首页 > 论文 > 红外技术 > 35卷 > 5期(pp:304-308)

基于茶叶红外光谱的特征识别方法

The Characteristic Identification Method Based on Infrared Spectra of Tea

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
  • PDF全文
分享:

摘要

通过对识别理论的研究分析, 建立了特征基理论, 选择合适样品建立的光谱特征基, 能反映样品的综合特征信息, 从而对多组分物质进行识别研究; 以茶叶样品为分析对象, 进行了特征基理论的应用研究, 实现了对重度发酵茶和普洱熟茶的识别; 以普洱熟茶识别为例, 通过比较特征提取前后茶叶的识别效果, 分析了光谱分辨率问题, 结果显示: 特征提取后茶叶类内平均距离减小为原来的 2× 10-3倍, 类间相对平均距离增大为原来的 4~66倍, 类间最小最大距离比值增大为原来的 34~156倍, 所以类内聚集度增大, 类间分散度增大, 即特征基理论使光谱分辨率大幅度提高。

Abstract

On the analysis of the identification theory, the paper presents the characteristic basis theory. The multicomponent material can be distinguished by characteristic basis that is composed by proper samples and can reflect the comprehensive characteristic information. Taking tea as analytic target, the application research of characteristic basis theory was made. The work could distinguish severe fermented tea and zymic pu-er tea. Taking an example of the recognition of zymic pu-er tea, the resolution of the spectrum was ana-lyzed by comparing the identification effect of tea before and after feature extraction. The results showed: The intra-class average distance reduced to 2×10-3 times of original data and the relative inter-class average distance increased to the 4~66 times of original data, the inter-class min-max distance radio increased to the 34~156 times of original data. Thus the degree of aggregation of same samples and the degree of dispersion of different samples increased, that is to say, spectral resolution was greatly improved by characteristic basis theory.

Newport宣传-MKS新实验室计划
补充资料

中图分类号:O433.4

所属栏目:红外应用

基金项目:河北省自然科学基金, 编号: F2010000309; 河北省高等学校科学技术研究指导项目, 编号: Z2011132; 国家质监局公益性行业科研专项项目,编号: 200910083-01。

收稿日期:2013-03-19

修改稿日期:2013-04-18

网络出版日期:--

作者单位    点击查看

张荣香:河北大学物理科学与技术学院, 河北省光电信息材料重点实验室, 河北 保定 071002
张玮:河北大学物理科学与技术学院, 河北省光电信息材料重点实验室, 河北 保定 071002
张艳伟:河北大学物理科学与技术学院, 河北省光电信息材料重点实验室, 河北 保定 071002
李晓苇:河北大学物理科学与技术学院, 河北省光电信息材料重点实验室, 河北 保定 071002

备注:张荣香(1981-), 女, 河北保定人, 讲师, 博士生, 主要研究方向为茶叶红外光谱检测与分析等。

【1】张月玲. 绿茶品质相关成分的近红外定标模型的初步建立 [D].浙江: 浙江大学, 2006.

【2】杨群, 王怡林. 不同发酵茶叶的红外光谱特征 [J]. 楚雄师范学院学报, 2009, 24(9): 45-49.

【3】Vitaly Erukhimovitch, Marina Talyshinsky, Yelena Souprun. FTIR spec-troscopy examination of leukemia patients plasma[J]. Vibrational Spec-troscopy, 2006, 40: 40-46.

【4】LSG Teixeira, FS Oliveira, HC dos Santos, et al. Multivariate calibration in Fourier transform infrared spectrometry as a tool to detect adulterations in Brazilian gasoline[J]. Fuel, 2008, 87: 346-352.

【5】林敏, 吕进. 基于神经网络与近红外光谱的玉米成分检测方法 [J].红外技术, 2004, 26(3): 78-81.

【6】陈华才, 吕进, 陈星旦, 等. 基于径向基函数网络的茶多酚总儿茶素近红外光谱检测模型的研究[J].光学 精密工程, 2006, 14(1): 58-62.

【7】Chen Quansheng, Zhao Jiewen, Huang Xingyi. Simultaneous determina-tion of total polyphenols and caffeine contents of green tea by near infra-red reflectance spectroscopy[J]. Microchemical Journal, 2006, 83: 42-47.

【8】占茉莉, 李勇, 魏益名, 等. 应用 FI-IR光谱指纹分析和模式识别技术溯源茶叶产地的研究[J].核农学报, 2008, 22(6): 829-850.

【9】廖步岩, 张正竹, 夏涛, 等. 近红外光谱分析技术在茶叶品质属性甄别中的应用[J].安徽农业大学学报, 2009, 36(2): 287-229.

【10】Zhang Y W, Li X W, Zhang R X, et al. Influence of pretreating methods on the score result of principal component analysis of tea[J]. Proceed-ings of 2010 International Conference on Machine Learning and Cy-bernetics, 2010: 1116-1119.

【11】白雪梅, 赵松山. 对主成分分析综合评价方法若干问题的探讨 [J].统计研究, 1995(6): 47-50.

【12】程柱生. 也谈我国茶叶分类 [J].蚕桑茶叶通讯, 2009(6): 31-32.

引用该论文

ZHANG Rong-xiang,ZHANG Wei,ZHANG Yan-wei,LI Xiao-wei. The Characteristic Identification Method Based on Infrared Spectra of Tea[J]. Infrared Technology, 2013, 35(5): 304-308

张荣香,张玮,张艳伟,李晓苇. 基于茶叶红外光谱的特征识别方法[J]. 红外技术, 2013, 35(5): 304-308

被引情况

【1】熊燕,翁楚炘,徐志. 白色软玉及其相似玉石的红外吸收光谱差异性比较. 红外技术, 2014, 36(3): 238-243

【2】武小红,翟艳丽,武 斌,孙 俊,戴春霞. 模糊非相关鉴别C均值聚类的茶叶傅里叶红外光谱分类. 光谱学与光谱分析, 2018, 38(6): 1719-1723

您的浏览器不支持PDF插件,请使用最新的(Chrome/Fire Fox等)浏览器.或者您还可以点击此处下载该论文PDF