CN112033911A - 一种基于色差和紫外光谱的茶叶等级快速鉴别方法 - Google Patents
一种基于色差和紫外光谱的茶叶等级快速鉴别方法 Download PDFInfo
- Publication number
- CN112033911A CN112033911A CN202010744113.8A CN202010744113A CN112033911A CN 112033911 A CN112033911 A CN 112033911A CN 202010744113 A CN202010744113 A CN 202010744113A CN 112033911 A CN112033911 A CN 112033911A
- Authority
- CN
- China
- Prior art keywords
- tea
- grade
- color difference
- data
- ultraviolet spectrum
- 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
- 238000002211 ultraviolet spectrum Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000004075 alteration Effects 0.000 title claims abstract description 11
- 241001122767 Theaceae Species 0.000 title abstract 12
- 235000014347 soups Nutrition 0.000 claims abstract description 22
- 238000000513 principal component analysis Methods 0.000 claims abstract description 9
- 238000007637 random forest analysis Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims abstract description 4
- 238000010276 construction Methods 0.000 claims abstract description 3
- 244000269722 Thea sinensis Species 0.000 claims description 100
- 235000013616 tea Nutrition 0.000 claims description 99
- 238000010521 absorption reaction Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000002791 soaking Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000009835 boiling Methods 0.000 claims description 3
- 235000009569 green tea Nutrition 0.000 claims description 2
- 238000000870 ultraviolet spectroscopy Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 20
- 235000013305 food Nutrition 0.000 abstract description 3
- 239000000126 substance Substances 0.000 abstract description 2
- 239000000523 sample Substances 0.000 description 25
- 238000012360 testing method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- XMOCLSLCDHWDHP-IUODEOHRSA-N epi-Gallocatechin Chemical compound C1([C@H]2OC3=CC(O)=CC(O)=C3C[C@H]2O)=CC(O)=C(O)C(O)=C1 XMOCLSLCDHWDHP-IUODEOHRSA-N 0.000 description 2
- 238000004128 high performance liquid chromatography Methods 0.000 description 2
- PFTAWBLQPZVEMU-DZGCQCFKSA-N (+)-catechin Chemical compound C1([C@H]2OC3=CC(O)=CC(O)=C3C[C@@H]2O)=CC=C(O)C(O)=C1 PFTAWBLQPZVEMU-DZGCQCFKSA-N 0.000 description 1
