一种利用近红外技术对抹茶涩味等级判别的方法

1.本发明属于茶叶研究技术领域，具体涉及一种利用近红外技术对抹茶涩味等级判别的方法。


背景技术：

2.茶，山茶科植物，拉丁名camellia sinensis(l.)o.kuntze，多年生常绿木本植物，植株形态分乔木型、半乔木型和灌木型。茶被誉为世界三大饮料之一，而抹茶起源于中国。世界上最早人工种植抹茶的遗迹即在浙江余姚的田螺山遗址，已有6000多年历史。2200多年前秦汉间成书的《神农本草》中亦记载:“茗。苦茶，味甘苦，微寒无毒，主瘘疮。利小便，去痰渴热，令人少睡。”。近年来，抹茶作为一种广受欢迎的健康饮品进入一个快速发展时期，其品质和质量安全也随着人们生活水平和健康意识的提高而备受关注。
3.抹茶深受消费者青睐，现今消费者更加注重抹茶香气、滋味等内质表现。滋味品质特征权重在五因子百分制评判中占30％
‑
35％，是抹茶品质评判的核心因子。
4.目前抹茶滋味评判主要依靠具有丰富经验的评茶师采用感官审评的方式进行，该方式所需时间相对较长，评判结果容易受到审评人员身体健康状况、思想情绪等诸多主观因素的影响。如何辅以仪器检测进而快速准确且全面地判断抹茶的滋味特征表现一直是抹茶品质鉴定领域研究的重点。
5.近红外光谱技术可用于定量及定性分析，具有无损、简便快捷等优势。在食品及中药等的品质控制领域的应用呈快速发展。在抹茶领域，nirs技术已在抹茶化学成分含量测定、抹茶鲜叶等级判定、品种判定及产地判别等方面有广泛应用。近红外光谱技术结合化学计量学方法检测抹茶品质具有可行性。
6.综上，本实验通过近红外光谱技术测定抹茶涩度，实现对抹茶涩度快速、准确、无损的判断。


技术实现要素：

7.本发明的目的是克服现有技术中抹茶内在品质不确定，感官评审人员的主观因素，能力经验等导致抹茶涩味等级评判难度大，存在不科学不稳定等缺陷，本发明针对上述存在的问题，提供一种快速，准确，无损的判别抹茶涩味等级的方法。
8.本发明所述的一种利用近红外技术建立抹茶涩味等级判别的方法包括以下步骤：
9.(1)基于茶叶感官评审方法，对抹茶样品进行涩味鉴别；
10.(2)采用高效液相色谱法测定抹茶样品中没食子酸、表没食子儿茶素(egc)、咖啡碱、表儿茶素(ec)、表没食子儿茶素没食子酸酯(egcg)、表儿茶素没食子酸酯(ecg)、没食子酸儿茶素没食子酸酯(gcg)和芦丁的组分含量；
11.(3)建立抹茶涩味相关成分体系；
12.(4)采用近红外光谱测定仪扫描抹茶样品；
13.(5)选择抹茶样品的谱图预处理方法；
14.(6)利用谱图建立判别模型，划分抹茶涩味等级，并利用模型预测未知抹茶涩味等级；
15.(7)利用抹茶样品谱图，将抹茶样品涩味相关成分与对应光谱图关联，建立咖啡碱、ecg、表儿茶素、没食子酸和egc涩味相关成分的含量光谱预测模型。
16.所述步骤(1)的方法优选对不同批次的抹茶依据感官评审方法进行涩味鉴别，建立抹茶样品的涩味等级数据库；
17.所述步骤(2)中的方法优选采用高效液相色谱法对抹茶样品中没食子酸、表没食子儿茶素(egc)、咖啡碱、表儿茶素(ec)、表没食子儿茶素没食子酸酯(egcg)、表儿茶素没食子酸酯(ecg)、没食子酸儿茶素没食子酸酯(gcg)和芦丁含量测定至少重复进行三次。
18.所述步骤(3)的方法优选建立涩味成分体系为：将步骤(1)中各涩味等级抹茶，过300目筛，编号，进行多指标成分定量、相关性分析研究，分析所得数据。
19.所述步骤(4)近红外光谱图的采集方法优选为取抹茶样品，过300目筛，所得样品粉末使用积分球采集近红外谱图，近红外光谱仪参数设置：光谱采集范围10000～4000cm
‑1，分辨率为8cm
