CN112595676A - 茶叶品质评价方法及茶叶品质评价装置 - Google Patents
茶叶品质评价方法及茶叶品质评价装置 Download PDFInfo
- Publication number
- CN112595676A CN112595676A CN202011257929.4A CN202011257929A CN112595676A CN 112595676 A CN112595676 A CN 112595676A CN 202011257929 A CN202011257929 A CN 202011257929A CN 112595676 A CN112595676 A CN 112595676A
- Authority
- CN
- China
- Prior art keywords
- tea
- detected
- spectrum
- quality parameters
- quality
- 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.)
- Granted
Links
- 241001122767 Theaceae Species 0.000 title claims abstract description 354
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000001228 spectrum Methods 0.000 claims abstract description 177
- 238000011156 evaluation Methods 0.000 claims abstract description 61
- 230000003287 optical effect Effects 0.000 claims description 36
- RYYVLZVUVIJVGH-UHFFFAOYSA-N caffeine Chemical compound CN1C(=O)N(C)C(=O)C2=C1N=CN2C RYYVLZVUVIJVGH-UHFFFAOYSA-N 0.000 claims description 30
- 150000008442 polyphenolic compounds Chemical class 0.000 claims description 30
- 235000013824 polyphenols Nutrition 0.000 claims description 30
- LPHGQDQBBGAPDZ-UHFFFAOYSA-N Isocaffeine Natural products CN1C(=O)N(C)C(=O)C2=C1N(C)C=N2 LPHGQDQBBGAPDZ-UHFFFAOYSA-N 0.000 claims description 15
- 229960001948 caffeine Drugs 0.000 claims description 15
- VJEONQKOZGKCAK-UHFFFAOYSA-N caffeine Natural products CN1C(=O)N(C)C(=O)C2=C1C=CN2C VJEONQKOZGKCAK-UHFFFAOYSA-N 0.000 claims description 15
- 150000001413 amino acids Chemical class 0.000 claims description 14
- 230000007246 mechanism Effects 0.000 claims description 14
- 235000000346 sugar Nutrition 0.000 claims description 14
- 239000012632 extractable Substances 0.000 claims description 11
- 150000008163 sugars Chemical class 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 235000013616 tea Nutrition 0.000 claims 51
- 239000002994 raw material Substances 0.000 description 12
- 238000012549 training Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000001035 drying Methods 0.000 description 4
- 235000014347 soups Nutrition 0.000 description 4
- 239000012633 leachable Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 235000019640 taste Nutrition 0.000 description 3
- 238000002835 absorbance Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 210000000540 fraction c Anatomy 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 235000019658 bitter taste Nutrition 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002420 orchard Substances 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 239000004810 polytetrafluoroethylene Substances 0.000 description 1
