茉莉花茶主要品质成分定量近红外光谱分析模型的建立

doi:10.13305/j.cnki.jts.2013.01.002

茶叶科学 ›› 2013, Vol. 33 ›› Issue (1): 21-26.doi: 10.13305/j.cnki.jts.2013.01.002

茉莉花茶主要品质成分定量近红外光谱分析模型的建立

陈美丽, 张俊, 龚淑英^*, 唐德松, 张颖彬, 顾志蕾

浙江大学茶叶研究所,浙江杭州 310058

收稿日期:2012-05-07 修回日期:2012-07-30 出版日期:2013-02-28 发布日期:2019-09-04
通讯作者: *shuygong@zju.edu.cn
作者简介:陈美丽（1987— ）,女,湖南慈利人,硕士研究生,主要从事茶叶加工与审评方面的研究。
基金资助:
国家茶叶产业技术体系经费资助（CARS-23）

Establishment of Predictive Model for Quantitative Analysis of Major Components in Jasmine Tea by Near Infrared Spectroscopy(NIRS)

CHEN Mei-li, ZHANG Jun, GONG Shu-ying^*, TANG De-song, ZHANG Ying-bin, GU Zhi-lei

Tea Research Institute, Zhejiang University, Hangzhou 310058, China

Received:2012-05-07 Revised:2012-07-30 Online:2013-02-28 Published:2019-09-04

摘要/Abstract

摘要： 选择有代表性的112个茉莉花茶茶样为实验材料,采用近红外光谱分析技术结合化学计量学方法对茶多酚总量（TP）、游离氨基酸总量（AA）、咖啡碱（CAFF）、水浸出物（water extract）、没食子酸（GA）、没食子儿茶素（GC）、表没食子儿茶素（EGC）、儿茶素（C）、表儿茶素（EC）、表没食子儿茶素没食子酸酯（EGCG）、没食子儿茶素没食子酸酯（GCG）、表儿茶素没食子酸酯（ECG）、儿茶素没食子酸酯（CG）这13种品质成分的含量建立定量分析模型。结果显示,除CG的模型综合评价指标Q值为0.7702以外,其余的Q值为0.8~0.9。经外部检验,CAFF和GCG的真实值与预测值的相关系数R为0.7~0.8,GC、EGCG、ECG、CG为0.8~0.9,其余均达0.9以上,模型效果较好,为简便快速地测定茉莉花茶品质成分的含量提供了新思路。

关键词: 茉莉花茶, 近红外, 化学计量学, 定量分析, 品质成分

Abstract: Taking 112 representative jasmine tea as research material, the quantitative calibration models for determining the contents of 13 chemical compositions such as total tea polyphenols (TP), free amino acids (AA), caffeine (CAFF), water extract, GA, GC, EGC, C, EC, EGCG, GCG, ECG, CG were established by NIRS combined with chemometrics. Q-value taking all important statistical values into account can evaluate the quality of models. Results showed that almost all the Q-value of models was 0.8~0.9, except for CG with a Q-value of 0.7702. Each of the 13 predictive models was applied for external inspection. Coefficients of correlation (R) between predicted value by NIR and the actual value were exceed 0.9, except CAFF and GCG was 0.7~0.8 and GC、EGCG、ECG、CG was 0.8~0.9. The established models present high stability and predictive accuracy. This paper provided a simple and convenient method for measuring the contents of major quality components in jasmine tea.

Key words: jasmine tea, near infrared spectroscopy (NIRS), chemometrics, quantitative analysis, quality components

中图分类号:

陈美丽, 张俊, 龚淑英, 唐德松, 张颖彬, 顾志蕾. 茉莉花茶主要品质成分定量近红外光谱分析模型的建立[J]. 茶叶科学, 2013, 33(1): 21-26. doi: 10.13305/j.cnki.jts.2013.01.002.