- PFTAWBLQPZVEMU-ZFWWWQNUSA-N (+)-epicatechin Natural products C1([C@@H]2OC3=CC(O)=CC(O)=C3C[C@@H]2O)=CC=C(O)C(O)=C1 PFTAWBLQPZVEMU-ZFWWWQNUSA-N 0.000 description 1
- WMBWREPUVVBILR-WIYYLYMNSA-N (-)-Epigallocatechin-3-o-gallate Chemical compound O([C@@H]1CC2=C(O)C=C(C=C2O[C@@H]1C=1C=C(O)C(O)=C(O)C=1)O)C(=O)C1=CC(O)=C(O)C(O)=C1 WMBWREPUVVBILR-WIYYLYMNSA-N 0.000 description 1
- PFTAWBLQPZVEMU-UKRRQHHQSA-N (-)-epicatechin Chemical compound C1([C@H]2OC3=CC(O)=CC(O)=C3C[C@H]2O)=CC=C(O)C(O)=C1 PFTAWBLQPZVEMU-UKRRQHHQSA-N 0.000 description 1
- LSHVYAFMTMFKBA-TZIWHRDSSA-N (-)-epicatechin-3-O-gallate Chemical compound O([C@@H]1CC2=C(O)C=C(C=C2O[C@@H]1C=1C=C(O)C(O)=CC=1)O)C(=O)C1=CC(O)=C(O)C(O)=C1 LSHVYAFMTMFKBA-TZIWHRDSSA-N 0.000 description 1
- LSHVYAFMTMFKBA-UHFFFAOYSA-N ECG Natural products C=1C=C(O)C(O)=CC=1C1OC2=CC(O)=CC(O)=C2CC1OC(=O)C1=CC(O)=C(O)C(O)=C1 LSHVYAFMTMFKBA-UHFFFAOYSA-N 0.000 description 1
- WMBWREPUVVBILR-UHFFFAOYSA-N GCG Natural products C=1C(O)=C(O)C(O)=CC=1C1OC2=CC(O)=CC(O)=C2CC1OC(=O)C1=CC(O)=C(O)C(O)=C1 WMBWREPUVVBILR-UHFFFAOYSA-N 0.000 description 1
- XMOCLSLCDHWDHP-UHFFFAOYSA-N L-Epigallocatechin Natural products OC1CC2=C(O)C=C(O)C=C2OC1C1=CC(O)=C(O)C(O)=C1 XMOCLSLCDHWDHP-UHFFFAOYSA-N 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012496 blank sample Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- ADRVNXBAWSRFAJ-UHFFFAOYSA-N catechin Natural products OC1Cc2cc(O)cc(O)c2OC1c3ccc(O)c(O)c3 ADRVNXBAWSRFAJ-UHFFFAOYSA-N 0.000 description 1
- 235000005487 catechin Nutrition 0.000 description 1
- 229950001002 cianidanol Drugs 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- LPTRNLNOHUVQMS-UHFFFAOYSA-N epicatechin Natural products Cc1cc(O)cc2OC(C(O)Cc12)c1ccc(O)c(O)c1 LPTRNLNOHUVQMS-UHFFFAOYSA-N 0.000 description 1
- 235000012734 epicatechin Nutrition 0.000 description 1
- DZYNKLUGCOSVKS-UHFFFAOYSA-N epigallocatechin Natural products OC1Cc2cc(O)cc(O)c2OC1c3cc(O)c(O)c(O)c3 DZYNKLUGCOSVKS-UHFFFAOYSA-N 0.000 description 1
- 229940030275 epigallocatechin gallate Drugs 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 235000019520 non-alcoholic beverage Nutrition 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 230000014860 sensory perception of taste Effects 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/251—Colorimeters; Construction thereof
