抹茶品质指标的可见近红外光谱检测研究

抹茶品质指标的可见近红外光谱检测研究

目的 建立适用于抹茶品质的可见近红外(visible-near infrared,Vis-NIR)光谱快速无损检测模型以实现多种品质指标的定量分析.方法 通过Vis-NIR获取抹茶样本的光谱数据,使用一阶导数(first derivative,1st)光谱预处理方法,最后采用自助软收缩法(bootstrapping soft shrinkage,BOSS)、迭代变量子集优化法(iterative variable subset optimization,IVSO)和竞争性自适应重加权采样法(competitive adaptive reweighted sampling,CARS)筛选光谱特征...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:食品安全质量检测学报 2024, Vol.15 (3), p.125-132
Hauptverfasser: 荣艳娜, 柳新荣, 邢志强, 陈全胜, 欧阳琴
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 132
container_issue 3
container_start_page 125
container_title 食品安全质量检测学报
container_volume 15
creator 荣艳娜
柳新荣
邢志强
陈全胜
欧阳琴
description 目的 建立适用于抹茶品质的可见近红外(visible-near infrared,Vis-NIR)光谱快速无损检测模型以实现多种品质指标的定量分析.方法 通过Vis-NIR获取抹茶样本的光谱数据,使用一阶导数(first derivative,1st)光谱预处理方法,最后采用自助软收缩法(bootstrapping soft shrinkage,BOSS)、迭代变量子集优化法(iterative variable subset optimization,IVSO)和竞争性自适应重加权采样法(competitive adaptive reweighted sampling,CARS)筛选光谱特征变量,构建抹茶品质指标的偏最小二乘(partial least square,PLS)预测模型,探究光谱信息与茶多酚、游离氨基酸、酚氨比、咖啡碱和可溶性糖之间的定量关系.结果 构建的Vis-NIR的CARS-PLS预测模型在抹茶品质指标含量预测方面均获得了最佳结果,预测相关系数(correlation coefficient in the prediction set,Rp)分别为 0.9227、0.8906、0.9243、0.9381 和 0.9522;预测均方根误差(root mean square error in the prediction set,RMSEP)分别为 0.867、0.337、0.557、0.216 和 0.440.结论 本研究采用的Vis-NIR光谱技术综合了可见光、短波近红外和长波近红外的优势,在快速无损预测多种抹茶品质指标方面具有良好应用潜力,为抹茶品质的快速无损高效检测提供理论依据和技术支撑.
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_spaqzljcjs202403014</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>spaqzljcjs202403014</wanfj_id><sourcerecordid>spaqzljcjs202403014</sourcerecordid><originalsourceid>FETCH-wanfang_journals_spaqzljcjs2024030143</originalsourceid><addsrcrecordid>eNpjYeA0MrA01TUwtjDkYOAtLs5MMjAwNzSyNDMy42Qwe9a180XPtqeTG19sWfGsp_3Zgvbns1qe9q9_sbzxxf6Jz3cterpk2tPWzhcbNj5b3PBsa_fzBVOer9zGw8CalphTnMoLpbkZtN1cQ5w9dMsT89IS89Ljs_JLi_KAMvHFBYmFVTlZyVnFRgZGJgbGBoYmxqSpBgBFv05A</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>抹茶品质指标的可见近红外光谱检测研究</title><source>EZB-FREE-00999 freely available EZB journals</source><creator>荣艳娜 ; 柳新荣 ; 邢志强 ; 陈全胜 ; 欧阳琴</creator><creatorcontrib>荣艳娜 ; 柳新荣 ; 邢志强 ; 陈全胜 ; 欧阳琴</creatorcontrib><description>目的 建立适用于抹茶品质的可见近红外(visible-near infrared,Vis-NIR)光谱快速无损检测模型以实现多种品质指标的定量分析.方法 通过Vis-NIR获取抹茶样本的光谱数据,使用一阶导数(first derivative,1st)光谱预处理方法,最后采用自助软收缩法(bootstrapping soft shrinkage,BOSS)、迭代变量子集优化法(iterative variable subset optimization,IVSO)和竞争性自适应重加权采样法(competitive adaptive reweighted sampling,CARS)筛选光谱特征变量,构建抹茶品质指标的偏最小二乘(partial least square,PLS)预测模型,探究光谱信息与茶多酚、游离氨基酸、酚氨比、咖啡碱和可溶性糖之间的定量关系.