提供理论基础，在茶叶检测中有较好的应用前景。
附图说明
图1是本发明一种基于电特性参数的红茶发酵品质指标的检测方法的流程图；
图2是本发明一种基于电特性参数的红茶发酵品质指标的检测方法中电特性测试系统的结构示意图；
其中，运行主机1、电桥测试仪2、测试电极3、取样盒4、底板5、电机61、转轴62、拨齿63；
图3是0.05kHz～200KHz范围内的测试频率对红茶发酵样品电参数的影响曲线图；
图4是不同电参数分别与感官评分、茶黄素、茶红素、茶褐素线性相关性曲线图；
图5是MCUVE-CARS筛选与感官评分相关的特征电参数的过程图；
图6是MCUVE-CARS-PLS模型预测红茶发酵中感官评分、茶黄素、茶红素和茶褐素的校正集和预测集中真值与预测值的散点图。
具体实施方式
以下将结合附图和具体实施例对本发明进行详细说明：
如图1所示，本发明的一种基于电特性参数的红茶发酵品质指标的检测方法，是将不同程度发酵的茶叶分别置于电特性测试系统中进行电特性参数的测定，同时检测品质指标，用电特性参数和品质指标数据建立数据库，对数据库中的数据进行处理，从而建立红茶发酵品质预测模型，包括以下步骤：
S1.电特性测试系统的构建，所述电特性测试系统包括电桥测试仪、测试电极、取样盒、运行主机和采集软件，所述取样盒上安装有分散器，所述电桥测试仪通过R232串口与运行主机进行数据交换，并通过双绞屏蔽线连接两个测试电极；
S2.样品电特性参数的测定，将不同发酵时间的茶叶样品，分别加入取样盒中，茶叶样品通过分散器后自然散落堆积，并使茶叶样品淹没测试电极，分别于不同频率下测量电特性参数；
S3.样品发酵品质的检测，检测不同发酵时间茶叶样品的品质指标；
S4.数据筛选处理及预测模型建立，对电特性参数进行标准化预处理，采用无信息变量消除法和竞争性自适应权重取样法联合对不同频率下的多个电特性参数进行筛选，得到筛选变量，基于筛选变量所建的PLS模型建立多个品质指标的预测模型，最后根据相对分析误差值判断预测模型的预测性能,确定各品质指标所对应的最佳定量预测模型；
S5.样品发酵品质指标的快速检测，通过数据线连接到电脑客户端，实时传输发酵样品的电特性参数数据，结合采集软件写入的预测模型，在软件界面端实时分析发酵样本各发酵品质指标的预测值，实现红茶发酵中品质指标的定量快速检测。
下面将通过具体实施例对本发明的一种基于电特性参数的红茶发酵品质指标检测方法进行详细说明，红茶发酵品质指标检测方法具体操作步骤如下：
步骤一，电特性测试系统的构建
如图2所示，本实施例的电特性测试系统包括电桥测试仪2、测试电极3、取样盒4、运行主机1和采集软件。电桥测试仪2的测试频率范围为50Hz～200kHz，选用并联测试电路下的电参数，电桥测试仪2通过R232串口与运行主机1进行数据交换，并通过双绞屏蔽线连接两个测试电极3。测试电极3为紫铜制平行平板电极板，电极板的面积为20cm2，其长和宽分别为5cm、4cm。取样盒4的底板5一侧与侧板铰接、对应的另一侧与相应的侧板可拆卸连接，这样的结构使底板5可绕一侧旋转，经检测的样品可从取样盒底部取出，取样盒4上安装有分散器，分散器包括电机61、转轴62和环绕固定在转轴62上的拨齿63，转轴62与电机61传动连接，电机61转动带动转轴62转动。本实施例定制了终端采集系统及界面，实现测试数据的自动记录。
步骤二，样品电特性参数的测定
采摘福鼎大白品种的一芽一叶用来发酵制备红茶，采摘的茶叶及时自然摊放至水分含量约60％时，采用40型揉捻机，按照空揉、轻压、中压和重压各交替方式进行揉捻后，在温度为27℃、发酵湿度大于90％的人工气候箱中发酵6h。
