基于高光谱技术的茶鲜叶含水率检测与分析

doi:10.13305/j.cnki.jts.2018.03.008

茶叶科学 ›› 2018, Vol. 38 ›› Issue (3): 281-286.doi: 10.13305/j.cnki.jts.2018.03.008

基于高光谱技术的茶鲜叶含水率检测与分析

戴春霞¹, 刘芳¹, 葛晓峰²

1. 江苏大学电气信息工程学院,江苏镇江,212013;
2. 江苏大学京江学院,江苏镇江,212013

收稿日期:2017-10-12 修回日期:2017-10-31 出版日期:2018-06-15 发布日期:2019-08-28
作者简介:戴春霞,女,实验师,主要从事电气工程及其自动化专业实验教学工作,E-mail：txdcx@126.com
基金资助:
江苏省自然科学基金项目（BK20141165）、江苏省大学生创新计划项目（201713986004Y）、江苏高校优势学科建设工程资助项目PAPD（苏政办发2011 6号）

Detection and Analysis of Moisture Content in Fresh Tea Leaves Based on Hyperspectral Technology

DAI Chunxia¹, LIU Fang¹, GE Xiaofeng²

1. School of Electrical and Information Engineering, Jiangsu University, Zhenjiang 212013, China;
2. Jingjiang College, Jiangsu University, Zhenjiang 212013, China

Received:2017-10-12 Revised:2017-10-31 Online:2018-06-15 Published:2019-08-28

摘要/Abstract

摘要： 茶鲜叶含水率是茶叶加工业中衡量茶叶品质的一个重要指标。为了实现茶叶加工过程中茶鲜叶含水率的快速检测,本文提出了一种应用高光谱技术分析茶鲜叶含水率的无损检测方法。通过对茶鲜叶高光谱图像感兴趣区域光谱数据的提取,利用4种不同的算法对原始数据进行预处理,采用逐步回归分析法对预处理后的数据提取特征波长,并采用多元线性回归法、偏最小二乘回归建立特征波长和茶鲜叶含水率定量分析模型。研究结果表明,经过卷积平滑处理后的正交信号校正的预处理结合逐步回归分析法所建立的偏最小二乘回归茶鲜叶含水率预测效果最佳,模型校正集、交叉验证集和预测集的相关系数分别为0.8977、0.8342和0.7749,最小均方根误差分别为0.0091、0.0311和0.0371。由此可见,高光谱技术能有效的实现茶鲜叶含水率的检测,这为茶叶加工业中衡量茶叶品质提供了新的检测方法。

关键词: 高光谱技术, 茶鲜叶, 含水率, 预处理

Abstract: Moisture content in fresh tea leaves is an important index influencing tea quality during processing. In order to rapidly detect moisture content in tea during processing, a nondestructive method was introduced in this paper. Firstly, hyperspectral image data were captured from the fresh tea leaves. Secondly, four kinds of algorithms were used to preprocess the original data. Thirdly, the characteristic wavelength was extracted using stepwise regression analysis. Finally, a quantitative analysis model of the characteristic wavelength and moisture content in the fresh tea leaves was developed by the multiple linear regression and partial least squares regression. Experimental results showed that the best predicted effect of the partial least squares regression was obtained by the pretreatment of orthogonal signal correction after convolution smoothing and stepwise regression analysis. The correlation coefficients of the model calibration set, cross-validation set and prediction set were 0.8977, 0.8342 and 0.7749, respectively. The minimum root mean square errors were 0.0091, 0.0311 and 0.0371, respectively. Thus, hyperspectral technology could effectively detect the moisture content in fresh tea leaves, which would be useful in detecting quality changes in tea processing industry.

Key words: Hyperspectral technique, fresh tea leaf, moisture content, pretreatment

中图分类号:

TS272.3

戴春霞, 刘芳, 葛晓峰. 基于高光谱技术的茶鲜叶含水率检测与分析[J]. 茶叶科学, 2018, 38(3): 281-286. doi: 10.13305/j.cnki.jts.2018.03.008.

DAI Chunxia, LIU Fang, GE Xiaofeng. Detection and Analysis of Moisture Content in Fresh Tea Leaves Based on Hyperspectral Technology[J]. Journal of Tea Science, 2018, 38(3): 281-286. doi: 10.13305/j.cnki.jts.2018.03.008.

