位置:成果数据库 > 期刊 > 期刊详情页
一种基于可见-近红外光谱快速鉴别茶叶品种的新方法
  • ISSN号:1000-0593
  • 期刊名称:《光谱学与光谱分析》
  • 时间:0
  • 分类:S123[农业科学—农业基础科学] TH744.1[机械工程—光学工程;机械工程—仪器科学与技术;机械工程—精密仪器及机械]
  • 作者机构:[1]浙江大学生物工程与食品科学学院,浙江杭州310029
  • 相关基金:国家自然科学基金项目(30671213,30600371),高等学校博士学科点专项科研基金课题(20040335034),高等学校优秀青年教师教学科研奖励计划(02411)和浙江省重大科技攻关项目(2005C12029)资助
中文摘要:

提出了一种用可见一近红外光谱技术快速无损鉴别茶叶品种的新方法。应用可见一近红外光谱仪测定5个品种茶叶的光谱曲线,用主成分分析法对不同品种茶叶进行聚类分析并获得茶叶的可见一近红外光谱数据的主成分,再结合人工神经网络技术建立模型进行品种鉴别。主成分分析表明,以主成分1和2对所有建模样本的得分值做出的得分图,对不同种类茶叶具有较好的聚类作用,可以定性分析茶叶种类。把主成分分析得到的前6个主成分作为神经网络的输入,茶叶品种值作为神经网络的输出,通过5个茶叶品种共125个样本的训练和学习,建立了茶叶品种鉴别的3层BP人工神经网络模型,对未知的25个样本进行鉴别,品种识别准确率达到100%。说明本文提出的方法具有很好的分类和鉴别作用,为茶叶的品种快速鉴别提供了一种新方法。

英文摘要:

A new method for the discrimination of varieties of tea by means of visible/near infrared spectroscopy (Vis/NIRS) (325-1 075 nm) was developed. A relation has been established between the reflectance spectra and the tea varieties. The data set consists of a total of 150 samples of tea. First, the data was analyzed with principal component analysis(PCA). It appeared to provide the reasonable clustering of the varieties of tea. Meanwhile PCA compressed hundreds of spectral data into a small quantity of principal components which described the body of the spectra; the first 6 principal components computed by PCA were applied as inputs to a back propagation neural network with one hidden layer. One hundred twenty five samples from five varieties were selected randomly, then they were used to build BP-ANN model. This model has been used to predict the varieties of 25 unknown samples; the residual error for the calibration samples is 1. 267 × 10^-4. The recognition rate of 100% was achieved. This model is reliable and practicable. So this paper could offer a new approach to the fast discrimination of varieties of tea.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《光谱学与光谱分析》
  • 中国科技核心期刊
  • 主管单位:中国科学技术协会
  • 主办单位:中国光学学会
  • 主编:高松
  • 地址:北京海淀区魏公村学院南路76号
  • 邮编:100081
  • 邮箱:chngpxygpfx@vip.sina.com
  • 电话:010-62181070
  • 国际标准刊号:ISSN:1000-0593
  • 国内统一刊号:ISSN:11-2200/O4
  • 邮发代号:82-68
  • 获奖情况:
  • 1992年北京出版局编辑质量奖,1996年中国科协优秀科技期刊奖,1997-2000获中国科协择优支持基础性高科技学术期刊奖
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),荷兰文摘与引文数据库,美国工程索引,美国生物医学检索系统,美国科学引文索引(扩展库),英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),英国英国皇家化学学会文摘,中国北大核心期刊(2000版)
  • 被引量:40642