‑1，扫描次数64次，温度25℃，每个样品采集3次，求取平均光谱。
20.所述步骤(5)选择抹茶样品的谱图预处理方法优选为判别模型是选择模型对未知样品预测的正确率高和性能指数高的原始光谱数据预处理方法；定量模型是选择使光谱分析模型的决定系数和分辨度最大、校正标准差和相对标准差最小的原始光谱数据预处理方法。
21.所述步骤(6)建立判别模型的过程优选如下：利用tq analyst近红外光谱分析软件，对抹茶涩味等级与光谱预处理后的吸收光谱数据的平均值一一对应进行判别分析，并采用马氏距离进行建模。
22.所述步骤(7)建立定量模型优选如下：利用tq analyst近红外光谱分析软件，对抹茶样品中咖啡碱、ecg、表儿茶素、没食子酸和egc含量化学实际测量值和光谱预处理后的吸收光谱数据的平均值一一对应进行线性拟合，并采用定量偏最小二乘法进行建模。
23.权利要求2所述的涩味等级鉴别的方法,由专业评审人员将抹茶分为“强”(涩度4)、“中”(涩度3)、“弱”(涩度2)和“极弱”(涩度1)。
24.权利要求6所述的涩味等级判别的方法，将已知涩味等级的抹茶过300目筛，所得样品粉末采集近红外光谱图，所得光谱图应用化学计量学软件依次经过批量归一化处理、批量基线校正处理以及剔除异常样本点处理。
25.所述步骤(6)利用判别模型预测未知抹茶样品的涩味等级，优选将将近红外光谱测定仪扫描的未知抹茶涩味等级的吸收光谱数据平均值输入光谱分析软件，经过光谱数据预处理，将经过预处理的光谱数据输入定性模型，通过定性模型计算即可得到未知抹茶样品的涩味等级预测值。
26.所述步骤(7)利用定量模型预测未知抹茶样品中咖啡碱、ecg、表儿茶素、没食子酸和egc的含量，优选将将近红外光谱测定仪扫描的未知抹茶的吸收光谱数据平均值输入光谱分析软件，经过光谱数据预处理，将经过预处理的光谱数据输入定量模型，通过定量模型计算即可得到未知抹茶样品中咖啡碱、ecg、表儿茶素、没食子酸和egc的含量预测值。
27.本发明具有以下优点：
28.1、在传统感官评审方法的基础上，结合抹茶的涩味组分，通过与抹茶具有涩味作
用的咖啡碱、儿茶素类为基础，基于近红外光谱分析技术，建立了一套科学、合理、可操作性强、实用性好的抹茶涩味等级评审的方法。
29.2、本方法快速、无损、不会对环境造成污染，利用近红外技术，使得抹茶品质评价更具有科学性和实用性，对于抹茶的合理配置、实现优质优价、规范市场及利于有关部门监管具有重要意义。
附图说明：
30.图1：抹茶不同指标kendall相关图
31.图2：样品含量hplc色谱图：1.没食子酸；2.egc；3.咖啡碱；4.表儿茶素；5.egcg；6.gcg；7.芦丁；8.ecg。
32.图3：样品光谱图
33.图4：抹茶中咖啡碱测定值与预测值相关图
34.图5：抹茶中ecg测定值与预测值相关图
35.图6：抹茶中表儿茶素测定值与预测值相关图
36.图7：抹茶中没食子酸测定值与预测值相关图
37.图8：抹茶中egc测定值与预测值相关图
38.图9：抹茶涩度级别区分图，其中
“△”
表示一级涩度，
“●”
表示二级涩度，
“☆”
表示三级涩度，
“○”
表示四级涩度
具体实施方式：
39.为更好理解本发明，下面结合实施例对本发明做进一步地详细说明，但是本发明要求保护的范围并不局限于实施例表示的范围。
40.实施例1利用近红外技术建立抹茶涩味等级判别方法
41.(1)对不同批次的抹茶依据感官评审方法进行涩味鉴别，建立抹茶样品的涩味等级数据库。涩味等级由专业评审人员将抹茶分为“强”(涩度4)、“中”(涩度3)、“弱”(涩度2)和“极弱”(涩度1)。