结果 构建的Vis-NIR的CARS-PLS预测模型在抹茶品质指标含量预测方面均获得了最佳结果,预测相关系数(correlation coefficient in the prediction set,Rp)分别为 0.9227、0.8906、0.9243、0.9381 和 0.9522;预测均方根误差(root mean square error in the prediction set,RMSEP)分别为 0.867、0.337、0.557、0.216 和 0.440.结论 本研究采用的Vis-NIR光谱技术综合了可见光、短波近红外和长波近红外的优势,在快速无损预测多种抹茶品质指标方面具有良好应用潜力,为抹茶品质的快速无损高效检测提供理论依据和技术支撑.</description><identifier>ISSN: 2095-0381</identifier><language>chi</language><publisher>集美大学海洋食品与生物工程学院, 厦门 361021</publisher><ispartof>食品安全质量检测学报, 2024, Vol.15 (3), p.125-132</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/spaqzljcjs/spaqzljcjs.jpg</thumbnail><link.rule.ids>314,780,784,4024</link.rule.ids></links><search><creatorcontrib>荣艳娜</creatorcontrib><creatorcontrib>柳新荣</creatorcontrib><creatorcontrib>邢志强</creatorcontrib><creatorcontrib>陈全胜</creatorcontrib><creatorcontrib>欧阳琴</creatorcontrib><title>抹茶品质指标的可见近红外光谱检测研究</title><title>食品安全质量检测学报</title><description>目的 建立适用于抹茶品质的可见近红外(visible-near infrared,Vis-NIR)光谱快速无损检测模型以实现多种品质指标的定量分析.方法 通过Vis-NIR获取抹茶样本的光谱数据,使用一阶导数(first derivative,1st)光谱预处理方法,最后采用自助软收缩法(bootstrapping soft shrinkage,BOSS)、迭代变量子集优化法(iterative variable subset optimization,IVSO)和竞争性自适应重加权采样法(competitive adaptive reweighted sampling,CARS)筛选光谱特征变量,构建抹茶品质指标的偏最小二乘(partial least square,PLS)预测模型,探究光谱信息与茶多酚、游离氨基酸、酚氨比、咖啡碱和可溶性糖之间的定量关系.结果 构建的Vis-NIR的CARS-PLS预测模型在抹茶品质指标含量预测方面均获得了最佳结果,预测相关系数(correlation coefficient in the prediction set,Rp)分别为 0.9227、0.8906、0.9243、0.9381 和 0.9522;预测均方根误差(root mean square error in the prediction set,RMSEP)分别为 0.867、0.337、0.557、0.216 和 0.440.结论 本研究采用的Vis-NIR光谱技术综合了可见光、短波近红外和长波近红外的优势,在快速无损预测多种抹茶品质指标方面具有良好应用潜力,为抹茶品质的快速无损高效检测提供理论依据和技术支撑.</description><issn>2095-0381</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2024</creationdate><recordtype>article</recordtype><recordid>eNpjYeA0MrA01TUwtjDkYOAtLs5MMjAwNzSyNDMy42Qwe9a180XPtqeTG19sWfGsp_3Zgvbns1qe9q9_sbzxxf6Jz3cterpk2tPWzhcbNj5b3PBsa_fzBVOer9zGw8CalphTnMoLpbkZtN1cQ5w9dMsT89IS89Ljs_JLi_KAMvHFBYmFVTlZyVnFRgZGJgbGBoYmxqSpBgBFv05A</recordid><startdate>2024</startdate><enddate>2024</enddate><creator>荣艳娜</creator><creator>柳新荣</creator><creator>邢志强</creator><creator>陈全胜</creator><creator>欧阳琴</creator><general>集美大学海洋食品与生物工程学院, 厦门 361021</general><general>江苏大学食品与生物工程学院, 镇江 212013%佳禾食品工业股份有限公司, 苏州 215200%江苏大学食品与生物工程学院, 镇江 212013</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2024</creationdate><title>抹茶品质指标的可见近红外光谱检测研究</title><author>荣艳娜 ; 柳新荣 ; 邢志强 ; 陈全胜 ; 