提出了一种快速、准确鉴别茶饮料的新思路。采用美国ASD公司的可见-近红外光谱仪对3种茶原料(龙井茶、乌龙茶和铁观音茶)的饮料进行光谱分析。采用多元散射校正(MSC)方法对样本数据进行预处理,再用主成分分析法提取光谱数据的特征值。通过交互验证确定最佳主成分数为5,作为BP神经网络的输入变量,不同原料茶饮料作为输出变量,建立3层人工神经网络鉴别模型,并用模型对20个预测样
安徽农业科学。ora o n u A r c.00,8 1:6 8—75,62 Junl f h i gi i 1 3 (4)75 A .S 2 69 7 6
责任编辑
刘月娟
责任校对
卢瑶
基于 B P神经网络近红外光谱鉴别茶饮料的研究 艾施荣,吴瑞梅吴燕, ( .西农业大学软件学院, 1江江西南昌 30 4;.西农业大学工学院,西南昌 304;. 30 5 2江江 3 0 53江西农业大学计算机学院,西南昌 30 4 )江 30 5
摘要提出了一种快速、准确鉴别茶饮料的新思路。采用美国 A D公司的可见一近红外光谱仪对 3种茶原料 (井茶、 S龙乌龙茶和铁观音茶)的饮料进行光谱分析。采用多元散射校正(M C方法对样本数据进行预处理,用主成分分析法提取光谱数据的特征值。通过 S)再交互验证确定最佳主成分数为 5作为 B, P神经网络的输入变量,不同原料茶饮料作为输出变量,立 3层人工神经网络鉴别模型,建并用模型对 2 o个预测样本进行预测。模型的回判鉴别率达到 1%, 0 0模型的预测鉴别率达到 9 .3。结果表明,于 B 83%基 P神经网络的近红外光谱鉴别不同原料茶饮料的方法是可行的。 关键词近红外光谱; P神经网络;鉴别;茶饮料 B中图分类号 O67 3文献标识码 A 5 .3 文章编号 0 1 6 1 2 1 )4— 7 5 0 5 7—6 1 ( 00 1 0 6 8— 2 Di rmiaino f rn n so e eea eb I S etocp o ie oB c r p g t n N u a N t r s s i n t fDiee tKid fT aB v rg yM t p cr so yC mbn dt akP o a ai e rl ewok c o o
A h o ge ( olg fSf aeT cnlg, IS i n t r l a C l eo o w r eh ooyj e t au, ac ag J nx 3 04 N n hn,i gi 3 05) a A sr c A n wdsr nt nme o spo oe .T rekn so abvrgs( dn f o gi a Wuogt n iga y e ) b tat e i i ao t dwa rpsd he id fe eeae ma igo nj t, ln e ad Teu ni ta c mi i h t k ne a n w m n l e s gn
a f e p c ocp yAS o ay h a l a eeh n l ru pe rcsigmehdo c ( l— e aay dui eri r dset soyb D C mpn .Tesmpedt w r a de t o rpoes t fMS mut z n na r r a dh n o i pi t es a e o n ci ) te ic v le e ee t c d b r c a o o e t n l i. e o t a 5 P sb rs—aiai ee8— l ai c t r n e t n . n eg n a sw r x a t y p n i l mp n n a a s T p i l C yco svl t n w r s n c v t c o h u r e i p c y sh m d o i p ti P e r ewok n h ettr elyrn u a ewok d lwa ul T eds rmi aer t ft ero e o 0 s mpe ntann u n B n ua n t rsa d teb s he a e e rln t r smo e sb i l t. h ic i n t aeo h d lfr2 a lsi r ii g o s twa 0 e s1 0% . d9 3% i r dcigs t I ers lss o d ta twa e sbe t ic miae df rn e e ea eb R p cr so y n a 8. 3 n pe itn e. 1 eut h we h ti h sfail o dsr n t iee ttab v r g y NI se to c p i f c mbn d t e a ewok . o ie o BP n u l n t rs r Ke r s NI s e to c P y wo d R p c r s o Y:B n u a e wo k:Dic mi a i n; e e e a e P e r n t r s l sr n t i o T ab v r g‘
茶是有益健康的保健食品,是世界三大著名饮料之一, 更是我国的传统饮料,我国有着 20在 0 0多年的发展历史。 液态茶饮料一般经提取、过滤、调配、灭菌和包装等过程精制加工而成的 J种类较多。茶饮料按其原辅料不同可分为茶,汤饮料和调味茶饮料;按原料茶叶的类型又可分为红茶饮 料、乌龙茶饮料、绿茶饮料和花茶饮料等。近年来,随着人们
大多数有机物类型的组成和分子结构的丰富信息。
由于不同的基团和同一基团在不同化学环境中的吸收波长有明显差别,吸收波长问的差异可以作为获取组成成分或性质信息 的有效载体。与传统检测方法相比,近红外光谱技术具有操作简便,预测快速、准确,本低廉和对样品全面无损等优成点,已在茶类鉴别 J酸奶品种鉴别等方面得到了广泛应、用。在此基础上,笔者采用近红外光谱技术给合适当的模式 识别方法判别茶饮料。 1材料与方法
生活水平的提高、活节奏的加快,生液态茶饮料以其具有方
便、、天然低糖量、低脂肪的健康品质,保健疗效,暑解渴的消 药理功用,开瓶即饮的消费方式等特点越来越受到人们的喜爱。目前,已在国内外许多企业投入生产,使茶产品在消费
1 1材料 .