- 229920001343 polytetrafluoroethylene Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
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
本发明提供一种茶叶品质评价方法及茶叶品质评价装置，茶叶品质评价方法包括：获取待测茶叶的特征光谱；根据含量预测模型和待测茶叶的特征光谱，确定待测茶叶的多种预设品质参数的含量；根据待测茶叶的多种预设品质参数的含量确定待测茶叶的评价结果。本发明提供的茶叶品质评价方法及茶叶品质评价装置，通过确定多种预设品质参数的含量，并基于多种预设品质参数的含量对茶叶进行综合评价，从而提升了评价结果的准确性。
Description
技术领域
本发明涉及产品检测技术领域，尤其涉及一种茶叶品质评价方法及茶叶品质评价装置。
背景技术
茶是具有代表性的中国传统文化，同时也是我国重要的经济型产业。对茶叶原料进行品质检测不但可以保障成品茶品质，还可以辅助决策茶叶的制作工艺。目前茶叶原料分级大多根据采摘季节和茶叶形态(一芽一叶、一芽两叶等)，虽然二者能对茶叶原料起到初筛的作用，但决定茶叶品质的根本为原料的内部品质。可见/近红外光谱技术能快速、无损的检测叶片的内部成分，目前已经有许多学者对茶鲜叶和成品茶进行多品质的检测研究，但大多是基于单一的品质参数对茶叶品质进行评价，故存在评价结果的准确性不高的问题。
发明内容
本发明提供一种茶叶品质评价方法及茶叶品质评价装置，用以解决现有技术中大多是基于单一的品质参数对茶叶品质进行评价，故存在评价结果的准确性不高的问题。
本发明提供一种茶叶品质评价方法，包括：
获取待测茶叶的特征光谱；
根据含量预测模型和所述待测茶叶的特征光谱，确定所述待测茶叶的多种预设品质参数的含量；
根据所述待测茶叶的多种预设品质参数的含量确定所述待测茶叶的评价结果。
根据本发明提供的一种茶叶品质评价方法，所述多种预设品质参数包括可浸出物、可溶性糖、游离氨基酸、茶多酚、咖啡碱中的至少两种。
根据本发明提供的一种茶叶品质评价方法，所述根据含量预测模型和所述待测茶叶的特征光谱，确定所述待测茶叶的多种预设品质参数的含量，包括：
根据标准光谱数据库和所述待测茶叶的时空信息，确定目标特征光谱，其中，所述标准光谱数据库包括多个样本茶叶的时空信息和特征光谱，任一个所述样本茶叶的时空信息和特征光谱存在对应关系，所述目标特征光谱为所述标准光谱数据库的多个特征光谱中的一个；
根据所述目标特征光谱对所述待测茶叶的特征光谱进行校正，得到校正后的特征光谱；
根据含量预测模型和所述校正后的特征光谱，确定所述待测茶叶的多种预设品质参数的含量。
根据本发明提供的一种茶叶品质评价方法，所述根据标准光谱数据库和所述待测茶叶的时空信息，确定目标特征光谱，包括：
在标准光谱数据库中查找所述待测茶叶的时空信息；
若查找到所述待测茶叶的时空信息，则确定所述标准光谱数据库的多个特征光谱中与所述待测茶叶的时空信息对应的一个为目标特征光谱；
若未查找到所述待测茶叶的时空信息，则确定所述标准光谱数据库的多个特征光谱的中位数或者平均数为目标特征光谱。
根据本发明提供的一种茶叶品质评价方法，所述待测茶叶的多种预设品质参数的含量为所述待测茶叶的多种预设品质参数的绝对质量分数；所述根据所述待测茶叶的多种预设品质参数的含量确定所述待测茶叶的评价结果，包括：
根据所述待测茶叶的多种预设品质参数的绝对质量分数，分别计算所述待测茶叶的多种预设品质参数的相对质量分数；
根据所述待测茶叶的多种预设品质参数的相对质量分数确定所述待测茶叶的评价结果。
根据本发明提供的一种茶叶品质评价方法，所述根据所述待测茶叶的多种预设品质参数的相对质量分数确定所述待测茶叶的评价结果，包括：
根据所述待测茶叶的多种预设品质参数的相对质量分数，分别计算所述待测茶叶的多种预设品质参数的评价值；
根据所述待测茶叶的多种预设品质参数的评价值计算所述待测茶叶的综合评价值，以所述综合评价值作为所述评价结果。
根据本发明提供的一种茶叶品质评价方法，所述含量预测模型为根据多个样本茶叶的特征光谱与所述多个样本茶叶的多种预设品质参数的含量的对应关系确定的，所述多个样本茶叶中的任一个样本茶叶的特征光谱与多种预设品质参数的含量具有对应关系，所述多个样本茶叶中的任两个样本茶叶的时空信息和/或水分含量不同。
本发明还提供一种茶叶品质评价装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的茶叶品质评价方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的茶叶品质评价方法的步骤。
本发明还提供一种茶叶品质评价设备，包括光谱采集装置和茶叶品质评价装置；
所述茶叶品质评价装置为如上述任一种所述的茶叶品质评价装置，所述茶叶品质评价装置电性连接所述光谱采集装置；
所述光谱采集装置用于采集茶叶的特征光谱，所述光谱采集装置包括壳体、光学采集模组、夹持件、参比板和驱动机构；所述光学采集模组安装于所述壳体；所述夹持件呈朝向所述光学采集模组设置，所述驱动机构安装于所述壳体，所述驱动机构与所述夹持件动力耦合连接，用于驱动所述夹持件朝向所述光学采集模组移动，以通过所述夹持件与所述壳体位于所述光学采集模组外围的部分夹持茶叶；所述参比板安装于所述夹持件，所述参比板朝向所述光学采集模组设置。
本发明提供的茶叶品质评价方法及茶叶品质评价装置，通过确定多种预设品质参数的含量，并基于多种预设品质参数的含量对茶叶进行综合评价，从而提升了评价结果的准确性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的茶叶品质评价设备的结构示意图；
图2是本发明提供的茶叶品质评价方法的流程示意图之一；
图3是本发明提供的茶叶品质评价方法的流程示意图之二；
图4是本发明提供的茶叶品质评价装置的结构示意图；
图5是本发明提供的光谱采集装置的结构示意图；
图6是图5中光谱采集装置的剖视图；
附图标记：
100：光谱采集装置； 1：壳体； 11：主体；
12：固定座； 13：枪杆部； 14：枪柄部；
