摘要
本发明属于茶叶中释放性物质检测领域,具体涉及一种基于近红外光谱的茶汤中茶多酚释放动力学的检测方法。该方法通过梯度取样法制备不同时间点的茶汤样本,采用国标酒石酸亚铁比色法测定茶多酚含量作为参照值,利用近红外光谱仪采集光谱透射数据。对光谱数据进行预处理后,构建机器学习模型,建立光谱变量与茶多酚含量的映射关系。通过决定系数和均方根误差评价模型性能,筛选最优预测模型。基于优选的模型SVM预测的高精度结果,进行动力学拟合分析,确定茶多酚释放的最优动力学模型为Higuchi模型。该方法实现了茶多酚含量的非侵入性实时监测,预测模型准确率达0.99以上,为茶叶品质评价和冲泡工艺优化提供了快速、精准的技术支持。
技术关键词
茶多酚含量
酒石酸亚铁比色法
近红外光谱仪
构建机器学习模型
石英比色皿
样本
数据
相对湿度
模型预测值
物质检测
支持向量机
误差
随机森林
密闭容器
茶饮料
容量瓶
系统为您推荐了相关专利信息
状态空间模型
精准控制方法
参数
分布式传感系统
时序
智能决策方法
因子
时间段
构建机器学习模型
正则化模型
成分含量
光谱预处理方法
测定方法
注射用无菌粉末
定量分析模型
再生资源云平台
轻量化卷积神经网络
回收方法
Dijkstra算法
识别模型训练