参考文献 17

[1]	赵杰文, 王开亮, 欧阳琴, 等. 高光谱技术分析茶树叶片中叶绿素含量及分布[J]. 光谱学与光谱分析, 2011(2): 512-515.
[2]	周竹, 李小昱, 陶海龙. 基于高光谱成像技术的马铃薯外部缺陷检测[J]. 农业工程学报, 2012, 28(21): 221-228.
[3]	朱荣光, 姚雪东, 高广娣, 等. 不同储存时间和取样部位牛肉颜色的高光谱图像检测[J]. 农业机械学报, 2013, 44(7): 1000-1298.
[4]	张保华, 李江波, 樊书祥, 等. 高光谱成像技术在果蔬品质与安全无损检测中的原理及应用[J]. 光谱学与光谱分析, 2014(10): 2743-2751.
[5]	文韬, 洪添胜, 李立君, 等. 基于高光谱技术的霉变稻谷脂肪酸含量无损检测[J]. 农业工程学报, 2015, 31(18): 233-239.
[6]	Taghizadeh M, Gowen A, O'Donnell CP. Prediction of white button mushroom (Agaricus bisporus) moisture content using hyperspectral imaging[J]. Sensing and Instrumentation for Food Quality and Safety, 2009, 3(4): 219-226.
[7]	Jin H, Li L, Cheng J.Rapid and non-destructive determination of moisture content of peanut kernels using hyperspectral imaging technique[J]. Food Analytical Methods, 2015, 8(10): 1-9.
[8]	孙俊, 武小红, 张晓东, 等. 基于高光谱图像的生菜叶片水分预测研究[J]. 光谱学与光谱分析, 2013, 33(2): 522-526.
[9]	Savitzky A, Golay MJE.Smoothing and differentiation of data by simplified least squares procedures[J]. Analytical Chemistry, 1964, 36(8): 1627-1639.
[10]	中华人民共和国国家质量监督检验检疫总局. GB/T 8403—2002 茶水分测定[S]. 北京: 中国标准出版社, 2002.
[11]	Martens H, Jensen A, Geladi P.Multivariate linearity transformation for near-infrared reflectance spectrometry[C]//Christie OHJ. Proceedings of the Nordic symposium on applied statistics. Stavanger: Stockands Forlag, 1983: 205-234.
[12]	Guo H, Peng Y-K, Jiang F-C, et al.Development of conveyable beef-marbling detection system[J]. Transactions of the Chinese Society for Agricultural Machinery, 2012, 43: 207-210.
[13]	Wold S, Antti H, Lindgren F, et al.Orthogonal signal correction of near-infrared spectra[J]. Chemometrics and Intelligent Laboratory Systems, 1998, 44: 175-185.
[14]	Williams P, Norris K.Near-infrared technology in the agricultural and food industries[M]. USA: the American Association of Cereal Chemists, 1987.
[15]	叶慈男, 曹伟丽. 应用数理统计[M]. 北京: 机械工业出版社, 2004.
[16]	陈永胜. 多元线性回归建模以及MAT LAB和SPSS求解[J]. 绥化学院学报, 2007(6): 166-168.
[17]	于雷, 洪永胜, 耿雷, 等. 基于偏最小二乘回归的土壤有机质含量高光谱估算[J]. 农业工程学报, 2015, 31(14): 103-109.

基于高光谱技术的茶鲜叶含水率检测与分析

Detection and Analysis of Moisture Content in Fresh Tea Leaves Based on Hyperspectral Technology

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献 17

相关文章 15

Metrics

本文评价

推荐阅读 10

[1]	吕昊威, 武传宇, 涂政, 陈建能, 贾江鸣, 陈之威, 叶阳. 基于EDEM的机采茶鲜叶振动式分级机分级参数优化[J]. 茶叶科学, 2022, 42(1): 120-130.
[2]	吴鑫, 宋飞虎, 裴永胜, 朱冠宇, 姜乐兵, 宁文楷, 李臻峰, 刘本英. 基于机器视觉的茶叶微波杀青中品质变化与预测研究[J]. 茶叶科学, 2021, 41(6): 854-864.
[3]	智亚楠, 徐运飞, 朱明星, 王春生, 金银利, 陈利军. 茶鲜叶挥发物组分及对茶树病原菌的熏蒸抑制作用[J]. 茶叶科学, 2021, 41(3): 371-378.
[4]	李琛, 艾仄宜, 余志, 陈玉琼, 倪德江. 优质绿茶加工过程主要物理特性变化的研究[J]. 茶叶科学, 2019, 39(6): 705-714.
[5]	李兵, 李为宁, 柏宣丙, 张正竹. 基于EDEM的茶鲜叶分级机的筛分率的研究[J]. 茶叶科学, 2019, 39(4): 484-494.
[6]	陈琳, 董春旺, 高明珠, 叶阳. 基于近红外光谱的红茶干燥中含水率无损检测方法[J]. 茶叶科学, 2016, 36(2): 184-190.
[7]	朱晓静, 房峰祥, 张月华, 倪德江, 陈玉琼. 茶叶及茶多糖中氟测定前处理方法的比较研究[J]. 茶叶科学, 2015, 35(2): 145-150.
[8]	胡琳玲, 刘遵莹, 刘秋玲, 丰金玉, 龙金花, 肖文军. 茶鲜叶中多环芳烃类化合物的分布特性研究[J]. 茶叶科学, 2014, 34(6): 565-571.
[9]	陈寿松, 郑功宇, 金心怡, 郝志龙, 叶秋萍, 赖智龙. 茶叶含水率近红外在线快速测定及其应用研究[J]. 茶叶科学, 2014, 34(4): 337-343.
[10]	龚志华, 陈栋, 朱盛尧, 陈凌, 陈朵, 李徐, 肖文军. 酶促合成茶黄素的茶鲜叶酶源筛选[J]. 茶叶科学, 2013, 33(1): 34-39.
[11]	王胜鹏, 宛晓春, 林茂先, 张正竹. 基于水分、全氮量和粗纤维含量的茶鲜叶原料质量近红外评价方法[J]. 茶叶科学, 2011, 31(1): 66-71.
[12]	韩安太, 郭小华, 陈志强, 孙延伟. 基于LC谐振传感器的包装茶叶含水率无损检测[J]. 茶叶科学, 2009, 29(5): 395-401.
[13]	赖海涛, 黄万钦. 茶叶叶绿素锌钠盐的制备及其稳定性研究[J]. 茶叶科学, 2006, 26(1): 59-63.
[14]	于华忠, 周冬武, 李国章, 曹庸, 刘盛开, 龙维珍. 微波预处理对超临界CO₂脱除绿茶中咖啡因和EGCG影响的研究[J]. 茶叶科学, 2005, 25(3): 203-207.
[15]	张正竹, 宛晓春, 施兆鹏, 夏涛. 茶鲜叶中键合态橙花醇的分离与初步鉴定[J]. 茶叶科学, 2003, 23(1): 77-78.