摘要
茶叶等级评价是检测茶叶品质的重要技术手段,科学建立茶叶等级评价模型具有重要意义.本文以102个乌龙茶为研究对象,采用多种特征值筛选方法结合支持向量机算法建立基于特征内在品质参数的乌龙茶等级评价模型.同时,采用高光谱技术结合化学计量学,对特征品质参数建立基于特征波长的粒子群算法优化反向误差神经网络神经网络(PSO-BP)和麻雀搜索算法优化最小二乘支持向量机(SSA-LSSVM)的定量预测模型,最后对定量预测的化学值模型验证.结果表明,当参数组合酯型儿茶素、简单儿茶素、茶多酚、水浸出物、咖啡碱、表没食子儿茶素没食子酸酯(EGCG)六种化学值时的乌龙茶等级模型判别准确率最高,训练集的准确率为97.22％,预测集准确率为93.33％.基于特征波长的麻雀搜索算法优化最小二乘支持向量机(SSA-LSSVM)定量预测模型的预测精度更高且均方根误差更低,预测集的决定系数R2均在0.93～0.99之间.随机抽取30个乌龙茶样本六种化学值的最佳预测值,其判别准确率达90％.综上所述,基于内在品质参数组合对不同等级的乌龙茶准确判别是可行的,且基于高光谱技术的预测模型可以快速精准的获得其化学值大小,预测的化学值也能准确的判别不同乌龙茶品质等级,同时为科学判别茶叶品质等级领域提供了新的分析思路和应用实例.
基金项目
北京市自然科学基金(4222043)
2021年度中国轻工业工业互联网与大数据重点实验室开放课题(IIBD-2021-KF09)
以农产品为单元的广东省现代农业产业技术体系创新团队建设项目(茶叶)(2022KJ120)
清远市科技计划(2022KJJH065)
2020年广东省农业科学院院长基金(202032)
202研究生科研能力提升计划()
国家科技期刊平台
NSTL
维普
万方数据