2：夹持件； 21：连接杆； 3：参比板；
31：转轴； 4：驱动机构； 41：按钮；
42：第一齿条； 43：第二齿条； 44：齿轮；
5：弹性复位件； 6：触发按钮； 200：茶叶品质评价设备；
300：茶叶品质评价装置； 400：连接管。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合图1描述本发明的茶叶品质评价设备，如图1所示，茶叶品质评价设备200包括光谱采集装置100和茶叶品质评价装置300。
光谱采集装置100用于采集茶叶的特征光谱，光谱采集装置100与茶叶品质评价装置300电性连接，光谱采集装置100能通过有线或者无线的方式向茶叶品质评价装置300发送采集到茶叶的特征光谱，例如，如图1所示，光谱采集装置100可以通过连接管400连接茶叶品质评价装置300，连接管400中包裹数据传输线及导线等。
茶叶品质评价装置300在获取到茶叶的特征光谱后，能基于茶叶的特征光谱对茶叶的品质进行评价。可选的，茶叶品质评价装置300可以包括处理器模块、定位模块、供电模块和散热模块，处理器模块用于实现数据存储、装置控制、光谱处理等功能；定位模块可以为北斗定位模块等，通过定位模块能快速捕获目标果园位置，并通过串口发送给处理器模块；供电模块可以采用聚合物锂离子电池，为整机供电，保障装置可在室外环境使用；散热模块为茶叶品质评价装置部分散热，保证装置稳定工作。
下面结合图2描述本发明的茶叶品质评价方法，该茶叶品质评价方法可以基于图1所示的茶叶品质评价设备来实现，该茶叶品质评价方法包括但不限于如下步骤：
步骤S210：茶叶品质评价装置获取待测茶叶的特征光谱。
具体的说，光谱采集装置采集到待测茶叶的特征光谱后，光谱采集装置会向茶叶品质评价装置发送待测茶叶的特征光谱。
步骤S220：茶叶品质评价装置根据含量预测模型和所述待测茶叶的特征光谱，确定所述待测茶叶的多种预设品质参数的含量。
具体的说，茶叶的特征光谱与茶叶的所有品质参数的含量是相关的，故茶叶品质评价装置可以根据待测茶叶的特征光谱来确定茶叶的所有品质参数的含量。可选的，多种预设品质参数包括可浸出物、可溶性糖、游离氨基酸、茶多酚、咖啡碱等中的至少两种，可以理解的是，多种预设品质参数包含的品质参数的种类越多，那么基于该多种预设品质参数越能全面评价待测茶叶的品质，在本实施例中，多种预设品质参数包括可浸出物、可溶性糖、游离氨基酸、茶多酚、咖啡碱。
含量预测模型通常是基于训练样本通过模型训练的方式得到的，将待测茶叶的特征光谱输入含量预测模型，含量预测模型能输出待测茶叶的多种预设品质参数的含量。含量预测模型可以是由外部装置基于训练样本训练得到的，该外部装置再将得到的含量预测模型通过有线或无线的方式发送给茶叶品质评价装置；含量预测模型也可以是由茶叶品质评价装置基于训练样本训练得到的。
使用含量预测模型进行茶叶品质评价，由于茶叶原料包括茶鲜叶和各个程度的烘干叶，故可以建立一个能适用于所有茶叶原料的含量预测模型，可选的，含量预测模型为根据多个样本茶叶的特征光谱与多个样本茶叶的多种预设品质参数的含量的对应关系确定的，多个样本茶叶中的任一个样本茶叶的特征光谱与多种预设品质参数的含量具有对应关系，多个样本茶叶中的任两个样本茶叶的时空信息和/或水分含量不同，例如，可以采集不同季节、产地的茶叶原料，通过不同程度的低温烘干获得水分含量1％-80％的样本茶叶，以模拟茶鲜叶和不同程度的初烘叶。
茶叶是多季节生长作物，按采摘时节可以划分为春茶(3-5月)、夏茶(5-7月)、秋茶(7-10月)、冬茶(10-12月)，由于降水、气候和地理位置的影响，茶叶的长势与品质差异较大，品质梯度过大可能会使朗伯-比尔定律的线性关系降低。为了解决这一问题，茶叶品质评价装置根据待测茶叶的特征光谱确定待测茶叶的多种预设品质参数的含量可以通过步骤S221-S223来实现。
S221：茶叶品质评价装置根据标准光谱数据库和所述待测茶叶的时空信息，确定目标特征光谱。
具体的说，标准光谱数据库包括多个样本茶叶的时空信息和特征光谱，任一个样本茶叶的时空信息和特征光谱存在对应关系，目标特征光谱为标准光谱数据库的多个特征光谱中的一个，时空信息包括时间信息和位置信息。标准光谱数据库可以是由外部装置根据多个样本茶叶的时空信息和特征光谱确定的，该外部装置再将确定的标准光谱数据库通过有线或无线的方式发送给茶叶品质评价装置；标准光谱数据库也可以是根据多个样本茶叶的时空信息和特征光谱确定的。
可选的，在茶叶品质评价装置确定目标特征光谱之前，茶叶品质评价装置实时或者周期性地获取当前的时空信息，即当前季节及所在位置。
可选的，茶叶品质评价装置可以通过步骤S2211-S2213来确定目标特征光谱。
S2211：茶叶品质评价装置在标准光谱数据库中查找所述待测茶叶的时空信息。
S2212：若查找到所述待测茶叶的时空信息，茶叶品质评价装置则确定所述标准光谱数据库的多个特征光谱中与所述待测茶叶的时空信息对应的一个为目标特征光谱。
S2213：若未查找到所述待测茶叶的时空信息，茶叶品质评价装置则确定标准光谱数据库的多个特征光谱的中位数或者平均数为目标特征光谱。
S222：茶叶品质评价装置根据所述目标特征光谱对所述待测茶叶的特征光谱进行校正，得到校正后的特征光谱。
可选的，校正后的特征光谱具体计算过程如下：
Xi＝kiXref+ci；
其中，Xi为待测茶叶的特征光谱；Xref为目标特征光谱；Xi(MSC)为校正后的特征光谱；ci和ki为待测茶叶的特征光谱与目标特征光谱的一元线性回归系数。
S223：茶叶品质评价装置根据含量预测模型和所述校正后的特征光谱，确定所述待测茶叶的多种预设品质参数的含量。
步骤S230：茶叶品质评价装置根据所述待测茶叶的多种预设品质参数的含量确定所述待测茶叶的评价结果。
具体的说，由于茶叶的特征光谱是瞬时观测，故根据茶叶的特征光谱确定得到的茶叶的多种预设品质参数的含量通常为茶叶的多种预设品质参数的绝对质量分数。但是茶叶原料水分含量梯度较大，茶叶原料中的各品质参数的绝对质量分数并不能直接代表制茶前的原料品质等级，可选的，茶叶品质评价装置根据多种预设品质参数的绝对质量分数确定茶叶的评价结果可以通过步骤S231-S232来实现。
