基于近红外光谱红茶中胭脂红色素的判别

doi:10.19640/j.cnki.jtau.2018.01.016

天津农学院学报 ›› 2018, Vol. 25 ›› Issue (1): 72-75.doi: 10.19640/j.cnki.jtau.2018.01.016

基于近红外光谱红茶中胭脂红色素的判别

廖彩淇, 孙长虹, 杨潇, 靳皓, 杨延荣, 杨仁杰^通信作者, 张伟玉

天津农学院工程技术学院,天津 300384

收稿日期:2017-12-08 出版日期:2018-03-20 发布日期:2019-11-05
通讯作者: 杨仁杰（1978-）,男,副教授,博士,主要研究方向：光谱检测技术与应用。E-mail：rjyang1978@163.com。
作者简介:廖彩淇（1998-）,女,学士,主要研究方向：光谱检测技术与应用。E-mail：2695026709@qq.com。
基金资助:
天津农学院大学生创新创业训练计划项目（201710061053）; 国家自然科学青年基金（31201359）

Discrimination of carmine pigment in tea water based on near infrared spectroscopy

LIAO Cai-qi, SUN Chang-hong, YANG Xiao, JIN Hao, YANG Yan-rong, YANG Ren-jie^{Corresponding Author}, ZHANG Wei-yu

College of Engineering and Technology, Tianjin Agricultural University, Tianjin 300384,China

Received:2017-12-08 Online:2018-03-20 Published:2019-11-05

摘要/Abstract

摘要： 将近红外光谱技术与偏最小二乘判别法相结合,建立了掺胭脂红色素茶水的判别模型。试验分别对38个未添加色素的茶水和38个掺不同浓度胭脂红（所掺胭脂红浓度区间为0.1~10.0 μg/mL）茶水在4 000~15 000 cm^-1区间进行近红外光谱采集,并对数据进行去噪处理。在此基础上,分别在7个不同的波数区间建立了偏最小二乘判别模型,并进行对比分析,认为：不同波数区间建模对掺胭脂红色素茶水的预判模型有着较大的影响。结果表明：在4 000~11 000 cm^-1区间建模,能取得较好的判别结果。所建的模型对校正集样品的判别正确率为100%,对预测集未知样品的判别正确率为96.15%。

关键词: 近红外光谱, 红茶, 胭脂红, 建模波数区间选择, 偏最小二乘判别

Abstract: The discrimination models of tea water adulterated with carmine pigment were constructed combined with the technology of near-infrared（NIR）spectroscopy and partial least squares discriminant analysis（PLS-DA）. Firstly, 38 unadulterated tea water samples, and 38 tea water samples adulterated with carmine pigment（0.1~10.0 μg/mL）were prepared respectively. The NIR spectra of all samples were collected and pretreated with de-noising method in the range of 4 000~15 000 cm^-1. Based on the de-noising pretreatment of spectral data, 7 different wave-number ranges were selected to construct PLS-DA models for discriminating adulterated tea water samples. It is pointed out that the wave-number interval selection has great influence on predictive ability of PLS-DA model. The results show that good discriminant model can be obtained in the range of 4 000~11 000 cm^-1. The classification accuracies of the constructed PLS-DA model were 100% and 96.15% for calibration set and prediction set respectively.

Key words: near-infrared spectroscopy, black tea, carmine, wave-number selection in model, partial least squares discriminant analysis

中图分类号:

O657.33

廖彩淇, 孙长虹, 杨潇, 靳皓, 杨延荣, 杨仁杰, 张伟玉. 基于近红外光谱红茶中胭脂红色素的判别[J]. 天津农学院学报, 2018, 25(1): 72-75.

LIAO Cai-qi, SUN Chang-hong, YANG Xiao, JIN Hao, YANG Yan-rong, YANG Ren-jie, ZHANG Wei-yu. Discrimination of carmine pigment in tea water based on near infrared spectroscopy[J]. Journal of Tianjin Agricultural University, 2018, 25(1): 72-75.