42.(2)采用高效液相色谱法对抹茶样品中没食子酸、表没食子儿茶素(egc)、咖啡碱、表儿茶素(ec)、表没食子儿茶素没食子酸酯(egcg)、表儿茶素没食子酸酯(ecg)、没食子酸儿茶素没食子酸酯(gcg)和芦丁含量测定至少重复进行三次。
43.(3)将步骤(1)中各涩味等级抹茶，过300目筛，编号，进行多指标成分定量、相关性分析研究，分析所得数据。
44.(4)取抹茶样品，过300目筛，所得样品粉末使用积分球采集近红外谱图，近红外光谱仪参数设置：光谱采集范围10000～4000cm
‑1，分辨率为8cm
‑1，扫描次数64次，温度25℃，每个样品采集3次，求取平均光谱。
45.(5)将已知涩味等级的抹茶过300目筛，所得样品粉末采集近红外光谱图，所得光谱图应用化学计量学软件依次经过批量归一化处理、批量基线校正处理以及剔除异常样本点处理。
46.(6)将近红外光谱测定仪扫描的未知抹茶涩味等级的吸收光谱数据平均值输入光谱分析软件，经过光谱数据预处理，将经过预处理的光谱数据输入定性模型，通过定性模型
计算即可得到未知抹茶样品的涩味等级预测值。
47.(7)利用定量模型预测未知抹茶样品中咖啡碱、ecg、表儿茶素、没食子酸和egc的含量，是将近红外光谱测定仪扫描的未知抹茶的吸收光谱数据平均值输入光谱分析软件，经过光谱数据预处理，将经过预处理的光谱数据输入定量模型，通过定量模型计算即可得到未知抹茶样品中咖啡碱、ecg、表儿茶素、没食子酸和egc的含量预测值。
48.实施例2利用近红外技术建立抹茶涩味等级判别方法
49.(1)基于茶叶感官评审方法，对抹茶样品进行涩味鉴别。
50.(2)采用高效液相色谱法测定抹茶样品中没食子酸、表没食子儿茶素(egc)、咖啡碱、表儿茶素(ec)、表没食子儿茶素没食子酸酯(egcg)、表儿茶素没食子酸酯(ecg)、没食子酸儿茶素没食子酸酯(gcg)和芦丁的组分含量。
51.(3)建立抹茶涩味相关成分体系。
52.(4)采用近红外光谱测定仪扫描抹茶样品。
53.(5)选择抹茶样品的谱图预处理方法。
54.(6)利用谱图建立判别模型，划分抹茶涩味等级，并利用模型预测未知抹茶涩味等级。
55.(7)利用抹茶样品谱图，将抹茶样品涩味相关成分与对应光谱图关联，建立咖啡碱、ecg、表儿茶素、没食子酸和egc涩味相关成分的含量光谱预测模型。
56.实验例：为了进一步验证本发明的可行性，发明人进行了一系列的试验，具体如下：
57.基于近红外技术建立抹茶涩味等级判别的新方法，首先建立传统经验的感官评审，通过传统感官评审，为抹茶涩味分级提供直观、简便的涩味等级标准。然后进行多指标成分定量分析、相关性分析等尽可能体现不同涩味等级抹茶间的差异。通过涩味等级评分法，将涩味等级与涩味成分进行结合，并应用近红外光谱分析技术，对不同涩味等级的抹茶进行光谱扫描采集，最后建立抹茶涩味等级判别模型。
58.一、实验仪器：
59.梅特勒托利多电子天平(ms105)、安捷伦1260高效液相色谱仪、diamonsil c
18
(250mm
×
4.6mm，5μm)、美国赛默飞
‑
世尔antarisii型傅里叶近红外光谱仪、result软件(赛默飞
‑
世尔公司)用于光谱的采集，tq analyst 6.2软件(赛默飞
‑
世尔公司)用于光谱的预处理及算法的计算。
60.二、实验样品来源：
61.芦丁、egc、表儿茶素、ecg、egcg、没食子酸、gcg、咖啡碱对照品
62.来自不同厂家的多个样本，将抹茶过筛，供试品溶液的制备：取编号为：27、49、62、25、50、63、32、36、60、2、7、59、1
‑
1、1
‑
2、1
‑
3，2
‑
1、2
‑
2、2
‑
3，3
‑
1、3
‑
2、3
‑
3、1
‑2‑
1、1
‑2‑1……1‑2‑
6，2
‑2‑
1、2
‑2‑2……2‑2‑
6，3
‑2‑
1、3