S231：茶叶品质评价装置根据所述待测茶叶的多种预设品质参数的绝对质量分数，分别计算所述待测茶叶的多种预设品质参数的相对质量分数。
具体的说，以茶多酚为例，茶鲜叶中的茶多酚的绝对质量分数CTP0如公式(1)，茶多酚的相对(干基)质量分数CTP如公式(2)。
其中，mtp为茶鲜叶中的茶多酚质量；m0为茶鲜叶的总质量；mw为鲜叶中的水分质量；CW为水分质量分数。由此可见，虽然可以直接建立吸光度与茶多酚的相对质量分数的预测模型，但是茶叶原料的特征光谱反映的是当前样本的化学物理吸收信息，与茶多酚的相对质量分数并无直接相关性，直接建模会导致模型精度降低。故本发明提出了基于水分含量的递进式建模方法，分别建立了吸光度与水分、茶多酚的绝对质量分数的偏最小二乘模型，再以茶多酚的绝对质量分数除以干物质的质量分数，获得以干基计量的茶多酚相对质量分数，具体计算过程如下：
CWpred＝X1(MSC)b1(water)+X2(MSC)b2(water)+…+Xi(MSC)bi(water)；
CTP0pred＝X1(MSC)b1(Tea polyphenols)+X2(MSC)b2(Tea polyphenols)+…+Xi(MSC)bi(Tea polyphenols)；
其中，CWpred为水分含量；CTP0pred为茶多酚的绝对质量分数；CTPpred为茶多酚的相对质量分数；Xi(MSC)为基于时空信息校正后的第i个波长的光谱反射率；bi(water)为水分含量预测模型第i个波长的系数；bi(Tea polyphenols)为茶多酚含量预测模型第i个波长的系数。
而可浸出物、游离氨基酸、可溶性糖和咖啡碱的相对质量分数也可以采用如上计算方法得到。
S232：茶叶品质评价装置根据所述待测茶叶的多种预设品质参数的相对质量分数确定所述待测茶叶的评价结果。
具体的说，评价结果可以是评分或者文字等。可选的，茶叶品质评价装置可以通过步骤S2321-S2322来确定评价结果。
S2321：茶叶品质评价装置根据所述待测茶叶的多种预设品质参数的相对质量分数，分别计算所述待测茶叶的多种预设品质参数的评价值。
可选的，为了评价茶叶原料的综合品质，基于茶叶的呈味模式，可以通过如下过程计算可浸出物、茶多酚、咖啡碱、可溶性糖和游离氨基酸的相对质量分数。
可浸出物的相对质量分数直接决定了茶汤的浓郁，间接影响了茶叶的嫩度，可溶性糖和游离氨基酸的相对质量分数决定了茶汤的甜鲜味，三者与茶叶的品质成正相关，各自评价值如公式(3)～(5)。
其中，CWEpred为可浸出物的相对质量分数；CSSpred为可溶性糖的相对质量分数；CFApred为游离氨基酸的相对质量分数；Q1为可浸出物的评价值；Q2为可溶性糖的评价值；Q3为游离氨基酸的评价值；a1、a2、a3、c1、c2、c3为与茶叶的品种有关的变量。
茶多酚和咖啡碱决定了茶汤的苦涩，但也影响茶汤的浓醇和爽口感，茶多酚和咖啡碱的相对质量分数增加时，茶叶的品质等级呈先上升后下降的趋势，各自评价值如公式(6)和(7)。
其中，CTPpred为茶多酚的相对质量分数；CCAFpred为咖啡碱的相对质量分数；Q4为茶多酚的评价值；Q5为咖啡碱的评价值；a4、a5、c4、c5为与茶叶的品种有关的变量。
S2322：茶叶品质评价装置根据所述待测茶叶的多种预设品质参数的评价值计算所述待测茶叶的综合评价值，以所述综合评价值作为所述评价结果。
可选的，分别计算可浸出物、可溶性糖、游离氨基酸、茶多酚和咖啡碱的单独评价值后，可根据公式(8)计算茶叶的综合评价值。
Q＝d1Q1+d2Q2+d3Q3+d4Q4+d5Q5 (9)；
其中，Q为茶叶的综合评价值，dj表示各个品质参数的权重。
本发明提供的茶叶品质评价方法，通过确定多种预设品质参数的含量，并基于多种预设品质参数的含量对茶叶进行综合评价，从而提升了评价结果的准确性。
可选的，如图3所示，可以通过如下步骤对茶叶的品质进行评判。
步骤S310：采集不同季节、产地的茶叶原料，通过不同程度的烘干制备水分含量1％-80％的样本茶叶。
可选的，可以通过不同程度的低温烘干获得水分含量1％-80％的样本茶叶，以模拟茶鲜叶和不同程度的初烘叶。
步骤S320：建立含量预测模型和标准光谱数据库。
可选的，通过光谱采集装置采集步骤S310中的样本茶叶的特征光谱，并按照国标方法测量样本茶叶的水分、可浸出物、可溶性糖、游离氨基酸、茶多酚、咖啡碱的绝对质量分数，基于特征光谱与各个品质参数的绝对质量分数建立含量预测模型，且基于特征光谱与样本茶叶的时空信息建立标准光谱数据库。
步骤S330：获取待测茶叶的特征光谱。
步骤S340：根据所述待测茶叶的测量时间和地理位置处理所述待测茶叶的特征光谱。
可选的，根据待测茶叶的时空信息从标准光谱数据库中选择目标特征光谱，根据目标特征光谱对待测茶叶的特征光谱进行校正。
步骤S350：根据含量预测模型和处理后的特征光谱，确定可浸出物含量、可溶性糖含量、游离氨基酸含量、茶多酚含量、咖啡碱绝含量。
步骤S360：计算所述待测茶叶的综合评价值。
可选的，计算可浸出物、可溶性糖、游离氨基酸、茶多酚、咖啡碱的相对质量分数后，计算待测茶叶的综合评价值。
下面对本发明提供的茶叶品质评价装置进行描述，下文描述的茶叶品质评价装置与上文描述的茶叶品质评价方法可相互对应参照。
该茶叶品质评价装置包括：
光谱获取模块，用于获取待测茶叶的特征光谱；
含量确定模块，用于根据含量预测模型和所述待测茶叶的特征光谱，确定所述待测茶叶的多种预设品质参数的含量；
评价模块，用于根据所述待测茶叶的多种预设品质参数的含量确定所述待测茶叶的评价结果。
可选的，所述多种预设品质参数包括可浸出物、可溶性糖、游离氨基酸、茶多酚、咖啡碱中的至少两种。
可选的，所述含量确定模块，具体用于：
根据标准光谱数据库和所述待测茶叶的时空信息，确定目标特征光谱；所述标准光谱数据库包括多个样本茶叶的时空信息和特征光谱，任一个所述样本茶叶的时空信息和特征光谱存在对应关系，所述目标特征光谱为所述标准光谱数据库的多个特征光谱中的一个；
根据所述目标特征光谱对所述待测茶叶的特征光谱进行校正，得到校正后的特征光谱；