将茶叶样品通过转动的分散器后自然散落，加入取样盒4中，至茶叶样品淹没测试电极3，测定0.05～200kHz频率范围内的0.05kHz、0.06kHz、0.08kHz、0.1kHz、0.2kHz、0.3kHz、0.4kHz、0.5kHz、0.6kHz、0.8kHz、1kHz、2kHz、3kHz、4kHz、6kHz、8kHz、10kHz、50kHz、100kHz、150kHz和200kHz27个频率点，电压为1伏特的正弦波，测定茶叶样品发酵0～6h时间范围内样品的电特性参数，包括并联等效电容Cp、复阻抗Z、电阻R、电抗X、损耗因子D和相位损耗角θ。每隔0.5h取样置于取样盒4中测定一次，测定时每个样品重复6次，然后将各参数值的均值作为各电学参数的测定值，测定的结果如图3所示。
其中，图3-A和图3-B分别是频率对复阻抗和电阻的影响曲线图，红茶发酵样品的复阻抗和电阻值随着频率的增大而逐渐减小，而且二者均在低频范围内变化较大；另外，发酵时间对电参数的频率特性具有较大影响，二者均随发酵的进行逐渐增加。图3-C是频率对阻抗角的影响曲线图，红茶发酵样品的阻抗角随着频率的增大呈先增后降的变化规律，而且在低频范围内变化较大，阻抗角在2kHz后变化幅度急剧收窄。图3-D是频率对电抗的影响曲线图，红茶发酵样品的电抗值随着频率的增大呈先增后降的变化规律，且在中低频范围内变化较大，发酵时间对电抗的频率特性具有较大影响，在低频段，其随发酵的进行逐渐增加，在高频段随发酵时间逐渐降低。图3-E是频率对电容的影响曲线图，红茶发酵样品的电容值随着频率的增大，先急剧降低，而后在300Hz后变化幅度急剧收窄，并趋于稳定的变化规律，发酵时间对低频段的电容特性具有较大影响，在低频范围内变化较大。图3-F是频率对损耗因子的影响曲线图，红茶发酵样品的损耗因子随着频率的增大呈先增后降的变化规律，而且在低频范围内变化较大，损耗因子在10kHz后变化幅度急剧收窄。图3-G是测试频率对电阻-电抗的影响曲线图，结合图3-B和图3-D可知，红茶发酵样品的电抗值随着电阻值的增大呈现先增大后降低的趋势，而且不同的发酵时间具有相似的变化趋势，随着发酵的进行电阻-电抗波幅(图谱中电抗的最小绝对值)逐渐增大，其中发酵3h(2.5h和3h几乎重叠)时，波幅由对照的29.06Ω增加到了34.43Ω，相比于2h增加了11.35％。
以上数据分析结果表明，检测频率对红茶发酵样品电参数有明显的影响，发酵时间对电参数的低频率特性具有较大影响。发酵中电阻抗、电抗、阻抗角和损耗因子均逐渐增加，电容随发酵周期的延长逐渐减小，说明发酵过程中阻碍电荷传递的物质越来越多。
步骤三，样品发酵品质的检测
在红茶发酵过程中每隔0.5h进行电特性参数测定的同时，取100g同发酵时间节点的发酵样品于液氮中，重复3次，经冷冻干燥处理后，置于-20℃的冰箱中储藏至检测。按照国标法《GB/T 30483-2013茶叶中茶黄素的测定-高效液相色谱法》测定茶色素含量，即茶黄素、茶红素和茶褐素的含量。另外取每个同发酵时间节点的发酵样品于120℃毛火、90℃足火进行干燥处理后，依据GB/T 23776-2009《茶叶感官审评方法》及密码审评形式，评定各发酵时间节点下的成品红茶的感官品质，并计算审评总分。
为了证明电特性参数与红茶发酵品质指标具有相关性，本实施例中对不同电特性参数分别与各发酵品质指标(感官评分、茶黄素、茶红素、茶褐素)进行线性相关分析，不同电激励频率下相关系数如图4所示。
图4-A是电参数与感官评分的相关性分析曲线图，在所测试的27个频率点下Z、R与感官评分正相关，相关系数随着测试频率的增加先增后降，绝对值均小于0.4。X、θ和D小于2kHz时，与感官评分呈正相关；大于2kHz时，与感官评分呈负相关，且随着电激励频率升高，相关系数值呈先降低后增大的趋势。Cp与感官评分呈负相关，且呈先降后升趋势。X、θ和D与感官评分的相关性相对较大；Z、R和Cp与感官评分的相关性相对较小。0.8kHz时，感官评分与D值的相关系数绝对值达到最大值0.91。