CHEN Mei-li, ZHANG Jun, GONG Shu-ying, TANG De-song, ZHANG Ying-bin, GU Zhi-lei. Establishment of Predictive Model for Quantitative Analysis of Major Components in Jasmine Tea by Near Infrared Spectroscopy(NIRS)[J]. Journal of Tea Science, 2013, 33(1): 21-26. doi: 10.13305/j.cnki.jts.2013.01.002.

参考文献 18

[1]	王玉霞, 徐荣荣, 任广鑫, 等. 绿茶茶汤中主要品质成分近红外定量分析模型的建立[J]. 茶叶科学, 2011, 31(4): 355-361.
[2]	吴瑞梅, 赵杰文, 陈全胜, 等. 近红外光谱技术结合特征变量筛选快速检测绿茶滋味品质[J]. 光谱学与光谱分析, 2011, 31(7): 1782-1785.
[3]	林新, 牛智有, 刘梅英, 等. 近红外光谱法快速测定绿茶的4种主要成分[J]. 华中农业大学学报, 2009, 28(4): 487-490.
[4]	刘蕾, 罗文文, 龚淑英, 等. 采用近红外光谱技术定量分析绿茶中的主要呈味物质[J]. 中国食品学报, 2008, 8(6): 109-115.
[5]	罗一帆, 郭振飞, 朱振宇, 等. 近红外光谱测定茶叶中茶多酚和茶多糖的人工神经网络模型研究[J]. 光谱学与光谱分析, 2005, 25(8): 1230-1233.
[6]	芦永军, 陈华才, 吕进, 等. 茶多酚中总儿茶素的近红外光谱分析[J]. 分析化学研究简报, 2005, 33(6): 835-837.
[7]	He Wei, Zhou Jian, Cheng Hao, et al. Validation of origins of tea samples using partial least squares analysis and Euclidean distance method with near-infrared spectroscopy data[J]. SpectrochimicaActa Part A: Molecular and Biomolecular Spectroscopy, 2012, 86: 399-404.
[8]	周健, 成浩, 曾建明, 等. 基于近红外的多相偏最小二乘模型组合分析实现茶叶原料品种鉴定与溯源的研究[J]. 光谱学与光谱分析, 2010(10): 2650-2653.
[9]	周健, 成浩, 王丽鸳, 等. 基于杠杆率校正的PLS-DA法对正半岩武夷岩茶的识别研究[J]. 茶叶科学, 2009, 29(1): 34-40.
[10]	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): 287-291.
[11]	李晓丽, 何勇, 裘正军. 一种基于可见-近红外光谱快速鉴别茶叶品种的新方法[J]. 光谱学与光谱分析, 2007, 27(2): 279-282.
[12]	赵杰文, 陈全胜, 张海东, 等. 近红外光谱分析技术在茶叶鉴别中的应用研究[J]. 光谱学与光谱分析, 2006, 26(9): 1601-1604.
[13]	陈全胜, 赵杰文, 张海东, 等. SIMCA模式识别方法在近红外光谱识别茶叶中的应用[J]. 食品科学, 2006, 27(4): 186-189.
[14]	Liang Yuerong, Lu Jianliang, Zhang Lingyun, et al. Estimation of black tea quality by analysis of chemical composition and colour difference of tea infusions[J]. Food Chemistry, 2003, 80(2): 283-290.
[15]	陆婉珍. 现代近红外光谱分析技术[M]. 2版. 北京: 中国石化出版社, 2006.
[16]	褚小立, 袁洪福, 陆婉珍. 近红外分析中光谱预处理及波长选择方法进展与应用[J]. 化学进展, 2004, 16(4): 528-542.
[17]	Champagne E T, Bett-Garber K L, Grimm CC, et al. Near-infrared reflectance analysis for prediction of cooked rice texture[J]. Cereal Chem, 2001, 78(3): 358-362.
[18]	Dowell F E.Differentiating vitreous and nonvitreous durum wheat kernels by using near-infrared spectroscopy[J]. Cereal Chem, 2000, 77(2): 155-158.