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于色差和紫外光谱的茶叶等级快速鉴别方法,属于食品检测技术领域。所述方法包括:(1)将待测茶叶样品冲泡得到茶汤,利用色差仪和紫外分光光度计分别采集茶汤的色差数据和紫外光谱数据;(2)利用主成分分析分别对色差数据和紫外光谱数据进行处理,提取特征数据,并将特征数据输入茶叶等级区分模型,运行输出待测茶叶样品所对应的等级标签;所述茶叶等级区分模型的构建采用随机森林法。本发明利用茶叶汤色和内质对茶叶品质的贡献,联合使用色差和紫外光谱两组参数对茶叶等级进行鉴别,可以实现茶叶等级的准确判别。
Description
技术领域
本发明涉及食品检测技术领域,具体涉及一种基于色差和紫外光谱的茶叶等级快速鉴别方法。
背景技术
茶作为世界三大无酒精饮料之一广受消费者喜爱。然而由于茶叶商品种类繁多,品质成分复杂,消费者不易判断真实品质。市场上存在以次充好,以假乱真的现象,严重损害了消费者的利益,不利于茶叶市场的稳定发展。长期以来,茶叶品质鉴别以人工审评为主。但是人工审评对专业要求高,一般消费者无法达到审评水平,而且结果容易受到主观因素和客观环境的影响,很难在日常推广。
随着智能检测仪器在食品品质识别领域的深入研究与发展,茶叶的品质鉴别越来越便捷。与传统感官相比,智能检测仪器可以实现快速、准确、客观地检测。
专利文献CN104122308A公开了一种基于电子舌检测的差别度计算对茶叶品质进行鉴别的方法,电子舌技术是一种通过模拟人体味觉感受机制的人工识别技术,它通常由以敏感交叉传感器为阵列的信号采集系统,信号的激发与采集系统以及多元统计分析算法这三部分结构组成。所述鉴别方法包括电子舌检测步骤、PCA分析步骤、差别度计算步骤。茶叶品质的鉴别,立足于茶叶样品的电子舌差别度检测,用同种茶叶作为标准,以组内差别度来设置可信区间,从而建立标准样品实验测量值误差范围,判断检测样品品质是否达到标准样品所在置信区间内,以检测样品的品质。
专利文献CN102455283A公开了一种鉴别碧螺春茶叶品质的方法,该方法是将碧螺春茶叶浸泡后,浸泡液用紫外可见分光光度计进行扫描;另取碧螺春茶叶浸提后,浸提液采用高效液相色谱法测定茶叶中的表没食子儿茶素、表没食子儿茶素没食子酸酯、表儿茶素和表儿茶素没食子酸酯含量。通过建立产品的光谱图数据库和几种儿茶素平均含量数据库,鉴别时可与所建数据库进行比较,实现碧螺春茶叶品质的鉴别。
上述方法中高效液相色谱虽然能精确分析茶叶中的成分,但是其检测设备昂贵,操作复杂,不适合用于市场化快速检测。
因此,开发一种检测成本低、效率高、不需要对样品进行复杂的预处理,以实现茶叶品质快速准确鉴别的方法是本领域技术人员需要解决的问题。
发明内容
本发明的目的在于提供一种能够快速、准确地对茶叶的等级进行客观评价和鉴别的方法,以解决现有技术存在的样品预处理繁琐,检测时间长,结果主观性强,检测仪器成本高等问题。
为实现上述目的,本发明采用如下技术方案:
一种基于色差和紫外光谱的茶叶等级快速鉴别方法,包括以下步骤:
(1)将待测茶叶样品冲泡得到茶汤,利用色差仪和紫外分光光度计分别采集茶汤的色差数据和紫外光谱数据;
(2)利用主成分分析分别对色差数据和紫外光谱数据进行处理,提取特征数据,并将特征数据输入茶叶等级区分模型,运行输出待测茶叶样品所对应的等级标签;
所述茶叶等级区分模型的构建方法包括:收集同种茶不同等级的茶叶样本,冲泡得到茶汤,分别用色差仪和紫外分光光度计采集茶汤的色差数据和紫外光谱数据,再分别用主成分分析提取色差数据和紫外光谱数据的特征数据,将两组特征数据及对应的等级标签输入随机森林模型,建立茶叶等级区分模型。
所述的茶叶等级根据国家标准(GB/T23776-2018)确定。
本发明同时考虑茶叶的汤色和内质成分对茶叶品质的影响,分别利用色差仪和紫外分光光度计采集不同等级茶叶茶汤的色差和紫外光谱信息,采用随机森林方法建立基于茶汤信号的茶叶等级区分模型。利用该模型可以快速判断出待测茶叶样本所属的等级。
本发明研究表明,联合使用色差和紫外光谱两组参数可以实现对茶叶等级进行准确地区分。而且色差仪和紫外分光光度计操作简单,可直接读数,实现快速检测。
进一步地,所述茶汤的冲泡方法包括:取3g茶叶,用150mL沸水冲泡3min,过滤得到茶汤。样品预处理方法简单,易操作。
进一步地,色差仪采集样品的汤色信息,其步骤如下:将茶汤置于比色皿中,用色差仪测定色差数值,色差仪的模式、区域、紫外过滤、标准化分别设置为总透射,1.000in,正常,非标准化。色差参数包括△L、△a、△b、△E、△E cmc。
进一步地,紫外分光光度计采集样品的紫外光谱信息,其步骤如下:将经过色差仪检测后的茶汤样品放入紫外分光光度计,设置波长范围为230-380nm,步长2nm,记录紫外吸收值。
进一步地,所述的汤色和紫外光谱信息分别用主成分分析提取特征值,选取主成分得分在前2的数据作为特征数据。
构建模型和鉴别未知样本时,样本预处理以及数据采集和处理的方式是一样的。
进一步地,构建茶叶等级区分模型时,每个等级的茶叶样本量≥10个。
未知样本鉴别时,将色差和紫外光谱的特征值输入茶叶等级区分模型进行识别,得到未知样本所属等级。在鉴别同一类茶叶时,可以采用同一个等级区分模型,本发明提供的等级区分模型适用于绿茶,比如黄山毛峰茶、龙井茶、开化龙顶等。