图4-B是电参数与茶黄素的相关性分析曲线图，在所测试的27个频率点下Z、R与茶黄素含量呈负相关，相关系数受频率的影响较小，绝对值稳定在0.9左右。X小于200Hz时，与茶黄素含量负相关；大于200Hz时，与茶黄素含量正相关。θ和D小于1kHz时，与茶黄素含量负相关；大于1kHz时，与茶黄素含量正相关。Cp与茶黄素含量呈正相关，呈先略降后升的趋势，最高达0.94。X、θ、D和Cp与茶黄素含量的相关性相对较大；Z、R与茶黄素含量的相关性相对较小。
图4-C是电参数与茶红素的相关性分析曲线图，与图4-B类似，Z、R与茶红素含量呈负相关，相关系数受频率的影响较小，绝对值为0.9左右。X小于100Hz时，与茶红素含量负相关，大于100Hz时，与茶红素含量正相关。θ和D小于800Hz时，与茶红素含量负相关；在大于800Hz时，与茶红素含量正相关。Cp与茶红素含量呈正相关，基本呈先略降后升的趋势，最高达0.96。X、θ、D和Cp与茶红素含量的相关性相对较大；Z、R与茶黄素含量的相关性相对较小。
图4-D是电参数与茶褐素的相关性分析曲线图，在所测试的27个频率点下Z、R与茶褐素含量呈正相关，相关系数绝对值保持在0.8左右。X小于500Hz时，与茶褐素含量正相关，大于500Hz时，与茶褐素含量负相关。θ和D小于1kHz时，与茶褐素含量正相关，大于1Hz时，与茶褐素含量负相关。Cp与茶褐素含量呈负相关，且呈先升后降的趋势。X、θ和D与茶褐素含量的相关性相对较大；Z、R和Cp与茶褐素含量的相关性相对较低。
步骤四，数据筛选处理及预测模型建立
用步骤二的电特性参数和步骤三的品质指标数据建立数据库并进行数据处理，所有的数据处理在Matlab 2016a和Microsoft Windows7平台下完成。由于各测试频率下各电参数的量纲、量级、敏感度不同，因此需先对各电参数数据作标准化预处理，去除量纲的影响。
1.对各电参数原始数据作标准化预处理
本实施例分别采用多元散射校正MSC、离差标准化Min-Max、Smooth、S/G2st和Zscore方法对电特性参数原始数据进行预处理，然后基于处理数据建立PLS模型，各模型性能如表1所示：
表1不同的预处理方法对PLS感官模型的性能影响
结果表明，Zscore为最佳电特性参数预处理方法，其将Rp值从原始数据的0.172提高至0.842，且明显高于其他预处理方法；RMSEP为2.194和Bias为0.232，也显著低于其他预处理方法。此外，Zscore模型的RMSECV和RMSEP的差值为1.157，在所有预处理方法中最小，表明Zscore标准化处理后使模型具备较好的泛化性能。因此，在实际操作中，可以只采用Zscore方法对电特性参数原始数据进行标准化预处理。
2.筛选出优选特征电特性参数
对电特性参数原始数据进行标准化预处理后，采用蒙特卡罗无信息变量消除法MCUVE和竞争性自适应权重取样法CARS的变量优选方法对27个频率下的162个(27×6)电特性参数进行优选，剔除无用的特征变量。MCUVE方法是基于无信息变量删除方法(UVE)的改进方法，其通过计算各变量的稳定指数RI值来评价模型中每个变量的重要性，按照RI值大小对变量进行排序，并建立新的变量集合，进而逐步累加1个变量分别建立PLS模型，以预测集的最小RMSEP值作为变量保留数的评价指标，MCUVE特征电参数选择结果如表2所示：
表2 MCUVE特征电参数选择结果
