[发明专利]一种青钱柳复合保健茶及其制备方法

权利要求书

1.一种青钱柳复合保健茶，其特征在于，所述青钱柳复合保健茶按照质量份数由青钱柳叶35份、桑叶20份、红曲20、红枣枸杞6份、海棠叶5份和杜仲叶5份组成。

2.一种如权利要求1所述青钱柳复合保健茶的制备方法，其特征在于，所述青钱柳复合保健茶的制备方法包括以下步骤：

步骤一，选取干青钱柳叶为原料，将选取的青钱柳叶、桑叶、海棠叶、杜仲叶的嫩叶、红枣枸杞，洗净晾干至叶片萎凋；

步骤二，将萎凋叶一起置于滚筒摇青机内摇青2～4次，每次摇青的时间是10～60min，每次摇青后在温度为30～50℃，湿度为60～80％的条件下凉青1～3小时；

步骤三，摇青后将叶片在温度175-220℃，时间5-20min，条件下进行杀青；

步骤四，杀青后将叶片置于干燥器中，然后将所述干燥器置于围脖辐射反应炉内，通入载气，待载气气流平稳后，打开微波辐射反应炉的开关，对杀青后的叶片进行微波辐射干燥处理，直至干燥至含水量低于5％；

步骤五，把杀青后的茶叶包在茶巾里，利用速包机把整个茶叶紧包成球状，制得茶包，将打包好的茶包放在揉捻机中进行揉捻使茶叶成型，制得茶球；

步骤六，将制作好的茶球放入筛选机内进行过滤筛选，将散落开的茶球或者过于小的茶球筛选过滤掉，筛选出大小均匀的茶球；

步骤七，将揉捻好的茶球打散，然后重复进行包揉和揉捻；

步骤八，将重复揉捻好的茶球置入柔性搅拌桶中进行搅拌，利用柔性搅拌桶中的柔性搅拌条对重复捻好的茶球进行解块，柔性搅拌桶既能有效使茶球解块，又能保持茶球解块后茶叶的完整性；

步骤九，解块后摊铺在竹筛上放在铁架上，置于炉中干燥，即得青钱柳茶；干燥分两次，第一次为毛火：温度110℃-120℃，使茶叶含水量在20-28％；第二次为足火：温度82℃-95℃，茶叶成品含水量为5％。

3.一种如权利要求1所述青钱柳复合保健茶的质量评价方法，其特征在于，所述质量评价方法包括：

解析钱柳复合保健茶特有的感官特性，获取该钱柳复合保健茶感官品质语义描述空间；

利用现代仪器分析技术手段结合化学计量学，对钱柳复合保健茶进行数字化信息的存贮与加工，获取与其感官特性相关性强的理化参数空间；

利用智能感官分析技术，获取钱柳复合保健茶的智能感官图像和图谱空间；

利用信息融合技术对所述感官品质语义描述空间、理化参数空间和智能感官图像和图谱空间进行信息融合，并利用数据挖掘技术，从钱柳复合保健茶的基础数据中获取钱柳复合保健茶的感官评价指标与理化测试指标及智能感官分析指标之间的关系，以评价钱柳复合保健茶的感官质量；

所述钱柳复合保健茶组织类图像信息的脉冲耦合神经网络模型：

F_ij[n]＝S_ij；

Lij[n]=ΣabYab[n]/Nw;]]>

U_ij[n]＝F_ij[n](1+β_ij[n]L_ij[n])；

Yij[n]=1,if uij[n]>θij[n]0,otherwise;]]>

θ_ij[n]＝θ₀e^-αθ(n-1)；

其中，β_ij[n]为自适应链接强度系数；

βij[n]=Σa,b∈w1|Sij-Sab|+Δ/Nw;]]>

S_ij、F_ij[n]、L_ij[n]、U_ij[n]、θ_ij[n]分别为输入图像信号、反馈输入、链接输入、内部活动项及动态阈值，N_w为所选待处理窗口W中的像素总数，Δ为调节系数，选取1～3；

脉冲耦合神经网络模型对钱柳复合保健茶显微图像进行检测时，利用网络特性使灰度为S_ijmax的像素点火激活，再进行第二次脉冲耦合神经网络迭代处理，把介于[S_ijmax/1+β_ijL_ij,S_ijmax]间的像素捕获激活，使两次激活的像素点对应的Y_ij输出为1；然后对原噪声污染图像反白处理，再对处理后的图像S_ij按前述进行迭代处理，并使对应的输出Y_ij＝1，利用图像噪声像素与周围像素相关性小，灰度差别大特性，当一个神经元的激发没有引起所在区域附近大多数神经元的激发时，就说明该神经元对应像素可能是噪声点；

初步甄别出Y_ij＝0对应的像素点为钱柳复合保健茶显微图像的信号点，予以保护；对Y_ij输出为1的像素点在3*3模板B范围内统计以输出Y_ij＝1为中心邻域元素值为1的个数N_Y判别归类：1≤N_Y≤8，为噪声点，当N_Y＝9，判定为图像像素点；

所述钱柳复合保健茶显微图像自适应加权滤波器噪声滤波的实现方法；

当脉冲输出Y_ij＝1且N_Y＝1～8，N_Y是当在3*3模板B中为1个数，选取滤波窗口M，对噪声污染图像f_ij的自适应滤波，滤波方程为：

fij=Σr,s∈MxrsSrs;]]>

式中，x_rs是滤波窗口中对应像素的系数，S_rs为滤波窗口中对应像素的灰度值，f_ij为滤波后对应窗口中心位置的输出值：

xrs=1/{1+max[Ωij,|Srs-Dij|]}Σr,s∈M1/{1+max[Ωij,|Srs-Dij|]},Yrs=10,Yrs=0;]]>

Ωij=Σr,s∈M|Srs-Dij|NY,Yrs=1;]]>

式中D_ij为方形滤波窗口M中像素灰度中值，Ω_ij滤波窗口各像素与中心灰度差绝对均值，max为求最大值符号；

选取滤波窗口M选取大小为m*m的滤波窗口M，窗口大小的选取原则是：

m=5,1≤NY≤57,6≤NY≤8.]]>