[发明专利]一种基于近红外光谱技术预测绿茶摊青叶含水量的方法

摘要

一种基于近红外光谱技术预测绿茶摊青叶含水量的方法，应用近红外光谱仪、以积分球为光学平台进行扫描，包括以下步骤：摊放鲜叶的选取，摊放鲜叶样品含水量的测定，摊放鲜叶样品近红外光谱扫描，和摊放鲜叶样品近红外光谱预测模型的建立，通过将鲜叶样品近红外光谱全部转化为成对的数据点、利用联合区间偏最小二乘法建立水分含量预测模型，最后通过模型稳定性检验，实现了快速预测绿茶摊青叶的含水量，从而为绿茶摊青叶水分含量预测提供了一种快速准确无损的定量预测方法。

主权项

一种基于近红外光谱技术预测绿茶摊青叶含水量的方法，其特征在于，应用近红外光谱仪、以积分球为光学平台进行扫描，具体包括以下步骤：步骤一、摊放鲜叶的选取：分别选取不同摊放时间的单芽、一芽一叶、一芽二叶和一芽三叶的鲜叶作为样品，然后将这些鲜叶样品随机划分为校正集和验证集；步骤二、摊放鲜叶样品含水量的测定：根据国家标准测定方法，用烘箱分别测定上述选取鲜叶样品的含水量；步骤三、摊放鲜叶样品近红外光谱扫描：a、将近红外光谱仪放置于室内，保持室内温度在20‑25°，湿度在30％‑50％，并预热该近红外光谱仪1h以上；b、用该近红外光谱仪扫描摊青叶的近红外光谱，逐一对每个样品采集6条光谱，取6条采集光谱的平均值作为该样品的最终光谱；步骤四、摊放鲜叶样品近红外光谱预测模型的建立：a、将鲜叶样品近红外光谱全部转化为成对的数据点，以便进行数据分析；b、利用联合区间偏最小二乘法建立水分含量预测模型：(1)通过决定系数R²、交互验证均方根误差RMSEC、预测均方根误差RMSEV判断模型精度，R²越高，RMSEC和RMSEP越小，模型的精度越高：$R^2=1-\frac{{\mathrm{\Σ}}_{i=1}^n{(y_i^{\′}-y_i)}^2}{{\mathrm{\Σ}}_{i=1}^n{(y_i^i-\stackrel{\‾}{y})}^2}$$\mathrm{RMSECV}=\sqrt{\frac{{\mathrm{\Σ}}_{i=1}^n{(y_i^{\′}-y_i)}^2}{n}}$$\mathrm{RMSEP}=\sqrt{\frac{{\mathrm{\Σ}}_{i=1}^n{(y_i-y_i^{\′})}^2}{n}}$式中，R²为决定系数，n表示样本数，y_i和y_i’分别为样品集中第i个样品的实测值和预测值，包括校正集和预测集；为样品集中第i个样品的实测值的平均值，其中i≤n；(2)联合区间偏最小二乘法算法步骤如下：第一步：将样品光谱区间等分为10‑25个等宽的子区间；第二步：分别在多个子区间上建立摊青叶含水量预测模型，以RMSECV最小时建立的模型为最佳；第三步：以RMSECV最小时的预测模型为最佳，筛选建模时的特征光谱区间，得到最终的摊青叶水分含量近红外光谱预测模型；c、模型稳定性检验：以验证集样品建模建立模型的稳健性，当样品的含水量与预测值非常接近时，表明所建模型的预测精度非常高，模型的预测效果非常好。