1 国家农业信息化工程技术研究中心,北京 100097
2 清远市智慧农业农村研究院,广东 清远 511500
3 农芯科技!广州"有限责任公司,广东 广州 510000
4 湖南农业大学,湖南 长沙 410125
5 江门市农业技术服务中心,广东 江门 5290000
茶是世界上最受欢迎的饮料之一, 而氮素(N)是影响茶叶品质的主要成分之一, 因此快速准确地估算N素含量至关重要。 由于测定N含量的化学方法繁琐耗时, 利用高光谱对茶鲜叶中N含量进行预测, 利用连续小波转换(CWT)提取的小波系数, 探究CWT不同分解层数对于N素含量的估测能力, 并讨论了不同波长选择算法所建模型的预测效果。 首先, 采集广东省英德市茶园的151个茶鲜叶样品高光谱数据, 将获得的原始光谱通过卷积平滑(SG)、 去趋势(Detrending)、 一阶导数(1st)、 多元散射校正(MSC)和标准正态变量变换(SNV)五种预处理方法进行预处理并作为参考。 其次, 采用连续小波对原始光谱进行初步处理生成多尺度小波系数, 并进行相关性分析, 分别利用连续投影算法(SPA)、 竞争性自适应加权采样法(CARS)和变量组合集群分析(VCPA)方法进一步优化CWT变换后光谱数据的变量空间, 最后, 以特征变量为输入使用PLSR建立了N素定量监测模型, 并对比不同尺度不同方法估算N素的效果。 结果表明, 连续小波分析方法可有效提升茶鲜叶光谱对N素含量的估测能力, 明显优于常规光谱处理方法。 经连续小波分解后, 对茶鲜叶N素的预测能力随分解尺度的增加整体呈逐步降低的趋势, 其中在1~6尺度连续小波变换后的光谱与茶鲜叶N素存在良好的相关性, 表明小尺度的连续小波分解可有效应用于茶鲜叶N含量的监测。 基于CWT(1)-VCPA方法建立的模型精度最高, 且变量数相比于全波段减少了99.34%, 其建模与预测R2达到0.95和0.90, 相比于传统光谱处理方法, 精度提升了11% , 证明CWT-VCPA可以有效降低光谱维度并大幅提升模型精度。 实现了茶叶N素含量的高效量化预测, 为评估茶叶的其他成分提供了可靠技术参考。
茶鲜叶 氮素 连续小波变换 高光谱 变量组合集群分析 Fresh tea leaves Nitrogen Continuous wavelet transform Hyperspectral Variable combination population analysis 光谱学与光谱分析
2022, 42(10): 3253
华南师范大学信息光电子科技学院, 广东 广州 510006
基于激光拉曼光谱技术对新鲜茶叶原叶品质鉴定及产地区分进行了研究,对安徽祁门县六个村庄槠叶种新鲜茶树叶(简称原叶)进行了检测。结果表明不同产地原叶在748, 831, 1005, 1158, 1328, 1527, 1609 cm-1等处均有较强拉曼峰,但每组峰强度存在差异。采用主成分分析法(PCA)及线性判别分析法(LDA)对原叶的拉曼光谱进行了分析,得到不同产地原叶的区分度为70.7%。
光谱学 激光拉曼光谱 主成分分析 线性判别分析 槠叶种新鲜茶树叶 spectroscopy laser Raman spectroscopy principal component analysis linear discriminant analysis fresh tea leaves of Zhuye
安徽农业大学茶树生物学与资源利用国家重点实验室, 安徽 合肥 230036
主要采用电感耦合等离子体质谱技术（inductively coupled plasma mass spectrometry, ICP-MS）测定了安徽茶园茶叶中四种大量元素（Ca, K, Mg, P）和七种微量元素（Al, Mn, Fe, Cu, Zn, Cd 和Pb）含量, 并进行了生物富集分析。 结果表明, 嫩叶中Ca, K, Mg 和 P的含量最高(Ⅰ, >30 mg·g-1), Al, Mn, Zn 和 Fe的含量次之(Ⅱ, 02～30 mg·g-1), Cu, Pb 和 Cd的含量最低(Ⅲ, <005 mg·g-1); 而老叶中含量最高的是Ca, K, Mg 和Al（Ⅰ, >30 mg·g-1), P, Mn, Zn 和 Fe的含量次之(Ⅱ, 02～30 mg·g-1), Cu, Pb 和 Cd的含量最低(Ⅲ, <005 mg·g-1)。 其中, P和Mn是茶叶中富集能力最强的; 此外, Cu, Pb和Cd的含量低于相关的限量标准。 聚类分析结果表明舒茶早和龙井43两个品种之间矿质元素的组成没有显著性的差异。
茶叶 大量元 微量元素 生物富集 Tea leaves Macro-elements Micro-elements Bioconcentration ICP-MS ICP-MS 光谱学与光谱分析
2017, 37(6): 1980
南昌大学, 食品科学与技术国家重点实验室, 江西 南昌330047
研究了一种使用超声波辅助提取(UAE)-原子荧光法测定茶叶痕量汞的快速方法。 采用Plackett-Burman设计从6个影响汞提取率的因素中筛选出3个显著因素—超声时间St, 超声温度T和HNO3∶H2O2(1∶1, φ)体积A2, 并采用中心组合设计和响应面法优化参数。 结果表明, 最优提取条件为, 浸泡时间6 min, St 8.1 min, T: 70.5 ℃, A2: 4.4 mL, 称样量300 mg。 以GBW10016茶叶为标准参考物质, 与微波消解(MAD)法对比。 优化条件的UAE法对GBW10016的测定值与标准值符合良好, 加标回收率94.2%～102.0 %, 检测限0.007 8 μg·L－1, 重复测定的相对标准偏差小于10%。 该方法应用于63个茶鲜叶样品和十种商品茶叶的测定, UAE法与MAD法结果无显著差异, 汞含量(干基)在 4.6～17.3 μg·kg-1之间, 未超过NY659—2003限量标准。
超声辅助提取 响应面法 原子荧光光谱法(AFS) 痕量汞 茶叶 Ultrasound-assisted extraction Response surface methodology Atomic fluorescence spectrometry (AFS) Trace mercury Tea leaves 光谱学与光谱分析
2011, 31(10): 2843
1 江苏大学食品与生物工程学院， 江苏 镇江212013
2 中国农业科学院农业资源与农业区划所， 农业部作物营养与施肥重点开放实验室， 北京100081
植物叶片叶绿素含量及分布是植物营养信息表达的一个重要指标。 以茶树为研究对象， 利用高光谱技术分析茶树叶片中叶绿素含量及其分布。 通过采集茶树鲜叶的高光谱图像， 利用7种不同的算法从高光谱数据中提取相应的特征参数， 并根据特征参数和叶绿素含量的参考测量值分别拟合出相应的预测模型。 结果显示， 二次土壤调节植被指数算法提取的特征参数最佳， 预测模型校正集和预测集的相关系数R分别为0.843 3和0.832 3， 最小均方根误差分别为9.918和8.601。 最后根据预测模型估计叶片上任意像素下叶绿素的含量， 并通过伪彩手段描述叶片中叶绿素含量的分布。 研究结果表明， 利用高光谱成像技术分析茶树叶片中叶绿素含量及其分布是可行的。
高光谱成像技术 茶树叶片 叶绿素 二次土壤调节植被指数 Hyperspectral image Tea leaves Chlorophyll Modified second soil-adjusted vegetation index(MSA