根据含量预测模型和所述校正后的特征光谱，确定所述待测茶叶的多种预设品质参数的含量。
可选的，所述含量确定模块，具体用于：
在标准光谱数据库中查找所述待测茶叶的时空信息；
若查找到所述待测茶叶的时空信息，则确定所述标准光谱数据库的多个特征光谱中与所述待测茶叶的时空信息对应的一个为目标特征光谱；
若未查找到所述待测茶叶的时空信息，则确定目标时空信息对应的一个特征光谱为所述目标特征光谱，其中，所述目标时空信息为所述标准光谱数据库的多个时空信息中与所述待测茶叶的时空信息相似度最高的一个。
可选的，所述待测茶叶的多种预设品质参数的含量为所述待测茶叶的多种预设品质参数的绝对质量分数；所述评价模块，具体用于：
根据所述待测茶叶的多种预设品质参数的绝对质量分数，分别计算所述待测茶叶的多种预设品质参数的相对质量分数；
根据所述待测茶叶的多种预设品质参数的相对质量分数确定所述待测茶叶的评价结果。
可选的，所述评价模块，具体用于：
根据所述待测茶叶的多种预设品质参数的相对质量分数，分别计算所述待测茶叶的多种预设品质参数的评价值；
根据所述待测茶叶的多种预设品质参数的评价值计算所述待测茶叶的综合评价值，以所述综合评价值作为所述评价结果。
可选的，所述含量预测模型为根据多个样本茶叶的特征光谱与所述多个样本茶叶的多种预设品质参数的含量的对应关系确定的，所述多个样本茶叶中的任一个样本茶叶的特征光谱与多种预设品质参数的含量具有对应关系，所述多个样本茶叶中的任两个样本茶叶的时空信息和/或水分含量不同。
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行茶叶品质评价方法，该方法包括：获取待测茶叶的特征光谱；根据含量预测模型和所述待测茶叶的特征光谱，确定所述待测茶叶的多种预设品质参数的含量；根据所述待测茶叶的多种预设品质参数的含量确定所述待测茶叶的评价结果。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的茶叶品质评价方法，该方法包括：获取待测茶叶的特征光谱；根据含量预测模型和所述待测茶叶的特征光谱，确定所述待测茶叶的多种预设品质参数的含量；根据所述待测茶叶的多种预设品质参数的含量确定所述待测茶叶的评价结果。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的茶叶品质评价方法，该方法包括：获取待测茶叶的特征光谱；根据含量预测模型和所述待测茶叶的特征光谱，确定所述待测茶叶的多种预设品质参数的含量；根据所述待测茶叶的多种预设品质参数的含量确定所述待测茶叶的评价结果。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
下面结合图5和图6描述本发明的光谱采集装置，该光谱采集装置能用于采集茶叶等叶片的特征光谱，如图5和图6所示，该光谱采集装置100包括壳体1、光学采集模组、夹持件2、参比板3和驱动机构4。
如图5和图6所示，光学采集模组(未在图中示出)安装于壳体1。光学采集模组通常由光源和光学传感器组成，光学采集模组能用于采集一种或者多种特征光谱，例如，在本实施例中，光学采集模组可采集11种特征波长，具体地，光学采集模组可采集520纳米、650纳米、750纳米、440纳米、900纳米、1150纳米、1380纳米、1500纳米、1880纳米、4000纳米、2300纳米波长的特征光谱。其中，壳体1的具体样式可以根据实际情况进行设定，具体地，如图5和图6所示，在本实施例中，光谱采集装置100为枪式光谱采集装置，壳体1包括相连的枪杆部13和枪柄部14，光学采集模组安装于枪杆部13远离枪柄部14的一端，这样便于携带和操作光谱采集装置100。
如图5和图6所示，夹持件2呈朝向光学采集模组设置，驱动机构4安装于壳体1，驱动机构4与夹持件2动力耦合连接，用于驱动夹持件2朝向光学采集模组移动，以通过夹持件2与壳体1位于光学采集模组外围的部分夹持叶片；参比板3安装于夹持件2，参比板3呈朝向光学采集模组设置。其中，夹持件2的形状是根据叶片的外形来设计的。需要夹持叶片时，驱动夹持件2背向光学采集模组移动，使得夹持件2与壳体1之间形成较大的间隙，将叶片放入夹持件2与壳体1之间的间隙中；放好叶片后，驱动夹持件2朝向光学采集模组移动，使得夹持件2与壳体1夹持固定叶片，此时，夹持件2与壳体1之间距离约为1mm，这样在夹持件2与壳体1之间会营造出一个小型暗箱，以避免光源的外泄和外界环境光的干扰。
本发明实施例提供的光谱采集装置100，通过夹持件2与壳体1来夹持固定叶片，且会在夹持件2与壳体1之间营造出一个小型暗箱，以避免光源的外泄和外界环境光的干扰，从而使得光谱采集装置100能提供稳定的检测环境，且光谱采集装置100的结构较为简单，且体积较小。
光学采集模组安装于壳体1，具体地，如图5和图6所示，在本实施例中，壳体1包括主体11和筒状的固定座12，主体11设置有插孔；固定座12沿夹持件2的移动方向(夹持件2的移动方向延伸即光学采集模组的光轴方向)延伸，光学采集模组安装于固定座12，固定座12的一端插设于主体11的插孔处，固定座12的另一端的端面与夹持件2在夹持件2的移动方向上相对。设置筒状的固定座12不但便于安装光学采集模组，也有利于在固定座12与夹持件2之间营造出一个小型暗箱。
参比板3安装于夹持件2，具体地，在本实施例中，参比板3的两个板面分别为黑参考面和白参考面，参比板3沿与夹持件2的移动方向垂直的轴线翻转地安装于夹持件2。对光谱采集装置100进行校正时，首先将参比板3翻转至黑参考面，使得参比板3的黑参考面与光学采集模组相对，在关闭光源的情况下，采集光谱采集装置100的暗噪声；然后打开光源，将参比板3翻转至白参考面，使得参比板3的白参考面与光学采集模组相对，采集光源的原始强度，进行白参考的校正。其中，参比板3可以是由黑色橡胶盘和PTFE标准漫反射板组成，以形成黑参考面和白参考面。
如图5和图6所述，在本实施例中，夹持件2呈夹持件2的移动方向延伸的筒状设置，参比板3安装于夹持件2内。将夹持件2也设置为筒状，通过夹持件2的端面和固定座12的端面对接来夹持固定叶片，这样有利于在固定座12与夹持件2之间营造出一个小型暗箱。
