基于化學指紋圖譜的茶葉產(chǎn)地、原料品種判別分析和生化成分預測.pdf

1、茶葉有著悠久的歷史，是中國重要的經(jīng)濟作物。部分名優(yōu)茶市場存在“以假亂真”的現(xiàn)象，為了對這種現(xiàn)象有一定的判斷，本研究以對茶葉產(chǎn)地、品種等的判定為目的進行化學指紋圖譜的分類和判別研究。同時，對茶葉近紅外光譜技術進行研究，以期快速測定茶葉化學成分含量。
　　 基于HPLC化學指紋圖譜對綠茶和武夷巖茶的分類中，得到了25組共有峰，達到了100％的分類正確率;對浙江和川渝綠茶的分類中，得到了24組共有峰，川渝綠茶和浙江綠茶的分類正確率分別

2、為98.8％和88.3％，結果聚為三類，第一類為川渝綠茶，第三類主要為浙江綠茶，第二類為川渝綠茶和浙江綠茶的交叉。
　　 基于HPLC化學指紋圖譜的扁形綠茶產(chǎn)地判別分析中，在增加了一個色譜條件后，得到了40組共有峰，龍井茶與非龍井扁形茶的判別得到一個判別函數(shù)，26個相關變量，達到92.4％的判別正確率;西湖龍井與非龍井扁形茶的判別得到一個判別函數(shù)，21個相關變量，達到95.8％的正確率;龍井茶三個產(chǎn)區(qū)的判別得到兩個判別函數(shù)，36

3、個相關變量和82.9％的正確率;西湖龍井一級保護區(qū)和二級保護區(qū)得到一個判別函數(shù)，11個相關變量和98.3％的正確率。
　　 基于NIR化學指紋圖譜的龍井茶產(chǎn)地分析中，在同步分析中，不同光譜預處理方法，原始光譜、MSC、Smoothing、一階導數(shù)和二階導數(shù)對驗證集樣本的識別準確率分別為86.0％，為83.2％，83.9％，83.5％和76.1％，總體識別準確率為85％;扁形茶、錢塘龍井、西湖龍井、越州龍井四個單獨模型對驗證集的識

4、別準確率分別為97.2％，97.5％，97.9％和100％;四個模型進行組合以后“初次識別”對驗證集樣本的識別準確率分別為87.2％，91.3％，95.1％和99.4％，驗證集樣本的總的識別正確率為93.7％，比同步識別有明顯提高;采用歐氏距離法進行二次識別以后，對驗證集樣本最終的識別準確率為96.8％較初次識別提高了3.2％,說明模型組合和歐氏距離法都能有效提高識別準確率。
　　 基于HPLC化學指紋圖譜的扁形茶原料品種判別中

5、，共獲得40組共有峰，西湖龍井產(chǎn)區(qū)的龍井43和群體種的判別得到1個判別函數(shù)，其中有20個變量，最終對測試集的判別正確率是81.7％;錢塘龍井產(chǎn)區(qū)四個品種的判別得到3個判別函數(shù)，其中有23個變量，對測試集的判別正確率是94.1％;越州龍井產(chǎn)區(qū)的判別得到3個判別函數(shù)，其中有20個變量，對測試集的判別正確率為83.1％;非龍井扁形茶四個品種的判別得到3個判別函數(shù)，其中有19個變量，對測試集的判別正確率為93.6％;所有扁形茶四個品種的判別得到

6、3個判別函數(shù)，其中有35個變量，對測試集的判別正確率為86.4％。
　　 基于NIR化學指紋圖譜的扁形茶原料品種識別中，同步識別后，對驗證集的總體識別準確率為65.6％;龍井43，群體種、迎霜和烏牛早四個單獨識別模型對驗證集樣本的識別準確率為87.1％，84.2％，96.1％和97.5％;模型組合后“初次識別”，對驗證集的總體識別準確率為74.2％;采用歐氏距離法進行二次識別后，對驗證集樣本的最終識別準確率為83.5％較“初次識

7、別”提高了9.3％。
　　 基于NIR指紋圖譜和HPLC的扁形綠茶化學成分預測中，分別對八種化學成分建立了PCR和PLSR線性回歸模型，并得到了各自的線性擬合方程。結果表明得到PLSR的預測效果更好，其中GA的最佳數(shù)據(jù)預處理方法是Smoothing，其相關系數(shù)為0.84，線性擬合方程為y=1.0405x-0.0064; EGC的最佳數(shù)據(jù)預處理方法是Smoothing，相關系數(shù)為0.88，線性擬合方程為y=0.9227x+0.09

8、22;c的最佳數(shù)據(jù)預處理方法是MSC，相關系數(shù)為0.86，線性擬合方程為y=0.9762x+0.0123; CAF的最佳數(shù)據(jù)預處理方法是MSC，相關系數(shù)為0.92，線性擬合方程為y=0.9476x+0.201; EC的最佳數(shù)據(jù)預處理方法是Smoothing，其相關系數(shù)為0.91，線性擬合方程為y=1.0044x-0.0029;EGCG的最佳數(shù)據(jù)預處理方法是MSC，相關系數(shù)為0.92，線性擬合方程為y=0.9823x+0.19; ECG的