本发明具备的有益效果:
(1)本发明利用茶叶汤色和内质对茶叶品质的贡献,联合使用色差和紫外光谱两组参数对茶叶等级进行鉴别,可以实现茶叶等级的准确判别。
(2)色差和紫外光谱分别通过色差仪和紫外分光光度计检测,色差仪是一种模拟人视觉器官的智能检测仪器,可以显示不同色域对应的读数,紫外分光光度计属于常用光谱设备,能够解释样品的整体信息,这两种智能检测技术都具有检测成本低、效率高、不需要对样品进行复杂的预处理等优点,因此可以实现茶叶品质快速鉴别的目的。
(3)本发明提供的方法仪器操作简单,检测快速,结果准确,具有较高的实际应用价值,如在茶叶生产、贸易流通中的茶叶品质快速检测。未来色差与紫外可集中于一起,生产茶叶等级快速分析仪。
附图说明
图1为茶样组合信息PCA散点图。
具体实施方式
下面结合具体实施例对本发明作进一步说明,但本发明并不局限于此。
检测仪器设备说明:
美国HunterLab UltraScan VIS型号色差仪,满足CIE国际照明委员会标准可见光范围。
美国biotek Synergy H1型号多功能微孔板检测仪。该系统支持紫外-可见吸收光检测。样品放置于石英微孔板中。
实施例1
1、收集6个不同等级(特级一等、特级二等、特级三等、一级、二级、三级)的黄山毛峰茶样作为实验对象,每个等级的样本量为12个。茶叶等级根据国家标准(GB/T23776-2018)确定。
2、对于每个等级茶叶样品,取3g茶叶放入审评杯中,加入150mL沸水,冲泡3min,滤出茶汤。
3、将茶汤置于比色皿中,用色差仪测定色差数值,色差仪的模式、区域、紫外过滤、标准化分别设置为总透射,1.000in,正常,非标准化。以水为空白样,获得茶叶样品的色差参数△L、△a、△b、△E、△E cmc。
4、取茶汤置于紫外分光光度计中获取紫外光谱,设定波长为230-380nm,步长2nm进行光谱扫描,获得一系列紫外吸收值。
5、分别将色差信号和紫外光谱信号经过主成分分析获得特征值,我们选择得分前两个特征作为主成分,得到降维后的数据作为原始数据输入随机森林建立茶叶品质区分模型。建立模型时,数据集划分为训练集和测试集,训练集占90%,采用十倍交叉验证得到稳定的结果。
图1是组合信息的PCA散点图。可以看出,各个等级的样品可以较好地区分开,从特级一等样品开始沿着逆时针方向等级依次降低。特级一等样品聚集性好,位于PC1轴数值最大处。特级二等和特级三等较接近,位于PC1轴的正数和PC2轴的负数区域。一级、二级、三级的样品分布较分散,随着样品等级降低,在PC2轴的数值增大。
表1总结了本实例测试中基于色差和紫外光谱信息以及两者的组合信号对茶叶等级的区分结果。
表1
注:表1中数字表示准确度,“1”表示准确率为100%。
从表中可以看出,所有信号的训练集准确率都为1。单一紫外光谱的测试集准确率为0.500,色差信息的测试集准确率为0.875,组合信息的测试集准确率为1。可以看出,组合信号对于样品的验证效果更好。
实验结果表明通过将色差与紫外光谱技术联合使用可以综合全面的获取茶汤品质信息,检测快速,准确率高,对茶叶等级的快速鉴别有重大意义。
Claims (8)
1.一种基于色差和紫外光谱的茶叶等级快速鉴别方法,其特征在于,包括以下步骤:
(1)将待测茶叶样品冲泡得到茶汤,利用色差仪和紫外分光光度计分别采集茶汤的色差数据和紫外光谱数据;
(2)利用主成分分析分别对色差数据和紫外光谱数据进行处理,提取特征数据,并将特征数据输入茶叶等级区分模型,运行输出待测茶叶样品所对应的等级标签;
所述茶叶等级区分模型的构建方法包括:收集同种茶不同等级的茶叶样本,冲泡得到茶汤,分别用色差仪和紫外分光光度计采集茶汤的色差数据和紫外光谱数据,再分别用主成分分析提取色差数据和紫外光谱数据的特征数据,将两组特征数据及对应的等级标签输入随机森林模型,建立茶叶等级区分模型。
2.如权利要求1所述的基于色差和紫外光谱的茶叶等级快速鉴别方法,其特征在于,所述茶汤的冲泡方法包括:取3g茶叶,用150mL沸水冲泡3min,过滤得到茶汤。
3.如权利要求1所述的基于色差和紫外光谱的茶叶等级快速鉴别方法,其特征在于,所述色差数据包括△L、△a、△b、△E、△E cmc。
4.如权利要求1所述的基于色差和紫外光谱的茶叶等级快速鉴别方法,其特征在于,所述紫外光谱数据为波长范围230-380nm、步长2nm条件下的紫外吸收值。
5.如权利要求1所述的基于色差和紫外光谱的茶叶等级快速鉴别方法,其特征在于,主成分分析时选取主成分得分在前2的数据作为特征数据。
6.如权利要求1所述的基于色差和紫外光谱的茶叶等级快速鉴别方法,其特征在于,构建茶叶等级区分模型时,每个等级的茶叶样本量≥10个。
7.如权利要求1所述的基于色差和紫外光谱的茶叶等级快速鉴别方法,其特征在于,所述茶叶为绿茶。