如图5和图6所述，在本实施例中，夹持件2对应参比板3的翻转轴线贯穿设置有轴孔，轴孔处转动安装有沿参比板3的翻转轴线延伸的转轴31，转轴31的一端伸入夹持件2内且连接参比板3，另一端伸出至夹持件2外。通过操作转轴31位于夹持件2外的一端能较为便捷地翻转参比板3。
驱动机构4能驱动夹持件2朝向光学采集模组移动，驱动机构4的具体设置方式可以根据实际情况进行设定，例如，如图5和图6所示，在本实施例中，夹持件2位于壳体1外，驱动机构4包括按钮41、第一齿条42、第二齿条43和齿轮44；第一齿条42沿夹持件2的移动方向延伸，第一齿条42沿夹持件2的移动方向滑动安装于壳体1的内侧壁；第二齿条43沿夹持件2的移动方向延伸，第二齿条43的一端连接夹持件2，另一端位于壳体1内且通过齿轮44传动连接第一齿条42；壳体1对应第一齿条42贯穿有滑槽，滑槽沿夹持件2的移动方向延伸，按钮41沿夹持件2的移动方向滑动安装于滑槽处，按钮41的一端伸入壳体1内且连接第一齿条42，另一端伸出至壳体1外，此种驱动机构4的设置方式较为简单。其中，第二齿条43的一端连接夹持件2，具体地，在本实施例中，第二齿条43位于壳体1内，第二齿条43通过连接杆21连接夹持件2；连接杆21沿夹持件2的移动方向延伸，壳体1设置有供连接杆21穿过的穿孔，设置连接杆21能缩短第二齿条43的长度。
进一步，如图6所示，在本实施例中，光谱采集装置100还包括弹性复位件5(弹性复位件5可以为弹簧等)，弹性复位件5位于壳体1内，弹性复位件5沿夹持件2的移动方向延伸，弹性复位件5的两端分别连接第一齿条42和壳体1的内侧壁，用于驱动夹持件2背向光学采集模组移动。夹持叶片时，手指拉动按钮41，带动第一齿条42向远离夹持件2的方向运动，弹性复位件5在外力的作用下被拉伸，同时齿轮44做圆周运动，使得第二齿条43沿与第一齿条42相反的方向运动，从而带动夹持件2朝向固定座12移动。将叶片放入夹持件2与固定座12之间的间隙中并松开按钮41，第一齿条42在弹性复位件5回弹力的作用下回到初始位置，同时通过齿轮44带动第二齿条43和夹持件2复位。复位后的夹持件2与固定座12之间的距离约为1mm，这样夹持件2与固定座12之间营造出了一个小型暗箱，从而避免光源的外泄和外界环境光的干扰。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种茶叶品质评价方法，其特征在于，包括：
获取待测茶叶的特征光谱；
根据含量预测模型和所述待测茶叶的特征光谱，确定所述待测茶叶的多种预设品质参数的含量；
根据所述待测茶叶的多种预设品质参数的含量确定所述待测茶叶的评价结果。
2.根据权利要求1所述的茶叶品质评价方法，其特征在于，所述多种预设品质参数包括可浸出物、可溶性糖、游离氨基酸、茶多酚、咖啡碱中的至少两种。
3.根据权利要求1所述的茶叶品质评价方法，其特征在于，所述根据含量预测模型和所述待测茶叶的特征光谱，确定所述待测茶叶的多种预设品质参数的含量，包括：
根据标准光谱数据库和所述待测茶叶的时空信息，确定目标特征光谱，其中，所述标准光谱数据库包括多个样本茶叶的时空信息和特征光谱，任一个所述样本茶叶的时空信息和特征光谱存在对应关系，所述目标特征光谱为所述标准光谱数据库的多个特征光谱中的一个；
根据所述目标特征光谱对所述待测茶叶的特征光谱进行校正，得到校正后的特征光谱；
根据含量预测模型和所述校正后的特征光谱，确定所述待测茶叶的多种预设品质参数的含量。
4.根据权利要求3所述的茶叶品质评价方法，其特征在于，所述根据标准光谱数据库和所述待测茶叶的时空信息，确定目标特征光谱，包括：
在标准光谱数据库中查找所述待测茶叶的时空信息；
若查找到所述待测茶叶的时空信息，则确定所述标准光谱数据库的多个特征光谱中与所述待测茶叶的时空信息对应的一个为目标特征光谱；
若未查找到所述待测茶叶的时空信息，则确定所述标准光谱数据库的多个特征光谱的中位数或者平均数为目标特征光谱。
5.根据权利要求1-4任一项所述的茶叶品质评价方法，其特征在于，所述待测茶叶的多种预设品质参数的含量为所述待测茶叶的多种预设品质参数的绝对质量分数；所述根据所述待测茶叶的多种预设品质参数的含量确定所述待测茶叶的评价结果，包括：
根据所述待测茶叶的多种预设品质参数的绝对质量分数，分别计算所述待测茶叶的多种预设品质参数的相对质量分数；
根据所述待测茶叶的多种预设品质参数的相对质量分数确定所述待测茶叶的评价结果。
6.根据权利要求5所述的茶叶品质评价方法，其特征在于，所述根据所述待测茶叶的多种预设品质参数的相对质量分数确定所述待测茶叶的评价结果，包括：
根据所述待测茶叶的多种预设品质参数的相对质量分数，分别计算所述待测茶叶的多种预设品质参数的评价值；
根据所述待测茶叶的多种预设品质参数的评价值计算所述待测茶叶的综合评价值，以所述综合评价值作为所述评价结果。
7.根据权利要求1-4任一项所述的茶叶品质评价方法，其特征在于，所述含量预测模型为根据多个样本茶叶的特征光谱与所述多个样本茶叶的多种预设品质参数的含量的对应关系确定的，所述多个样本茶叶中的任一个样本茶叶的特征光谱与多种预设品质参数的含量具有对应关系，所述多个样本茶叶中的任两个样本茶叶的时空信息和/或水分含量不同。
8.一种茶叶品质评价装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的茶叶品质评价方法的步骤。
9.一种茶叶品质评价设备，其特征在于，包括光谱采集装置和茶叶品质评价装置；
所述茶叶品质评价装置为如权利要求8所述的茶叶品质评价装置，所述茶叶品质评价装置电性连接所述光谱采集装置；
