基于化學(xué)指紋圖譜的茶葉產(chǎn)地、原料品種判別分析和生化成分預(yù)測(cè).pdf

1、茶葉有著悠久的歷史，是中國(guó)重要的經(jīng)濟(jì)作物。部分名優(yōu)茶市場(chǎng)存在“以假亂真”的現(xiàn)象，為了對(duì)這種現(xiàn)象有一定的判斷，本研究以對(duì)茶葉產(chǎn)地、品種等的判定為目的進(jìn)行化學(xué)指紋圖譜的分類和判別研究。同時(shí)，對(duì)茶葉近紅外光譜技術(shù)進(jìn)行研究，以期快速測(cè)定茶葉化學(xué)成分含量。
　　 基于HPLC化學(xué)指紋圖譜對(duì)綠茶和武夷巖茶的分類中，得到了25組共有峰，達(dá)到了100％的分類正確率;對(duì)浙江和川渝綠茶的分類中，得到了24組共有峰，川渝綠茶和浙江綠茶的分類正確率分別

2、為98.8％和88.3％，結(jié)果聚為三類，第一類為川渝綠茶，第三類主要為浙江綠茶，第二類為川渝綠茶和浙江綠茶的交叉。
　　 基于HPLC化學(xué)指紋圖譜的扁形綠茶產(chǎn)地判別分析中，在增加了一個(gè)色譜條件后，得到了40組共有峰，龍井茶與非龍井扁形茶的判別得到一個(gè)判別函數(shù)，26個(gè)相關(guān)變量，達(dá)到92.4％的判別正確率;西湖龍井與非龍井扁形茶的判別得到一個(gè)判別函數(shù)，21個(gè)相關(guān)變量，達(dá)到95.8％的正確率;龍井茶三個(gè)產(chǎn)區(qū)的判別得到兩個(gè)判別函數(shù)，36

3、個(gè)相關(guān)變量和82.9％的正確率;西湖龍井一級(jí)保護(hù)區(qū)和二級(jí)保護(hù)區(qū)得到一個(gè)判別函數(shù)，11個(gè)相關(guān)變量和98.3％的正確率。
　　 基于NIR化學(xué)指紋圖譜的龍井茶產(chǎn)地分析中，在同步分析中，不同光譜預(yù)處理方法，原始光譜、MSC、Smoothing、一階導(dǎo)數(shù)和二階導(dǎo)數(shù)對(duì)驗(yàn)證集樣本的識(shí)別準(zhǔn)確率分別為86.0％，為83.2％，83.9％，83.5％和76.1％，總體識(shí)別準(zhǔn)確率為85％;扁形茶、錢塘龍井、西湖龍井、越州龍井四個(gè)單獨(dú)模型對(duì)驗(yàn)證集的識(shí)

4、別準(zhǔn)確率分別為97.2％，97.5％，97.9％和100％;四個(gè)模型進(jìn)行組合以后“初次識(shí)別”對(duì)驗(yàn)證集樣本的識(shí)別準(zhǔn)確率分別為87.2％，91.3％，95.1％和99.4％，驗(yàn)證集樣本的總的識(shí)別正確率為93.7％，比同步識(shí)別有明顯提高;采用歐氏距離法進(jìn)行二次識(shí)別以后，對(duì)驗(yàn)證集樣本最終的識(shí)別準(zhǔn)確率為96.8％較初次識(shí)別提高了3.2％,說(shuō)明模型組合和歐氏距離法都能有效提高識(shí)別準(zhǔn)確率。
　　 基于HPLC化學(xué)指紋圖譜的扁形茶原料品種判別中

5、，共獲得40組共有峰，西湖龍井產(chǎn)區(qū)的龍井43和群體種的判別得到1個(gè)判別函數(shù)，其中有20個(gè)變量，最終對(duì)測(cè)試集的判別正確率是81.7％;錢塘龍井產(chǎn)區(qū)四個(gè)品種的判別得到3個(gè)判別函數(shù)，其中有23個(gè)變量，對(duì)測(cè)試集的判別正確率是94.1％;越州龍井產(chǎn)區(qū)的判別得到3個(gè)判別函數(shù)，其中有20個(gè)變量，對(duì)測(cè)試集的判別正確率為83.1％;非龍井扁形茶四個(gè)品種的判別得到3個(gè)判別函數(shù)，其中有19個(gè)變量，對(duì)測(cè)試集的判別正確率為93.6％;所有扁形茶四個(gè)品種的判別得到

6、3個(gè)判別函數(shù)，其中有35個(gè)變量，對(duì)測(cè)試集的判別正確率為86.4％。
　　 基于NIR化學(xué)指紋圖譜的扁形茶原料品種識(shí)別中，同步識(shí)別后，對(duì)驗(yàn)證集的總體識(shí)別準(zhǔn)確率為65.6％;龍井43，群體種、迎霜和烏牛早四個(gè)單獨(dú)識(shí)別模型對(duì)驗(yàn)證集樣本的識(shí)別準(zhǔn)確率為87.1％，84.2％，96.1％和97.5％;模型組合后“初次識(shí)別”，對(duì)驗(yàn)證集的總體識(shí)別準(zhǔn)確率為74.2％;采用歐氏距離法進(jìn)行二次識(shí)別后，對(duì)驗(yàn)證集樣本的最終識(shí)別準(zhǔn)確率為83.5％較“初次識(shí)

7、別”提高了9.3％。
　　 基于NIR指紋圖譜和HPLC的扁形綠茶化學(xué)成分預(yù)測(cè)中，分別對(duì)八種化學(xué)成分建立了PCR和PLSR線性回歸模型，并得到了各自的線性擬合方程。結(jié)果表明得到PLSR的預(yù)測(cè)效果更好，其中GA的最佳數(shù)據(jù)預(yù)處理方法是Smoothing，其相關(guān)系數(shù)為0.84，線性擬合方程為y=1.0405x-0.0064; EGC的最佳數(shù)據(jù)預(yù)處理方法是Smoothing，相關(guān)系數(shù)為0.88，線性擬合方程為y=0.9227x+0.09

8、22;c的最佳數(shù)據(jù)預(yù)處理方法是MSC，相關(guān)系數(shù)為0.86，線性擬合方程為y=0.9762x+0.0123; CAF的最佳數(shù)據(jù)預(yù)處理方法是MSC，相關(guān)系數(shù)為0.92，線性擬合方程為y=0.9476x+0.201; EC的最佳數(shù)據(jù)預(yù)處理方法是Smoothing，其相關(guān)系數(shù)為0.91，線性擬合方程為y=1.0044x-0.0029;EGCG的最佳數(shù)據(jù)預(yù)處理方法是MSC，相關(guān)系數(shù)為0.92，線性擬合方程為y=0.9823x+0.19; ECG的