导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks

链接本文: http://xuebao.tjau.edu.cn/CN/10.19640/j.cnki.jtau.2018.01.016

http://xuebao.tjau.edu.cn/CN/Y2018/V25/I1/72

参考文献

[1] 刘春腊,徐美,刘沛林,等. 中国茶产业发展与培育路径分析[J]. 资源科学,2011,33(12):2376-2385.
[2] 周智修,段文华,吴海燕,等. 我国名优茶发展现状与趋势[J]. 茶叶科学,2013,33(2):171-178.
[3] 张海洋,廖彩淇,杨仁杰,等. 基于近、中红外光谱数据融合掺假牛奶的判定[J]. 天津农学院学报,2017,24(4):52-56.
[4] Yang R J,Liu R,Dong G M,et al.Two-dimensional hetero-spectral mid-infrared and near-infrared correlation spectroscopy for discrimination adulterated milk[J]. Spe- ctrochimica Acta Part A,2016,157:50-54.
[5] Lu C H,Xing B R,Hao G,et al.Rapid detection of melamine in milk powder by near infrared spectroscopy[J]. J Near Infrared Spectroscopy,2009,17(2):59-67.
[6] 褚小立,陆婉珍. 近五年我国近红外光谱分析技术研究与应用进展[J]. 光谱学与光谱分析,2014,34(10):2595-2605.
[7] 田晶,李巧玲. 近红外光谱法快速检测饮料中的食用合成色素[J]. 食品科学,2018,39(2):293-297.
[8] 杨昌彪,宋光林,包娜,等. 近红外光谱与表面增强拉曼光谱对红酒中非法添加剂苋菜红的分析研究[J]. 食品科技,2014,39(6):294-298.
[9] 潘健. 基于光谱的微藻藻种鉴别及内部信息(色素、油脂)检测的研究[D]. 杭州:浙江大学,2016.
[10] 孙婵骏. 基于光谱技术绿茶脂溶性色素检测及铅铬绿添加的鉴别研究[D]. 杭州:浙江大学,2016.
[11] 郭志明. 利用近红外光谱分析技术检测绿茶有效成分的研究[D]. 南京:江苏大学,2009.
[12] He Y,Li X,Deng X.Discrimination of varieties of tea using near infrared spectroscopy by principal component analysis and BP model[J]. Journal of Food Engineering,2007,79(4):1238-1242.
[13] Huang X W,Zou X B,Zhao J W,et al.Measurement of total anthocyanins content in flowering tea using near infrared spectroscopy combined with ant colony optimization models[J]. Food Chemistry,2014,164(20):536-543.
[14] Chen Y,Deng J,Wang Y,et al.Study on discrimination of white tea and albino tea based on near-infrared spectroscopy and chemometrics[J]. Journal of the Science of Food and Agriculture,2014,94(5):1026-1033.

基于近红外光谱红茶中胭脂红色素的判别

Discrimination of carmine pigment in tea water based on near infrared spectroscopy

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 7

编辑推荐

Metrics

本文评价

[1]	吕晨菲, 杨静慧, 刘艳军, 杨仁杰, 张超, 吴楠. 基于NIRS与PLS-DA的红提产地鉴别研究[J]. 天津农学院学报, 2020, 27(1): 21-23.
[2]	徐琛善, 吴楠, 海霞, 王军, 田佳, 刘香檬, 鲍振博, 彭锦星. 中红外光谱快速检测牛奶中土霉素的可行性研究[J]. 天津农学院学报, 2018, 25(3): 70-73.
[3]	张海洋, 廖彩淇, 杨仁杰, 鲍秀君, 王威, 靳皓, 张伟玉. 基于近、中红外光谱数据融合掺假牛奶的判定[J]. 天津农学院学报, 2017, 24(4): 52-56.
[4]	董桂梅, 李耀文, 于亚萍, 杨仁杰, 纪君柔, 胡永浩. 土壤养分的近红外漫反射光谱预测模型分析[J]. 天津农学院学报, 2017, 24(4): 57-60.
[5]	焦东升, 孙雪杉, 朱文碧, 杨仁杰, 靳浩, 张伟玉. 基于二维红外相关谱判别掺假蜂蜜[J]. 天津农学院学报, 2017, 24(2): 67-71.
[6]	周宇晴, 秦梦芝,马志宏. 支持向量机和BP神经网络在可见-近红外光谱检测药品中的比较与应用[J]. 天津农学院学报, 2016, 23(2): 49-52.
[7]	朱琦, 董桂梅, 杨仁杰, 于亚萍, 姜全, 杨晓东, 周璞. 土壤粒度差异对光谱法检测土壤全氮含量的影响研究[J]. 天津农学院学报, 2015, 22(4): 29-32.