欧阳琴</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_spaqzljcjs2024030143</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2024</creationdate><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>荣艳娜</creatorcontrib><creatorcontrib>柳新荣</creatorcontrib><creatorcontrib>邢志强</creatorcontrib><creatorcontrib>陈全胜</creatorcontrib><creatorcontrib>欧阳琴</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>食品安全质量检测学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>荣艳娜</au><au>柳新荣</au><au>邢志强</au><au>陈全胜</au><au>欧阳琴</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>抹茶品质指标的可见近红外光谱检测研究</atitle><jtitle>食品安全质量检测学报</jtitle><date>2024</date><risdate>2024</risdate><volume>15</volume><issue>3</issue><spage>125</spage><epage>132</epage><pages>125-132</pages><issn>2095-0381</issn><abstract>目的 建立适用于抹茶品质的可见近红外(visible-near infrared,Vis-NIR)光谱快速无损检测模型以实现多种品质指标的定量分析.方法 通过Vis-NIR获取抹茶样本的光谱数据,使用一阶导数(first derivative,1st)光谱预处理方法,最后采用自助软收缩法(bootstrapping soft shrinkage,BOSS)、迭代变量子集优化法(iterative variable subset optimization,IVSO)和竞争性自适应重加权采样法(competitive adaptive reweighted sampling,CARS)筛选光谱特征变量,构建抹茶品质指标的偏最小二乘(partial least square,PLS)预测模型,探究光谱信息与茶多酚、游离氨基酸、酚氨比、咖啡碱和可溶性糖之间的定量关系.结果 构建的Vis-NIR的CARS-PLS预测模型在抹茶品质指标含量预测方面均获得了最佳结果,预测相关系数(correlation coefficient in the prediction set,Rp)分别为 0.9227、0.8906、0.9243、0.9381 和 0.9522;预测均方根误差(root mean square error in the prediction set,RMSEP)分别为 0.867、0.337、0.557、0.216 和 0.440.结论 本研究采用的Vis-NIR光谱技术综合了可见光、短波近红外和长波近红外的优势,在快速无损预测多种抹茶品质指标方面具有良好应用潜力,为抹茶品质的快速无损高效检测提供理论依据和技术支撑.</abstract><pub>集美大学海洋食品与生物工程学院, 厦门 361021</pub></addata></record>
fulltext fulltext
identifier ISSN: 2095-0381
ispartof 食品安全质量检测学报, 2024, Vol.15 (3), p.125-132
issn 2095-0381
language chi
recordid cdi_wanfang_journals_spaqzljcjs202403014
source EZB-FREE-00999 freely available EZB journals
title 抹茶品质指标的可见近红外光谱检测研究
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-01T21%3A21%3A07IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E6%8A%B9%E8%8C%B6%E5%93%81%E8%B4%A8%E6%8C%87%E6%A0%87%E7%9A%84%E5%8F%AF%E8%A7%81%E8%BF%91%E7%BA%A2%E5%A4%96%E5%85%89%E8%B0%B1%E6%A3%80%E6%B5%8B%E7%A0%94%E7%A9%B6&rft.jtitle=%E9%A3%9F%E5%93%81%E5%AE%89%E5%85%A8%E8%B4%A8%E9%87%8F%E6%A3%80%E6%B5%8B%E5%AD%A6%E6%8A%A5&rft.au=%E8%8D%A3%E8%89%B3%E5%A8%9C&rft.date=2024&rft.volume=15&rft.issue=3&rft.spage=125&rft.epage=132&rft.pages=125-132&rft.issn=2095-0381&rft_id=info:doi/&rft_dat=%3Cwanfang_jour%3Espaqzljcjs202403014%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=spaqzljcjs202403014&rfr_iscdi=true