| 近红外光谱技术结合人工神经网络判别普洱茶发酵程度 |
| |
| 引用本文： | 宁井铭,宛晓春,张正竹,毛小文,曾新生.近红外光谱技术结合人工神经网络判别普洱茶发酵程度[J].农业工程学报,2013,29(11):255-260. |
| |
| 作者姓名： | 宁井铭 宛晓春 张正竹 毛小文 曾新生 |
| |
| 作者单位： | 1. 农业部茶及药用植物安全生产重点开放实验室，安徽农业大学，合肥 230036;1. 农业部茶及药用植物安全生产重点开放实验室，安徽农业大学，合肥 230036;1. 农业部茶及药用植物安全生产重点开放实验室，安徽农业大学，合肥 230036;1. 农业部茶及药用植物安全生产重点开放实验室，安徽农业大学，合肥 230036;2. 勐海茶业有限责任公司，勐海 666200 |
| |
| 基金项目： | 十二五科技支撑计划（2011BAD01B03-2）；安徽省高校自然科学基金重点项目（KJ2013A109） |
| |
| 摘 要： | 为了实现对普洱茶发酵程度快速判别，该研究提出了利用近红外光谱结合人工神经网络的方法。普洱茶是中国特有的茶类，发酵是普洱熟茶品质形成的关键工序，目前对于发酵程度的评价主要依赖感官审评，缺乏客观的量化依据。试验以轻度发酵、适度发酵和过度发酵3个不同发酵程度的普洱茶为研究材料。首先对采集得到的原始光谱进行标准归一化（SNV）预处理，利用人工神经网络（ANN）模式识别方法构建普洱茶发酵程度鉴别模型，在模型建立过程中，通过交互验证的方法对模型的最佳主成分因子数（PCs）进行优化。当主成分因子数为9时，ANN模型所得到的结果最佳，模型交互验证识别率和预测识别率分别为98.9%和97.8%。研究结果表明，近红外光谱技术结合模式识别能够实现对普洱茶发酵质量的快速判别，评判结果具有较高的准确性,优于感官审评。
|
| 关 键 词： | 近红外光谱，神经网络，发酵，品质控制，普洱茶 |
| 收稿时间： | 2012/10/25 0:00:00 |
| 修稿时间： | 2013/5/22 0:00:00 |
Discriminating fermentation degree of Pu'er tea based on NIR spectroscopy and artificial neural network |
| |
| Ning Jingming,Wan Xiaochun,Zhang Zhengzhu,Mao Xiaowen and Zeng Xinsheng.Discriminating fermentation degree of Pu'er tea based on NIR spectroscopy and artificial neural network[J].Transactions of the Chinese Society of Agricultural Engineering,2013,29(11):255-260. |
| |
| Authors: | Ning Jingming Wan Xiaochun Zhang Zhengzhu Mao Xiaowen and Zeng Xinsheng |
| |
| Abstract: | |
| |
| Keywords: | near infrared spectroscopy neural networks fermentation quality control Pu'er tea |
|
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
| 点击此处可从《农业工程学报》下载免费的PDF全文 |