上述数据表明，感官评分选择的RI大于4的频率主要集中在低频段0.06～0.4kHz，稳定性高的变量为电参数的损耗因子D和电抗X，其中0.4kHz频率下D变量的RI值最高为4.53。在理化成分相关特征电参数优选方面，TFs选择的RI大于2的频率主要集中在中低频段0.1～5kHz，稳定性高的变量为电参数的损耗因子D和电抗X，其中1kHz频率下X变量的RI值最高为3.17。TRs选择的稳定指数RI大于2.5的频率主要集中在中低频段0.1～5kHz，稳定性高的变量为电参数的损耗因子D和电抗X，其中0.6kHz频率下X变量的RI值最高为3.47。TBs选择的稳定指数RI大于3.7的频率也主要集中在低频段0.05～0.1kHz，稳定性高的变量为电参数的损耗因子D和电抗X，其中0.1kHz频率下X变量的RI值最高为4.51。综合分析，与各品质指标稳定的测试频率为低频段，最相关的特征电参数均为D和X。
MCUVE算法虽然剔除了大量无关信息，但变量个数仍然较多，需采用CARS对MCUVE已选出的电参数进一步优化，设定CARS算法连续采样次数为50和10倍的交互验证，选取RMSECV最小值所对应的变量子集为特征变量，得到共线性最小的有效特征变量。如图5所示，以感官评分预测模型的MCUVE-CARS特征电参数筛选过程为例，当采样次数为8次时，其RMSECV达到最小值1.235，所对应的特征电参数为10个。同理得到TFs、TRs、TBs的特征电参数分别为8、5、6个，结果如表3所示：
表3 MCUVE-CARS特征电参数选择结果
3.建立并判断多个品质指标的预测模型
基于优选的电参数，利用筛选变量所建PLS模型，建立多个品质指标的预测模型，根据相对分析误差的值(RPD)判断模型的预测性能，结果如表4所示。
表4 MCUVE-CARS变量筛选方法预测红茶各发酵品质指标的模型结果
当RPD＞2时，表明模型具有极好的预测能力；当RPD在1.8～2.0时，表明模型效果较好，可用于样品的定量分析；当RPD在1.4～1.8时，表明模型可对样品作粗略预测和关联评估；而RPD＜1.4时，表明模型效果很差，无法应用。
图6表示MCUVE-CARS-PLS模型预测红茶发酵中感官评分(6-A)、茶黄素(6-B)、茶红素(6-C)和茶褐素(6-D)的校正集和预测集中真值与预测值的散点图。以感官评分为例，结合表4MCUVE-CARS变量筛选方法预测红茶各发酵品质指标的模型结果可知，利用筛选出的10个特征电参数建立感官评分的PLS预测模型，其主成分数为3，预测集相关系数和均方根误差分别为0.924和1.825。此外，RPD为2.593，表明模型具有极好的预测能力，可用于定量分析及生产实际中的品质控制。综合可知，基于MCUVE-CARS方法筛选的特征变量，建立预测各发酵品质指标的PLS定量分析模型，感官评分、茶黄素、茶红素和茶褐素预测模型的RPD值分别为2.593、1.517、1.851和2.920，表明各品质指标的预测模型定量分析时均具有良好性能，即所设计的电参数检测系统结合变量筛选方法可实现对发酵品质指标的量化评价。
步骤五，样品发酵品质指标的快速检测
通过数据线连接到电脑客户端，实时传输发酵样品的电特性参数数据，结合采集软件写入的预测模型，在软件界面端实时分析发酵样本各发酵品质指标的预测值，实现红茶发酵中品质指标的定量快速检测。
由以上实施例可以看出，本发明利用电特性技术检测红茶发酵品质指标的检测具有迅速、高效、便捷等优点，且可以将该检测系统安装至批量红茶发酵过程中，基于测定的电特性参数，从而实现发酵品质指标的现场和实时在线检测，实现对发酵品质指标的量化评价。
以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。本发明未详细描述的技术、形状、构造部分均为公知技术。