所述光谱采集装置用于采集茶叶的特征光谱，所述光谱采集装置包括壳体、光学采集模组、夹持件、参比板和驱动机构；所述光学采集模组安装于所述壳体；所述夹持件呈朝向所述光学采集模组设置，所述驱动机构安装于所述壳体，所述驱动机构与所述夹持件动力耦合连接，用于驱动所述夹持件朝向所述光学采集模组移动，以通过所述夹持件与所述壳体位于所述光学采集模组外围的部分夹持茶叶；所述参比板安装于所述夹持件，所述参比板朝向所述光学采集模组设置。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的茶叶品质评价方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011257929.4A CN112595676B (zh) | 2020-11-11 | 茶叶品质评价方法及茶叶品质评价装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011257929.4A CN112595676B (zh) | 2020-11-11 | 茶叶品质评价方法及茶叶品质评价装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112595676A true CN112595676A (zh) | 2021-04-02 |
| CN112595676B CN112595676B (zh) | 2024-06-28 |
Family
ID=
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113627709A (zh) * | 2021-06-11 | 2021-11-09 | 中国热带农业科学院 | 一种基于红外光谱检测的斑斓品质评价系统及方法 |
| CN114778484A (zh) * | 2022-05-10 | 2022-07-22 | 广东省农业科学院茶叶研究所 | 茶叶品质等级分类方法及装置、设备、存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101059426A (zh) * | 2007-05-29 | 2007-10-24 | 浙江大学 | 基于近红外光谱技术无损测量茶叶中茶多酚含量的方法 |
| WO2009116613A1 (ja) * | 2008-03-21 | 2009-09-24 | 株式会社 伊藤園 | 茶葉の摘採適性評価方法及び摘採適性評価装置、摘採適性評価システム並びにコンピュータ使用可能な媒体 |
| CN103048313A (zh) * | 2013-01-12 | 2013-04-17 | 北京中防昊通科技中心 | 利用电感耦合等离子光谱鉴别茶叶采摘时间的方法 |
| CN103439265A (zh) * | 2013-08-15 | 2013-12-11 | 湖南农业大学 | 一种茶树精细化栽培生育性状实时监测方法 |
| JP2015161676A (ja) * | 2014-02-28 | 2015-09-07 | 株式会社 伊藤園 | 茶葉の摘採時期判断方法及び茶の生産方法 |
| CN105866233A (zh) * | 2016-06-01 | 2016-08-17 | 云南省农业科学院质量标准与检测技术研究所 | 普洱茶古树茶真伪识别方法 |
| CN105911018A (zh) * | 2016-06-08 | 2016-08-31 | 浙江大学 | 自动放置参比的近红外光谱水果品质在线检测系统 |
| US20160334277A1 (en) * | 2015-05-15 | 2016-11-17 | Tsi, Incorporated | Sampling heads for handheld raman spectroscopy devices |
| CN106872368A (zh) * | 2017-01-10 | 2017-06-20 | 浙江大学 | 一种基于ec浓度差异的茶树嫩叶识别方法 |
| CN108872132A (zh) * | 2018-08-24 | 2018-11-23 | 湖北省农业科学院果树茶叶研究所 | 一种利用近红外光谱判别茶鲜叶品种的方法 |
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101059426A (zh) * | 2007-05-29 | 2007-10-24 | 浙江大学 | 基于近红外光谱技术无损测量茶叶中茶多酚含量的方法 |
| WO2009116613A1 (ja) * | 2008-03-21 | 2009-09-24 | 株式会社 伊藤園 | 茶葉の摘採適性評価方法及び摘採適性評価装置、摘採適性評価システム並びにコンピュータ使用可能な媒体 |
| CN103048313A (zh) * | 2013-01-12 | 2013-04-17 | 北京中防昊通科技中心 | 利用电感耦合等离子光谱鉴别茶叶采摘时间的方法 |
| CN103439265A (zh) * | 2013-08-15 | 2013-12-11 | 湖南农业大学 | 一种茶树精细化栽培生育性状实时监测方法 |
| JP2015161676A (ja) * | 2014-02-28 | 2015-09-07 | 株式会社 伊藤園 | 茶葉の摘採時期判断方法及び茶の生産方法 |
| US20160334277A1 (en) * | 2015-05-15 | 2016-11-17 | Tsi, Incorporated | Sampling heads for handheld raman spectroscopy devices |
| CN105866233A (zh) * | 2016-06-01 | 2016-08-17 | 云南省农业科学院质量标准与检测技术研究所 | 普洱茶古树茶真伪识别方法 |
| CN105911018A (zh) * | 2016-06-08 | 2016-08-31 | 浙江大学 | 自动放置参比的近红外光谱水果品质在线检测系统 |
| CN106872368A (zh) * | 2017-01-10 | 2017-06-20 | 浙江大学 | 一种基于ec浓度差异的茶树嫩叶识别方法 |
| CN108872132A (zh) * | 2018-08-24 | 2018-11-23 | 湖北省农业科学院果树茶叶研究所 | 一种利用近红外光谱判别茶鲜叶品种的方法 |
Non-Patent Citations (6)
| Title |
|---|
| 余涛 等: "茶叶光谱与叶绿素、茶氨酸、茶多酚含量关系分析", 遥感技术与应用, vol. 31, no. 5, 31 October 2016 (2016-10-31), pages 872 - 878 * |
| 孙耀国等: "近红外光谱法测定绿茶中氨基酸、咖啡碱和茶多酚的含量", 光谱实验室, vol. 21, no. 5, 30 September 2004 (2004-09-30), pages 940 - 943 * |
| 张民;李银花;袁晴春;李娟;刘仲华;戴思慧;李明;黄愉淇;: "近红外光谱对鲜茶叶茶多酚和氨基酸总量检测的研究", 上海农业学报, no. 06, pages 36 - 40 * |
| 张民;李银花;袁晴春;李娟;刘仲华;戴思慧;李明;黄愉淇;: "近红外光谱对鲜茶叶茶多酚和氨基酸总量检测的研究", 上海农业学报, vol. 31, no. 06, 31 December 2015 (2015-12-31), pages 36 - 40 * |
| 王玉霞 等: "绿茶茶汤中主要品质成分近红外定量分析模型的建立", 茶叶科学, vol. 31, no. 4, 31 December 2011 (2011-12-31), pages 355 * |
| 陈寿松;金心怡;林宏政;俞少娟;周子维;孙云;: "乌龙茶LED补光萎凋品质特性研究", 农业机械学报, no. 07, 31 July 2016 (2016-07-31), pages 282 - 289 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113627709A (zh) * | 2021-06-11 | 2021-11-09 | 中国热带农业科学院 | 一种基于红外光谱检测的斑斓品质评价系统及方法 |
| CN114778484A (zh) * | 2022-05-10 | 2022-07-22 | 广东省农业科学院茶叶研究所 | 茶叶品质等级分类方法及装置、设备、存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103822879B (zh) | 一种基于高光谱成像技术的猕猴桃膨大果无损检测方法 | |
| CN105203464B (zh) | 基于高光谱成像技术检测花生中油酸含量分布的方法 | |
| CN103636315B (zh) | 一种基于高光谱的种子发芽率在线检测装置及方法 | |
| CN108444924B (zh) | 一种应用高光谱图像技术判别茶叶贮藏期的方法 | |
| Rasti et al. | A survey of high resolution image processing techniques for cereal crop growth monitoring | |
| CN101701906A (zh) | 基于近红外超光谱成像技术的仓储害虫检测方法和装置 | |
| Wang et al. | Smartphone imaging spectrometer for egg/meat freshness monitoring | |
| CN105651713A (zh) | 一种基于计算机图像分析的青菜叶片叶绿素定量检测方法 | |
| CN105021617A (zh) | 基于高光谱成像的整株水稻叶绿素含量测量装置及方法 | |
| CN105181606B (zh) | 基于高光谱成像技术检测花生中蔗糖含量分布的方法 | |
| CN104132896A (zh) | 一种快速鉴别掺假肉的方法 | |
| CN109490418A (zh) | 一种花椒品质快速检测方法、装置和应用 | |
| CN114419311B (zh) | 一种基于多源信息的百香果成熟度无损检测方法及装置 | |
| Tan et al. | Development of a low-cost portable device for pixel-wise leaf SPAD estimation and blade-level SPAD distribution visualization using color sensing | |
| CN102181514A (zh) | 快速无损伤检测冷却肉菌落总数的方法 | |
| Tian et al. | Research on apple origin classification based on variable iterative space shrinkage approach with stepwise regression–support vector machine algorithm and visible‐near infrared hyperspectral imaging | |
| CN112595676A (zh) | 茶叶品质评价方法及茶叶品质评价装置 | |
| CN108152231A (zh) | 基于可见/近红外光谱的枣果内部缺陷检测方法及装置 | |
| 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 | |
| CN112595676B (zh) | 茶叶品质评价方法及茶叶品质评价装置 | |
| CN105352555A (zh) | 一种快速鉴定禽蛋贮藏时间的便携式检测装置及使用方法 | |
| CN103454320A (zh) | 用于山核桃新鲜度检测的电子鼻系统 | |
| CN109001181A (zh) | 一种拉曼光谱典型相关分析融合的食用油种类快速鉴别方法 | |
| CN103425091A (zh) | 单粒油菜籽品质的近红外光谱在线无损检测方法与装置 | |
| CN202583116U (zh) | 基于传感器技术的山核桃新鲜度检测装置 |
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 |