‑2‑2……3‑2‑
6,4
‑2‑
1、4
‑2‑2……4‑2‑
6得供试品，各取约0.5g。
63.三、实验方法：
64.收集抹茶，每批进行感官评审，采用hplc法测定其中咖啡碱和儿茶素类的含量。
65.色谱条件：色谱柱：diamonsil 5um c18,250
ⅹ
4.6mm(8997474)；流动相：乙腈(b)：0.1％甲酸(a)，梯度洗脱(0
‑
13min：6％
‑
12％b，13
‑
23min：12
‑
18％b，23
‑
31min：18％b，31
‑
36min:18
‑
21.5％b,36
‑
44min：21.5％
‑
25％b，44
‑
54min：25％
‑
63％b，54
‑
70min：63％
‑
70％b)，流速：1ml/min；柱温：35℃；波长：278nm。
66.对照品溶液的制备：没食子酸、egc、咖啡碱、表儿茶素、egcg、gcg、芦丁、ecg适量，精密称定，加甲醇制得每1ml含各对照品1mg的混合对照品溶液。
67.供试品溶液的制备：取编号为：27、49、62、25、50、63、32、36、60、2、7、59、1
‑
1、1
‑
2、1
‑
3，2
‑
1、2
‑
2、2
‑
3，3
‑
1、3
‑
2、3
‑
3、1
‑2‑
1、1
‑2‑1……1‑2‑
6，2
‑2‑
1、2
‑2‑2……2‑2‑
6，3
‑2‑
1、3
‑2‑2……3‑2‑
6,4
‑2‑
1、4
‑2‑2……4‑2‑
6的供试品，取约0.5g，精密称定，置具塞锥形瓶，精密加入70％甲醇50ml,称定重量，超声处理(功率500w，频率40khz)30分钟，放冷，再称定重量，用70％甲醇补足减失的重量，摇匀，滤过，续滤，即得。精密吸取对照品与供试品液各10ul，注入高效液相相色谱仪，测定，记录色谱图，供试品色谱图见图1，按外标法计算。
68.抹茶中涩味相关成分含量测定：
69.对抹茶中咖啡碱与儿茶素类成分进行含量测定，通过r语言进行相关性分析(见图2)，涩味等级与咖啡碱、ecg和表儿茶素的正相关系数分别为0.42、0.36和0.26，与没食子酸和egc的负相关系数分别为
‑
0.3和
‑
0.11。抹茶中涩味相关成分的近红外模型的校正集数据统计结果见表1。抹茶中咖啡碱含量范围在27.96
‑
45.99，平均值是34.66；抹茶中ecg含量范围在7.85
‑
14.01，平均值是10.73；抹茶中表儿茶素含量范围在3.62
‑
7.28，平均值是5.08；抹茶中没食子酸含量范围在0.28
‑
1.99，平均值是0.84；抹茶中egc含量范围在26.85
‑
11.97，平均值是19.77；样品化学成分含量分布范围差异明显，样品具有一定的代表性。
70.表1抹茶涩味相关成分含量的测定
[0071] 样品数含量范围平均值标准差咖啡碱(mg/g)9027.96
‑
45.9934.664.38ecg(mg/g)907.85
‑
14.0110.731.61表儿茶素(mg/g)903.62
‑
7.285.080.84没食子酸(mg/g)900.28
‑
1.990.840.31egc(mg/g)9026.85
‑
11.9719.773.64
[0072]
原始光谱的采集
[0073]
采用美国赛默飞
‑
世尔antarisii型傅里叶近红外光谱仪，样品过300目筛，所得样品粉末使用积分球采集近红外谱图，近红外光谱仪参数设置：光谱采集范围10000～4000cm
‑
1，分辨率为8cm
‑
1，扫描次数64次，温度25℃，每个样品采集3次，求取平均光谱。光谱采集前，将光谱仪预热1个小时以上，保持室内温度和湿度基本一致后，将抹茶样品装入与该仪器配套的旋转杯中采集光谱，光谱图见图3.