Claims (10)

1.一种基于电特性参数的红茶发酵品质指标的检测方法，其特征在于，将不同程度发酵的茶叶分别置于电特性测试系统中进行电特性参数的测定，同时检测品质指标，用电特性参数和品质指标数据建立数据库，对数据库中的数据进行筛选处理，从而建立红茶发酵品质预测模型，包括以下步骤：
S1.电特性测试系统的构建，所述电特性测试系统包括电桥测试仪、测试电极、取样盒、运行主机和采集软件，所述取样盒上安装有分散器，所述电桥测试仪通过R232串口与运行主机进行数据交换，并通过双绞屏蔽线连接两个测试电极；
S2.样品电特性参数的测定，将不同发酵时间的茶叶样品，分别通过分散器自然散落进入取样盒中，并使茶叶样品淹没测试电极，分别于不同频率下测量电特性参数；
S3.样品发酵品质的检测，检测不同发酵时间茶叶样品的品质指标，所述品质指标包括感官评分、茶黄素指标、茶红素指标和茶褐素指标；
S4.数据筛选处理及预测模型建立，对电特性参数进行标准化预处理，采用蒙特卡罗无信息变量消除法和竞争性自适应权重取样法联合对不同频率下的多个电特性参数进行筛选，得到筛选变量，基于筛选变量所建的PLS模型建立多个品质指标的预测模型，最后根据相对分析误差值判断预测模型的预测性能， 确定各品质指标所对应的最佳定量预测模型；
S5.样品发酵品质指标的快速检测，通过数据线连接到电脑客户端，实时传输发酵样品的电特性参数数据，结合采集软件写入的预测模型，在软件界面端实时分析发酵样本各发酵品质指标的预测值，实现红茶发酵中品质指标的定量快速检测。
2.根据权利要求1所述的一种基于电特性参数的红茶发酵品质指标的检测方法，其特征在于，所述测试电极为铜制平行平板电极，所述取样盒的底板一侧与侧板铰接、对应的另一侧与相应的侧板可拆卸连接，所述分散器包括电机、转轴和环绕固定在转轴上的拨齿，所述转轴与电机传动连接，所述转轴的转速大于1000r/min。
3.根据权利要求2所述的一种基于电特性参数的红茶发酵品质指标的检测方法，其特征在于，所述电桥测试仪的测试频率范围为50Hz～200kHz。
4.根据权利要求1所述的一种基于电特性参数的红茶发酵品质指标的检测方法，其特征在于，所述S2中的电特性参数包括并联等效电容、复阻抗、电阻、电抗、损耗因子和相位损耗角。
5.根据权利要求1所述的一种基于电特性参数的红茶发酵品质指标的检测方法，其特征在于，所述S2中电特性参数的测试条件为测试电压1V，测试频率0.05～200kHz。
6.根据权利要求1所述的一种基于电特性参数的红茶发酵品质指标的检测方法，其特征在于，所述茶黄素指标、茶红素指标和茶褐素指标采用高效液相色谱法进行测定。
7.根据权利要求1所述的一种基于电特性参数的红茶发酵品质指标的检测方法，其特征在于，所述标准化预处理为采用多元散射校正、离差标准化、Smooth、S/G2st和Zscore方法对电特性参数原始数据分别进行预处理。
8.根据权利要求1所述的一种基于电特性参数的红茶发酵品质指标的检测方法，其特征在于，所述S4中采用蒙特卡罗无信息变量消除法和竞争性自适应权重取样法联合对不同频率下的多个电特性参数进行筛选后，得出与各品质指标最相关电参数均为损耗因子和电抗。
9.根据权利要求1所述的一种基于电特性参数的红茶发酵品质指标的检测方法，其特征在于，所述感官评分的指标检测的特征频率为：0.06kHz、0.1kHz、0.2kHz、0.3kHz、0.4kHz、0.6kHz、0.8kHz、2kHz、60kHz；
所述茶黄素指标检测的特征频率为：0.1kHz、1kHz、2kHz、8kHz、20kHz、30kHz、40kHz、150kHz；
所述茶红素指标检测的特征频率分别为：0.6kHz、1kHz、2kHz、80kHz、150kHz；
所述茶褐素指标检测的特征频率分别为：0.06kHz、0.08kHz、0.1kHz、0.3kHz、0.5kHz、0.6kHz。
10.根据权利要求1所述的一种基于电特性参数的红茶发酵品质指标的检测方法，其特征在于，所述S4中相对分析误差值判断预测模型的 预测性能的标准如下：相对分析误差值＞2，预测模型具有极好的预测能力；相对分析误差值位于1.8～2.0，预测模型预测效果较好，能够用于样品的定量分析；相对分析误差值位于1.4～1.8，预测模型能够对样品做粗略预测和关联评估；相对分析误差值＜1.4，预测模型预测很差，无法应用。
CN201710829263.7A 2017-09-14 2017-09-14 一种基于电特性参数的红茶发酵品质指标的检测方法 Active CN107505358B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710829263.7A CN107505358B (zh) 2017-09-14 2017-09-14 一种基于电特性参数的红茶发酵品质指标的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710829263.7A CN107505358B (zh) 2017-09-14 2017-09-14 一种基于电特性参数的红茶发酵品质指标的检测方法

