专利名称：基于近红外光谱技术无损测量茶叶中茶多酚含量的方法
技术领域：
本发明涉及用光学手段分析材料的方法，尤其是涉及一种基于近红外光谱技术无损测量茶叶中茶多酚含量的方法。
背景技术：
茶多酚(tea polyphenols)是茶叶中酚类物质及其衍生物的总称，占茶叶质量的16％左右，主要包括儿茶素类、黄酮、黄酮醇类、花青素类、花白素类和酚酸及缩酚酸类。由于其具有抗氧化、抗肿瘤、抗衰老、抗龋齿、抗菌、抗病毒以及降血压、调血脂、降血糖等广泛而确切的显著生物活性，所以茶叶中茶多酚的含量已经成为茶叶品质的重要指标。传统的茶多酚测量方法有高效液相色谱法，毛细管电泳法，荧光检测，化学发光检测，质谱联用，氢核磁共振等。这些方法有个共同的特点就是测量过程复杂、耗费大量时间、需要化学试剂、而且样本需要做破坏性预处理。这些都不利于商品的在线检测和流通。需要有一种简单、快速、非破坏的方法、实时的检测茶叶中茶多酚的含量。
发明内容
为了实现简单、快速、非破坏的、实时的检测茶叶中茶多酚的含量，本发明的目的是提供了一种基于近红外光谱技术无损测量茶叶中茶多酚含量的方法，能对茶树中茶多酚进行快速、准确、非破坏性的在线测量。
本发明采用的技术方案是该方法的步骤如下1)校正样品集光谱的建立；首先要针对不同品种，不同制作工艺，不同收获时期收集有代表性的茶叶样本建立校正样本集；然后对校正样本集中的样本运用光谱仪进行光谱扫描得到校正样本集标准光谱；同一样品需多次重复测量，以平均光谱近似作为该样品标准光谱；2)光谱的校正与预处理；获得样本光谱后的第一步是对校正样品集光谱进行校正和预处理；抵消背景干扰及提高光谱的质量；这里采用平滑、中心化、求导或归一化光谱预处理方法；预处理把原来隐藏的信号差异放大出来，提高光谱的分辨率；3)对于预处理后的光谱数据和校正样品集的标准茶多酚含量测量值通过多元回归算法来建立校正模型现代的多元回归算法包括多元线形回归算法和多元非线形回归算法尤其是多元非线形回归算法可以针对生产实际中普遍存在的非线形现象进行拟合，并建立非线形回归，所以选择特征波段是非常重要的，常用的方法是逐步回归的方法来寻找特征波段，或者是回归曲线分析的方法来实现；4)预测样本茶多酚含量测定；首先扫描待预测样本获取光谱，获取光谱时所采用的测量条件，必须同获取标准校正集样本光谱时所采用的测量条件保持一致，这些测量条件包括采样方法、分辩率、扫描间隔或扫描时间；把预测样本的光谱经光谱校正及预处理后，把光谱的特征送入校正模型即可测定未知样品的茶多酚含量。
所以本发明只要在有代表性的茶叶样本的基础上建立了校正模型就可以实验对未知茶多酚含量的茶叶进行快速、无损、实时、在线的测定。
本发明与背景技术相比，具有的有益效果是1)利用光谱技术测定茶叶中茶多酚含量，其分析速度大大加快。光谱的测定过程一般可在30秒内完成(多通道仪器可在1秒内完成)。
2)不使用任何化学试剂，降低了检测成本，也不污染环境。
3)能够处理大量样本分析，节省时间，实时检测技术能够很好的应用于生产。
4)能够对分析样本进行无损测量，测量后的茶叶仍然可以食用和出售。
附图是光谱技术快速无损测量茶叶中茶多酚含量的方法的结构原理框图具体实施方式
采集装置包括近红外光谱仪、光谱仪配套的卤素灯、计算机、标准校正板、进样池、电源等组成。该光谱仪波长为325～2500nm。用数据线将光谱仪与PC电脑相连，样品置于特制的玻璃盛样容器中。光谱仪探头与盛样容器中心间的夹角是45度。待光谱数据采集完毕，用光谱专用分析软件ASD ViewSpec ProV2.14和Unscramble V9.2进行数据处理分析。
本发明的整个实施过程如附图所示①校正样本集光谱的建立。首先收集不同品种，不同制作工艺，不同收获时期(春茶、夏茶、秋茶)的茶叶样本建立校正样本集；然后对校正样本集中的样本运用光谱仪进行光谱扫描得到校正样本集的光谱；同一样品重复测量5次，以平均光谱近似作为该样品标准光谱；光谱仪把数据经A/D转换，得到光谱原始数据。