8.如权利要求7所述的基于色差和紫外光谱的茶叶等级快速鉴别方法,其特征在于,所述茶叶为黄山毛峰茶。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010744113.8A CN112033911A (zh) | 2020-07-29 | 2020-07-29 | 一种基于色差和紫外光谱的茶叶等级快速鉴别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010744113.8A CN112033911A (zh) | 2020-07-29 | 2020-07-29 | 一种基于色差和紫外光谱的茶叶等级快速鉴别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112033911A true CN112033911A (zh) | 2020-12-04 |
Family
ID=73583481
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010744113.8A Pending CN112033911A (zh) | 2020-07-29 | 2020-07-29 | 一种基于色差和紫外光谱的茶叶等级快速鉴别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112033911A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113649687A (zh) * | 2021-08-31 | 2021-11-16 | 西安交通大学 | 一种基于层间差异的激光加工后壁组合防护方法及系统 |
CN113866116A (zh) * | 2021-08-23 | 2021-12-31 | 新昌中国大佛龙井研究院 | 一种快速鉴定茶叶等级的检测装置 |
CN114965907A (zh) * | 2022-04-02 | 2022-08-30 | 浙江大学 | 一种基于浊度差的茶叶等级快速检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102455283A (zh) * | 2010-11-02 | 2012-05-16 | 南京农业大学 | 一种鉴别碧螺春茶叶品质的方法 |
CN102539326A (zh) * | 2012-01-13 | 2012-07-04 | 江苏大学 | 茶叶汤色品质的量化评价方法 |
CN109612972A (zh) * | 2018-12-25 | 2019-04-12 | 安徽农业大学 | 一种基于碳量子点判别茶叶等级的方法 |
CN110133050A (zh) * | 2019-04-10 | 2019-08-16 | 浙江大学 | 一种基于多传感器指纹图谱定性定量检测茶叶品质的方法 |
CN110133049A (zh) * | 2019-04-10 | 2019-08-16 | 浙江大学 | 基于电子鼻和机器视觉的茶叶等级快速无损检测方法 |
CN110389200A (zh) * | 2019-07-15 | 2019-10-29 | 浙江大学 | 一种不同品牌等级的同种茶叶香气区分检测方法 |
CN110596015A (zh) * | 2019-08-19 | 2019-12-20 | 中国农业科学院茶叶研究所 | 一种基于色差系统的工夫红茶茶汤亮度的客观量化评价方法 |
-
2020
- 2020-07-29 CN CN202010744113.8A patent/CN112033911A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102455283A (zh) * | 2010-11-02 | 2012-05-16 | 南京农业大学 | 一种鉴别碧螺春茶叶品质的方法 |
CN102539326A (zh) * | 2012-01-13 | 2012-07-04 | 江苏大学 | 茶叶汤色品质的量化评价方法 |
CN109612972A (zh) * | 2018-12-25 | 2019-04-12 | 安徽农业大学 | 一种基于碳量子点判别茶叶等级的方法 |
CN110133050A (zh) * | 2019-04-10 | 2019-08-16 | 浙江大学 | 一种基于多传感器指纹图谱定性定量检测茶叶品质的方法 |
CN110133049A (zh) * | 2019-04-10 | 2019-08-16 | 浙江大学 | 基于电子鼻和机器视觉的茶叶等级快速无损检测方法 |
CN110389200A (zh) * | 2019-07-15 | 2019-10-29 | 浙江大学 | 一种不同品牌等级的同种茶叶香气区分检测方法 |
CN110596015A (zh) * | 2019-08-19 | 2019-12-20 | 中国农业科学院茶叶研究所 | 一种基于色差系统的工夫红茶茶汤亮度的客观量化评价方法 |
Non-Patent Citations (11)
Title |
---|
DANYI HUANG ET AL.: "Identification of Similar Chinese Congou Black Teas Using an Electronic Tongue Combined with Pattern Recognition", 《MOLECULES》 * |