Publications (2)

Publication Number Publication Date
CN107505358A CN107505358A (zh) 2017-12-22
CN107505358B true CN107505358B (zh) 2019-08-20

Family

ID=60696735

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710829263.7A Active CN107505358B (zh) 2017-09-14 2017-09-14 一种基于电特性参数的红茶发酵品质指标的检测方法

Country Status (1)

Country Link
CN (1) CN107505358B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107462607B (zh) * 2017-09-14 2019-09-06 中国农业科学院茶叶研究所 一种基于电特性参数的红茶发酵适度的检测方法
CN108169285B (zh) * 2017-12-26 2020-02-04 河北农业大学 电阻抗阻抗损耗系数δ值法测定灰楸可溶性糖含量的方法
CN108241016B (zh) * 2018-02-01 2020-08-28 江苏大学 一种红茶中茶黄素含量的快速检测方法及装置
CN111524092B (zh) * 2020-03-16 2024-03-12 中国农业科学院茶叶研究所 一种红茶萎凋程度指标的无损检测方法
CN115902130A (zh) * 2022-11-23 2023-04-04 湖北省农业科学院果树茶叶研究所 一种青砖茶渥堆发酵程度的快速判别方法
CN116777309B (zh) * 2023-08-23 2023-10-27 四川省眉山益稷农业科技有限公司 一种有机肥发酵质量评价方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103134850A (zh) * 2013-03-01 2013-06-05 河南农业大学 一种基于特征香气的茶叶品质快速检测装置及检测方法
CN103558259A (zh) * 2013-11-20 2014-02-05 西北农林科技大学 一种基于牛乳介电特性的乳清蛋白含量预测模型及其建立方法
CN104297160A (zh) * 2014-08-19 2015-01-21 中国农业科学院茶叶研究所 一种工夫红茶发酵适度判别方法和装置
CN204241407U (zh) * 2014-11-03 2015-04-01 湖南鹏润农业科技有限公司 一种农作物发酵程度电子检测仪器