[0074]
原始光谱预处理
[0075]
在光谱采集过程中，通常会产生高频噪声和基线漂移等影响模型预测效果的噪声信息，因此，在建立校正集模型前需要对光谱进行预处理，运用化学计量软件tq analyst软件对抹茶全部近红外光谱进行求导平滑等预处理，原始光谱预处理方法有多元校正、一阶导数和二阶导数等方法。
[0076]
定量模型的建立
[0077]
原始光谱预处理方法的选择直接影响着分析模型建立的好坏。采用定量偏最小二乘法(qpls)法进行建模，构建的近红外预测模型决定系数(r2)、分辨度(rpd)越大，校正标
准差(sec)、相对标准差(rsd)越小，预测模型越准确。通过上述预处理方法比较分析，结果如表2，发现：咖啡碱采用msc+f,d+s,g组合时，rmsec最小，rc2最大；ecg采用msc+s,d+s,g组合时，rmsec最小，rc2最大；表儿茶素采用msc+f,d+s,g组合时，rmsec最小，rc2最大；没食子酸采用msc+f,d+s,g组合时，rmsec最小，rc2最大；egc采用msc+f,d+n,d组合时，rmsec最小，rc2最大；。
[0078]
表2抹茶涩味相关成分预处理结果
[0079][0080][0081]
msc:多元信号修正；fd/sd:一阶/二阶导数；sg、nd：滤躁(平滑)方法
[0082]
模型校正：
[0083]
选取未参与校正的50个抹茶样品对所建抹茶及其组分的预测模型(见图4，图5，图6，图7，图8)进行校正。验证结果如下表3。咖啡碱的预测值和化学值绝对误差在1以下，误差较小；ecg的预测值和化学值绝对误差在1以下，误差较小；表儿茶素的预测值和化学值绝对误差在1以下，误差较小；没食子酸的预测值和化学值绝对误差在1以下，误差较小；egc的预测值和化学值绝对误差在1以下，误差较小，说明抹茶中涩味相关成分含量预测模型可行性较高，预测结果较准确。
[0084]
表3近红外模型验证结果
[0085][0086]
判别模型的建立
[0087]
建模过程中，先计算平均光谱，然后通过估计在分析区域内每个波点的变化建立分类模型。在多元统计的判别分析中，采用马氏距离，来判别样本点的判别归属，马氏距离是广义平方距离的一种，以多元正态分布理论为基础，有效地考虑了均值、方差、协方差三个参数，是一个能够全面描述总体多元结构的综合指标。
[0088]
假设有两个服从正态分布的总体g1和g2，x∈r是一个新样本点，定义x到g1和g2的
马氏距离为d(x,g1)和d(x,g2)：
[0089][0090][0091]
式中μ1和μ2为总体g1和g2的均值阵；s1和s2为总体g1和g2的协方差阵。
[0092]
判别规则如下：
[0093][0094]
模型的预测结果
[0095]
为了检验以上所建模型预测的准确性，随机抽取15个，对模型的鉴定能力进行了外部检验，样品经处理后，用近红外进行光谱采集，最后用所建立的等级评判模型对光谱进行了等级预测，见图9。结果见表4。
[0096]
表4等级评判结果
[0097][0098]
结论：从表中可看出，模型的预测结果与实际结果基本一致，经计算，模型的鉴别率为93.3％。
[0099]
预测模型是利用光学数据预测值和化学方法实测的值来建模的，化学方法检测采用高效液相色谱法，费时费力；前期建模需要获得一定数量抹茶的化学值，建好模型后，需要在近红外分析软件中打开，利用真实测量值建立预测模型，是为了保证预测值的可靠性。在实际应用中，只需要采用近红外光谱仪扫抹茶样品，获得光学数据，直接利用定量模型测得抹茶中咖啡碱、ecg、表儿茶素、没食子酸和egc的含量，利用判别模型测得抹茶的涩味等级，而不需要再采用化学法和感官评审进行测定，简单，快速，高效，省钱省力。
[0100]
虽然，上文中已经用一般性说明、具体实施方式及试验，对本发明作了详尽的描述，但在本发明基础上，可以对之作出一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。