DANYI HUANG ET AL.: "Rapid Identification of Different Grades of Huangshan Maofeng Tea Using Ultraviolet Spectrum and Color Difference", 《MOLECULES》 * |
HUICHUN YU ET AL.: "Quality grade identification of green tea using the eigenvalues of PCA based on the E-nose signals", 《SENSORS AND ACTUATORS B: CHEMICAL》 * |
HUIXIANG LIU ET AL.: "Classification and Evaluation of Quality Grades of Organic Green Teas Using an Electronic Nose Based on Machine Learning Algorithms", 《IEEE ACCESS》 * |
欧阳畅 等: "大湘西地区绿茶风味轮及其滋味类型判别模型构建", 《茶叶通讯》 * |
王淑慧 等: "茶汤光谱指纹图谱判别分析及相似度评价在绿茶分级中的应用", 《食品科学技术学报》 * |
薛大为 等: "主成分分析与神经网络结合的黄山毛峰茶品质检测", 《计算机与应用化学》 * |
虞培力 等: "人工智能对龙井茶等级识别研究", 《现代农业科技》 * |
贺玮 等: "电子舌技术在普洱散茶等级评价中的应用", 《食品工业科技》 * |
赵杰文 等: "《茶叶质量与安全检测技术及分析方法》", 31 March 2011 * |
陈小强 等: "六堡茶的理化分析研究", 《中国农学通报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113866116A (zh) * | 2021-08-23 | 2021-12-31 | 新昌中国大佛龙井研究院 | 一种快速鉴定茶叶等级的检测装置 |
CN113649687A (zh) * | 2021-08-31 | 2021-11-16 | 西安交通大学 | 一种基于层间差异的激光加工后壁组合防护方法及系统 |
CN114965907A (zh) * | 2022-04-02 | 2022-08-30 | 浙江大学 | 一种基于浊度差的茶叶等级快速检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112033911A (zh) | 一种基于色差和紫外光谱的茶叶等级快速鉴别方法 | |
CN101692053B (zh) | 基于多传感信息融合的名优茶品质仪器智能化审评方法 | |
CN104807787A (zh) | 一种基于激光诱导击穿光谱技术的茶叶分类鉴别方法 | |
CN103558311B (zh) | 一种基于茶叶生化成分的绿茶苦涩味判别方法 | |
CN104977258B (zh) | 基于二维相关光谱的茶叶/化妆品等品质检测方法 | |
CN106560691A (zh) | 具有深度学习功能的武夷岩茶产地鉴别方法 | |
CN106560693A (zh) | 基于偏最小二乘判别的武夷岩茶产地鉴别方法 | |
CN110133050A (zh) | 一种基于多传感器指纹图谱定性定量检测茶叶品质的方法 | |
CN106560841A (zh) | 基于深度学习的武夷岩茶产地鉴别方法 | |
CN103822897A (zh) | 一种基于红外光谱的白酒鉴定及溯源方法 | |
CN105954412A (zh) | 用于山核桃新鲜度检测的传感器阵列优化方法 | |
CN101158657B (zh) | 基于x射线荧光技术的茶叶产地鉴别方法 | |
CN101957316A (zh) | 一种用近红外光谱技术鉴别响水大米的方法 | |
CN112435721A (zh) | 一种基于偏最小二乘构建龙井绿茶品质判别模型的方法 | |
CN113324987B (zh) | 一种检测芝麻油掺假的方法 | |
CN112485216B (zh) | 一种多源信息融合的泰国茉莉香米掺伪鉴别方法 | |
CN109214423B (zh) | 一种基于动静态数据融合的食品质量判别分析方法 | |
CN106770607A (zh) | 一种利用hs‐imr‐ms鉴别卷烟真伪的方法 | |
CN108444943A (zh) | 一种基于傅里叶变换近红外光谱的咖啡掺假快速鉴别方法 | |
CN103048313A (zh) | 利用电感耦合等离子光谱鉴别茶叶采摘时间的方法 | |
CN105548038A (zh) | 葡萄酒颜色的测定方法 | |
CN110231300A (zh) | 一种无损快速鉴别真假阿克苏红富士苹果的方法 | |
CN103398993A (zh) | 荧光光谱结合pca-hca与plsr检测市售橙汁饮品的方法 | |
CN203502357U (zh) | 一种可快速测试红葡萄酒真伪的装置 | |
CN115808402A (zh) | 一种红花中是否含有染色剂的检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201204 |