茉莉花茶主要品质成分定量近红外光谱分析模型的建立

Establishment of Predictive Model for Quantitative Analysis of Major Components in Jasmine Tea by Near Infrared Spectroscopy(NIRS)

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献 18

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	陈圆, 安会敏, 黄怡雯, 江游仓, 应佳淇, 王思蕊, 李适, 刘仲华, 黄建安. 基于电子舌和代谢组学技术解析茉莉花茶特征滋味品质成分[J]. 茶叶科学, 2025, 45(3): 485-496.
[2]	申瑞寒, 马立锋, 杨向德, 方丽. 氮素形态和弱光胁迫对茶树生长代谢的影响[J]. 茶叶科学, 2023, 43(3): 349-355.
[3]	银霞, 童彤, 肖扬波, 黄静, 包小村, 刘淑娟, 吴文亮, 王阔飞, 伍崇岳, 刘仲华, 张曙光. 湖南红茶实物标准样制作及品质分析[J]. 茶叶科学, 2022, 42(6): 875-885.
[4]	刘建军, 张金玉, 彭叶, 刘晓博, 杨云, 黄涛, 温贝贝, 李美凤. 不同光质摊青对夏秋茶树鲜叶挥发性物质及其绿茶品质影响研究[J]. 茶叶科学, 2022, 42(4): 500-514.
[5]	张俊杰, 傅天龙, 傅天甫, 林兴荣, 郭晨, 饶耿慧, 彭姗姗, 方彩. 福州茉莉花茶窨制次数与香气成分的关联分析[J]. 茶叶科学, 2021, 41(1): 113-121.
[6]	任广鑫, 金珊珊, 李露青, 宁井铭, 张正竹. 近红外光谱技术在茶叶品控与装备创制领域的研究进展[J]. 茶叶科学, 2020, 40(6): 707-714.
[7]	周波, 陈勤, 陈汉林, 唐颢, 黎健龙, 陈佳琳, 陈义勇, 刘嘉裕, 唐劲驰. 广东单丛茶区化肥减施增效技术模式研究[J]. 茶叶科学, 2020, 40(5): 607-616.
[8]	傅天龙, 郭晨, 傅天甫, 彭姗姗, 林兴荣, 饶耿慧, 陈楠, 张俊杰. 福州8种主要茉莉花茶特征香气成分比较与分析[J]. 茶叶科学, 2020, 40(5): 656-664.
[9]	卢莉, 程曦, 张渤, 沈小霞, 刘艳, 熊丽, 袁潇, 李远华, 黎星辉. 小种红茶茶多酚和咖啡碱近红外定量分析模型的建立[J]. 茶叶科学, 2020, 40(5): 689-695.
[10]	安会敏, 欧行畅, 熊一帆, 张杨波, 李娟, 李勤, 李骞, 李适, 黄建安. 茉莉花茶特征香气成分研究[J]. 茶叶科学, 2020, 40(2): 225-237.
[11]	杨清霖, 杨向德, 季凌飞, 马立锋, 阮建云. 滴灌施肥对幼龄茶树生长和养分吸收的影响[J]. 茶叶科学, 2020, 40(1): 96-104.
[12]	刘鹏, 艾施荣, 杨普香, 李文金, 熊爱华, 童阳, 胡潇, 吴瑞梅. 非线性流形降维方法结合近红外光谱技术快速鉴别不同海拔的茶叶[J]. 茶叶科学, 2019, 39(6): 715-722.
[13]	张兰, 魏吉鹏, 沈晨, 颜鹏, 张丽平, 李鑫, 韩文炎. 秋茶光合作用与品质成分变化的分析[J]. 茶叶科学, 2018, 38(3): 271-280.
[14]	范方媛, 杨梦璇, 龚淑英, 郭昊蔚, 张凯棋, 李春霖, 汤一. 基于近红外光谱技术的白茶3种典型感官滋味特征属性定量评价模型研究[J]. 茶叶科学, 2018, 38(3): 296-304.
[15]	彭清维, 刘芸, 于建成, 魏晓楠, 唐延林. 基于可见/近红外光谱技术的湄潭翠芽等级判别[J]. 茶叶科学, 2017, 37(5): 458-464.