②光谱的预处理。获得样本光谱后应该预处理。光谱的预处理方法有平滑、中心化、求导、归一化、多元散射校正、小波去噪等等。采用那种预处理方法要依光谱的质量及干扰的情况来选择，预处理也可以把原来隐藏的信号差异放大出来，提高光谱的分辨率，使光谱信息更加直观、可靠。在运用光谱的预处理方法的时候，可以是上述方法的某一种方法的单独使用，也可以是上述几种方法的组合使用。
③校正模型的建立。校正样本集经过光谱测量之后马上采用茶多酚含量的国标测量方法来测量校正样本集各个样本的茶多酚含量。对于预处理后的光谱数据和校正样本集的国标方法茶多酚含量测量值可以通过多元回归算法来建立校正模型。现代的多元回归算法包括多元线形回归算法和多元非线形回归算法。多元线形回归算法如偏最小二乘回归法，主成分回归，逐步回归等，主要用来处理可以线形拟合的数据。多元非线形回归算法如人工神经网络，支持向量机等，尤其是多元非线形回归算法可以针对生产实际中普遍存在的非线形现象进行拟合，并建立非线形回归。光谱的数据一般都有数百到数千个数据点，所有的数据都用来建立模型往往导致模型学习时间长，模型结构复杂等问题。所以选择特征波段是非常重要的，常用的方法是逐步回归的方法来寻找特征波段，或者是回归曲线分析的方法来实现。
④预测样品茶多酚含量测定；首先用光谱仪扫描待预测样本获取光谱，获取预测样本光谱时所采用的测量方法和条件必须同获取校正样本集光谱时所采用的测量方法和条件保持一致，比如采样方法、分辩率、扫描间隔或扫描时间等测量参数，应该保持一致。把预测样本的光谱进行光谱预处理，预处理的方法也要同校正样本集光谱预处理时所采用的方法一致，就是要一一对应。把光谱的特征送入校正模型即可测定预测样品的茶多酚含量。
所以本方法只要在有代表性的茶叶样本的基础上建立了校正模型就可以实验对未知茶多酚含量的茶叶进行快速、无损、实时、在线的测定。
权利要求
1.一种基于近红外光谱技术无损测量茶叶中茶多酚含量的方法，其特征在于该方法的步骤如下1)校正样品集光谱的建立；首先要收集不同品种，不同制作工艺，不同收获时期的茶叶样本建立校正样本集；然后对校正样本集中的样本运用光谱仪进行光谱扫描得到校正样本集标准光谱；同一样品需多次重复测量，以平均光谱作为该样品标准光谱；2)光谱的校正与预处理；获得样本光谱后的第一步是对校正样品集光谱进行校正和预处理；抵消背景干扰及提高光谱的质量；这里采用平滑、中心化、求导或归一化光谱预处理方法；预处理把原来隐藏的信号差异放大出来，提高光谱的分辨率；3)对于预处理后的光谱数据和校正样品集的标准茶多酚含量测量值通过多元回归算法来建立校正模型现代的多元回归算法包括多元线形回归算法和多元非线形回归算法尤其是多元非线形回归算法可以针对生产实际中普遍存在的非线形现象进行拟合，并建立非线形回归。同时选择特征波段是非常重要的，常用的方法是逐步回归的方法来寻找特征波段，或者是回归曲线分析的方法来实现；4)预测样本茶多酚含量测定；首先扫描待预测样本获取光谱，获取光谱时所采用的测量条件，必须同获取标准校正集样本光谱时所采用的测量条件保持一致，这些测量条件包括采样方法、分辩率、扫描间隔或扫描时间；把预测样本的光谱经光谱校正及预处理后，把光谱的特征送入校正模型即可测定未知样品的茶多酚含量。
全文摘要
本发明公开了一种基于近红外光谱技术无损测量茶叶中茶多酚含量的方法，首先要建立校正模型，收集茶叶样本作为校正样本集，并扫描得到校正样本集的可见光和近红外光谱(325－2500nm)，对得到的光谱数据进行光谱预处理。然后采用国标规定的方法测量校正样本的茶多酚含量。采用多元校正回归算法建立校正样本的近红外光谱与茶多酚含量之间的定量关系，即建立了校正模型。对于待检测的茶叶，只要扫描它们的近红外光谱图，并把经过相应光谱预处理的光谱数据输入到校正模型，经过校正模型的测定即得到了该茶叶的茶多酚含量。整个过程在计算机的控制下，实现数据的采集、存储、显示和处理功能。
文档编号G06F17/00GK101059426SQ20071006911
公开日2007年10月24日 申请日期2007年5月29日 优先权日2007年5月29日
发明者何勇, 李晓丽, 裘正军, 陆江峰 申请人:浙江大学