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103134850A (zh) * 2013-03-01 2013-06-05 河南农业大学 一种基于特征香气的茶叶品质快速检测装置及检测方法
CN103558259A (zh) * 2013-11-20 2014-02-05 西北农林科技大学 一种基于牛乳介电特性的乳清蛋白含量预测模型及其建立方法
CN104297160A (zh) * 2014-08-19 2015-01-21 中国农业科学院茶叶研究所 一种工夫红茶发酵适度判别方法和装置
CN204241407U (zh) * 2014-11-03 2015-04-01 湖南鹏润农业科技有限公司 一种农作物发酵程度电子检测仪器

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Monitoring the Fermentation Process and Detection of Optimum Fermentation Time of Black Tea Using an Electronic Tongue;Arunangshu Ghosh 等;《IEEE SENSORS JOURNAL》;20151130;第15卷(第11期);第6255-6262页 *
Prediction of black tea fermentation quality indices using NIRS and nonlinear tools;Chunwang Dong 等;《Food Science and Biotechnology》;20170814;第26卷(第4期);第853-860页 *
基于动态聚类分析的工夫红茶发酵过程品质成分变化与发酵适度判别的研究;桂安辉 等;《中国农学通报》;20161231;第32卷(第7期);第196-204页 *
基于电特性参数的绿茶干燥过程在制品含水量变化规律研究;刘飞 等;《中国农机化学报》;20140331;第35卷(第2期);第94-98页 *

Also Published As

Publication number Publication date
CN107505358A (zh) 2017-12-22

Similar Documents

Publication Publication Date Title
CN107505358B (zh) 一种基于电特性参数的红茶发酵品质指标的检测方法
Chen et al. Recent developments of green analytical techniques in analysis of tea's quality and nutrition
Roy et al. Instrumental testing of tea by combining the responses of electronic nose and tongue
CN106970189B (zh) 一种水果新鲜度的检测分析系统及方法
CN108960315B (zh) 一种调理肉制品品质智能评价系统及方法
CN106568907B (zh) 一种基于半监督鉴别投影的大闸蟹新鲜度无损检测方法
CN106769970A (zh) 一种快速无损检测苹果的品种、糖度和酸度的方法
CN108037256B (zh) 稻米食味品质的快速测定方法
CN103163217A (zh) 声表面波谐振器串联检测系统及其检测方法
CN102818777A (zh) 一种基于光谱和颜色测量的水果成熟度评价方法
CN108647783A (zh) 一种水产养殖水质溶解氧检测方法
CN107462607B (zh) 一种基于电特性参数的红茶发酵适度的检测方法
Yang et al. Synergetic application of E-tongue and E-eye based on deep learning to discrimination of Pu-erh tea storage time
CN110531039A (zh) 一种基于WiFi设备的粮食霉变检测方法及装置
CN101620195A (zh) 一种气味传感器检测次郎甜柿内部品质的方法
CN113030011A (zh) 水果糖度快速无损检测方法及检测系统
Sun et al. Nondestructive detection for moisture content in green tea based on dielectric properties and VISSA‐GWO‐SVR algorithm
CN110263969B (zh) 一种货架期苹果品质动态预测系统及预测方法
CN105866223B (zh) 一种基于电子舌检测信息的武夷岩茶滋味等级判别方法
CN109322655A (zh) 一种基于神经网络与双频差分模型的微波含水率检测装置及方法
CN102507491B (zh) 一种水飞蓟籽品质的检测装置和检测方法
Huang et al. Study on grading of Xiaoqu Baijiu based on in-situ untargeted detection of electrochemical measurements
CN107144608A (zh) 一种基于边缘电场传感器的生肉品质检测方法
Zhang et al. Non-destructive detection of the fruit firmness of Korla fragrant pear based on electrical properties
CN105891130B (zh) 一种校正不同光谱信息确定物质信息误差的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant