首页|基于高效液相色谱指纹图谱结合化学计量学及机器学习的黑茶产地识别

基于高效液相色谱指纹图谱结合化学计量学及机器学习的黑茶产地识别

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
目的 建立广西、湖南、四川、陕西和西藏产地黑茶高效液相色谱(high performance liquid chromatography，HPLC)指纹图谱，并结合化学计量学与机器学习对黑茶进行产地识别研究。方法 采用高效液相色谱-二极管阵列检测器(high performance liquid chromatography-diode array detector，HPLC-DAD)检测 48份不同产地黑茶的化学成分，并建立指纹图谱;利用没食子酸、表没食子儿茶素、表儿茶素没食子酸酯、表儿茶素、儿茶素、咖啡碱和表没食子儿茶素没食子酸酯 7 种对照品对图谱共有峰进行指认;结合化学计量学和不同机器学习算法建立黑茶产地识别模型，并使用准确率、精确率、召回率及F1 分数作为机器学习产地识别模型的评价指标。结果 黑茶指纹图谱共识别出 8 个共有峰，指认其中 7 个成分;基于指纹图谱 8 个共有峰峰面积建立的化学计量学和机器学习的产地识别模型中显示，偏最小二乘法-判别分析模型能识别部分产地黑茶，并筛选出 4 个差异标志物，其预测准确率为 54。2%，逻辑回归(logistic regression，LR)、反向传播神经网络(back propagation neural network，BPNN)、支持向量机(support vector machine，SVM)、随机森林(random forest，RF)和决策树(decision tree，DT)算法模型预测准确率分别为 66。7%、90。0%、90。0%、80。0%和 80。0%，其中，SVM模型的产地识别效果最好。结论 我国不同产地黑茶化学成分含量存在一定差异，HPLC指纹图谱结合SVM能够较好对黑茶产地进行溯源研究。
Identification of dark tea origin based on high performance liquid chromatography fingerprint combined with chemometrics and machine learning

dark teahigh performance liquid chromatographychemical fingerprintgeographical origin traceability

王贞红、韩沅汐、张立友、叶永祥、魏丽萍、李梁

展开 >

西藏农牧学院资源与环境学院, 西藏农牧学院茶产业工程中心, 林芝 860000

西藏农牧学院食品科学学院,高原特色农产品研发中心, 西藏特色农牧资源研发协同创新中心, 林芝 860000

黑茶 高效液相色谱 化学指纹 产地溯源

西藏自治区中央引导地方项目国家自然科学基金西藏自治区重点研发专项

XZ202201YD0038CU21A20232XZ202001ZY0035N

2023

食品安全质量检测学报
北京市电子产品质量检测中心 北京方略信息科技有限公司

食品安全质量检测学报

CSTPCD
影响因子：0.73
ISSN：2095-0381
年,卷(期)：2023.14(18)
  • 47