供试材料为市售的康师傅品牌的 3种茶饮料 (乌
方式上由传统散装茶叶的弱势市场转化为“即开型”饮料茶 的强势市场,张了茶的整体消费人群。不同原料茶饮料是扩 以不同品种的茶叶加工而成。由于不同茶类所用原料的品
龙茶、龙井、观音 )铁。从每种饮料中分别采集 5 O个样本,共 10个样本, 5均未做任何前处理。将茶饮料样本划分为训练集
和预测集,其中训练集中每种饮料样本各为 3个,的都为 0其余预测集样本。盛样容器采用直径为 7 i高为 1 l的玻璃 5 l ml、 0l/ nl 皿,测试样本液面高度为玻璃皿高度。
种、采摘标准及加工工艺不同,内含成分会有较大差异,其使得不同种类的原料茶加工成的液态茶饮料的成分含量也有 较大差异。各种原料茶饮料很难从外观、色、颜味道上加以 鉴别。
12试验仪器及光谱采集 .
试验所用的近红外光谱仪是美
国 A D公司 Q ai pc r光谱仪, S ulyS ePo t采集茶饮料的漫反射光谱,扫描波长范围 30—180r采样间隔 1n扫描次数 5 0 i m, m,
目前已在感官指标、化指标、生指标和检测方法方理卫面对茶饮料制定了一些标准。在茶饮料的品质检测方面, 已采用原子吸收法、荷移光度法、高效液相色谱法等理化方法进行了一些研究。但是,这些方法费时费力。近年
1, 0次探头视场角 4。光源是与光谱仪配套的 1/5钨 5, 2 4 V W 卤灯。试验时,持室内温度和湿度基本一致
。在不同时保
间、同位置分别采集样本 3次。取 3次采集的平均值作为不该样本的原始光谱。 13分析方法 . 13 1主成分分析“ P A) . . ( C。主成分分析是指把多个指标化为几个综合指标的一种统计方法。它沿着协方差最大方
来,牛海霞利用多频脉冲电子舌对 6种茶饮料进行了研究, 取得了较好的区分效果。但利用近红外 ( I检测茶饮 N R)料还未见报道。N R光谱是指波长介于可见区与中红外区 I之间的电磁波,波长范围在 70~ 0 m”。N R光谱的其 8 250n I产生主要是由于分子的非谐振动从基态向高能级跃迁。N R I光谱记录了分子化学键基频振动的倍频和合频信息,含绝包 基金项目江西省科技厅支撑计划 ( 0 9 N 0 5 0。 2 0 B A 8 0 )
向由多维数据空间向低维数据空间投影,各主成分向量之间相互正交。通过选择合理的主成分,既可以避免建模中的信
息冗余,又不会过多地丢失原始特征信息,同时在分析数据时达到简化的目的。茶饮料样本的近红外光谱数据间存在较大量的相关性,造成一定量的信息冗余。在建立模型时, 这些冗余信息的介人会使模型的预测性能降低。因此,有必 作者简介艾施荣( 97一 )男, 17,江西武宁人,讲师,从事计算机方面的教学及科研工作。 01 2 收稿日期 2 0 8

近红外光谱结合主成分分析和BP神经网络的转基因大豆无损鉴别研究_生物学_自然科学_专业资料。第3 3卷, 第6 期 2 0 1 3年 6月 光 谱 学 与 光 谱 分...
2006 基于主成分分析和神经网络的近红外光谱苹果品种鉴别方法研究何 勇,李晓丽,...所以在主成分分 析的基础上,选取对苹果品种敏感的波段作为输入建立BP 品种预测...
基于独立组分分析和BP神经网络的可见_近红外光谱稻谷年份的鉴别_邵咏妮_物理_自然科学_专业资料。第 26 卷第 6 期 2007 年 12 月 文章编号 : 1001- 9014(...
界。茶是我国的传统饮料,也是世界三大饮料之一。茶叶主 要分为3种,即不发酵...BP.^NN 4:雪水云绿;5:庐山云雾 2.3基于神经网络定量分析建立茶叶品种鉴别...
基于独立主成分和BP神经... 5页 2下载券近红外光谱和...? ? ? ? ? 中草药大黄的近红外光谱和人工神经网络鉴别研究 @ 汤彦丰 $ 张...
基于可见-近红外光谱的咖啡品牌鉴别研究_专业资料。利用可见-近红外光谱技术对市场上三种不同品牌咖啡品种进行鉴别。分别采用主成分分析法与BP神经网络结合和小波变换...
基于BP-ANN的草莓品种近红外光谱无损鉴别方法研究_专业资料。研究了使用近红外...在4 545~9 090cm-1光谱范围比较了反向传播人工神经网络、最小二乘支持向量机...
色谱分析法、热量分 本研究通过对不同品牌蜂蜜的可见/近红外透射光谱进行分析,同时将独立组分分析与BP神经网络相结合,旨在 于寻找一种蜂蜜品牌鉴别的快速有效的方法...
近红外光谱技术在中草药[3]、茶叶[4]、杨梅[5]以及酸奶[6]的 品种鉴别上得到了许多成功地应用,本研究尝试了将近红外光谱技术结合BP神经网络应用 到单粒玉米种子...
基于主成分分析和神经网络的近红外光谱苹果品种鉴别方法研究_专业资料。提出了一种用近红外光谱技术快速鉴别苹果品种的新方法,首先用主成分分析法对苹果品种进行聚类...
热门文档