【技术实现步骤摘要】
本专利技术涉及茶叶品质的快速检测领域，具体涉及一种基于深度学习模型的莓茶品质光谱传感检测方法。
技术介绍
1、莓茶作为天然食品中的防腐剂、膳食补充剂，以及新型功能饮料的原料来源，近年来广受消费者的欢迎。研究表明适当摄入莓茶对机体具有抗菌、抗炎、软化血管、保护肝脏、增强免疫力等功效。莓茶的这些功能主要与茶多酚、二氢杨梅素、氨基酸和各种微量元素等内部化学成分有关。这些内部有机化合物与莓茶的品质也有着密切的关系，其含量将直接影响莓茶的品质和保健功能。莓茶中的茶多酚含量可达到43.58％，是普通绿茶的3倍多。二氢杨梅素是莓茶中最重要的类黄酮化合物，被认为是莓茶药理作用的主要物质基础。经证实，莓茶品质等级越高，所含的这些有益成分越高。
2、现有的对莓茶品质检测方法有人体感官面板测试和仪器分析技术。人体感官面板测试需要一个严格而繁琐的程序，特别要求茶叶专家根据一系列预定义的物理化学指标来评估莓茶，以最终确定其质量。仪器分析技术如气相色谱法、高效液相色谱法、气相色谱-质谱联用法与高效液相色谱-质谱联用法等。这种方法作为品质评估的辅助技术，虽然可以保证结果的客观性和准确性，但是需要昂贵的设备和繁琐的样品前处理。因此，迫切需要建立一种灵敏、经济、高效、环保的检测方法，实现对莓茶品质的快速检测。
技术实现思路
1、本专利技术的目的在于提供一种基于深度学习模型的莓茶品质光谱传感检测方法，克服现有检测技术中操作复杂，检测耗时长等问题。
2、为了实现上述目的，本专利技术提供了一种基于
3、s1.莓茶光谱采集：利用光谱传感装置获取不同莓茶样本光谱数据，使用matlab第三方智能库的derivative spectroscopy导数光谱和savitzky-golay平滑算法处理采集的近红外光谱以减少噪声和基线漂移；
4、s2.莓茶品质理化指标的常规测定：首先使用磨碎机对采集光谱后的莓茶制备莓茶粉末样本，然后利用溶剂提取法对所述莓茶粉末样本制备茶汤，最后使用常规方法测定莓茶品质指标的理化值；
5、s3.莓茶中茶多酚和二氢杨梅素的快速检测：基于deep learning toolbox框架搭建一维卷积神经网络(cnn)，长短期记忆网络(lstm)和cnn-ls tm莓茶品质预测定量模型，将经过s1中导数和平滑预处理后的光谱数据输入所述定量模型中，快速输出莓茶中茶多酚(tp)和二氢杨梅素(dmy)的检测结果。
6、优选的，利用便携式光谱传感装置采集莓茶近红外光谱的参数为：光谱范围900-1700nm，光谱分辨率10nm，积分时间5-10ms，平均次数5-8次，环境温度23-26℃。
7、优选的，使用matlab第三方智能库的derivative spectroscopy导数光谱和savitzky-golay平滑算法处理所述光谱中的噪声和基线漂移。其中导数光谱的导数阶数为1-2，窗口宽度为5-11(设定为奇数)，savitzky-golay平滑算法的多项式阶数为2-3，窗口宽度为5-15。
8、优选的，使用磨碎机对采集光谱后的莓茶制备莓茶粉末样本的内容具体包括：
9、将适量莓茶放入小型磨碎机中，利用磨碎机粉碎，磨碎机遵循“按3秒停1秒”的原则对每种莓茶进行粉碎，此操作重复8-10次，初步制得粉末状莓茶；取粉碎好的粉状莓茶放置40-60目的筛网中，同时均匀晃动筛网，最终制得细腻的粉状莓茶样本。
10、优选的，利用溶剂提取法对所述莓茶粉末样本制备茶汤的内容具体包括：
11、用于茶多酚测定的茶汤制备：称取0.1990-0.2009g的莓茶粉末样本于离心管中，加入在70±1℃中预热过的70％甲醇水溶液4-5ml，用玻璃棒搅拌均匀。立即转入70±1℃水浴中浸提，浸提后冷却至室温，配平后转入离心机离心(3500r/min，10min)；残渣再用70％甲醇水溶液提取一次，重复上述操作，合并提取液并定容，混合均匀后使用0.45μm膜进行过滤，得到茶汤样本。
12、用于二氢杨梅素测定的茶汤制备：称取0.4990-0.5009g的莓茶粉末样本于离心管中，加入甲醇水溶液8-10ml，称重并记录，混匀后放置50℃超声仪中超声提取30min，取出冷却至室温后再次称重，用纯甲醇恒重超声提取前的重量，混匀后使用0.45μm膜进行过滤，得到茶汤样本。
13、优选的，基于常规方法使用紫外分光光度法测定莓茶中茶多酚的理化值的内容具体包括：
14、配置浓度为10、20、30、40、50、60、80、100、120μg/ml的没食子酸工作液；将所述茶汤用水稀释并摇匀，分别取所述0.5-1.0ml的没食子酸工作液、水和稀释后的茶汤，再将福林酚溶液：碳酸钠溶液按照体积比为5：4分别添加至各试管中，用水定容并摇匀，室温下放置50min-65min。使用紫外分光光度仪进行茶多酚测量前，光度测量参数设置为：检测波长为765nm，重复测量次数为3，光度模式为吸光度。
15、优选的，基于常规方法使用高效液相色谱法测定莓茶中二氢杨梅素的理化值的内容具体包括：
16、配置浓度为100、200、300、400、500、700μg/ml的二氢杨梅素工作液；将所述茶汤用初始流动相(乙腈：0.1％磷酸水溶液＝15：85)按照1：10的比例进行稀释，混匀后使用0.45μm膜再次进行过滤。使用高效液相色谱仪进行二氢杨梅素测量前，将色谱柱更换成c18柱后新建检测方法，洗脱梯度为0-12min，85％b；12-20min，85-70％b；20-25min，70-85％b；25-35min，85％，仪器检测参数设置为：柱温为25℃，检测波长为291nm，流速为1ml/min，所述进样体积为10-20μl，采用紫外检测器进行测定同时保存记录。
17、优选的，所述的cnn定量预测模型的函数表达式如下：
18、cnn(stea1，stea2···stean)＝ tps (1)
19、cnn(stea1，stea2···stean)＝ dmys (2)
20、其中，stean指第n种莓茶的光谱，tps指光谱s对应的tp值，dmys指光谱s对应的dmy值；利用莓茶光谱数据作为输入，对应的tp数据作为输出，对cnn模型进行训练预测；
21、优选的，所述的cnn模型结构包括输入层，2个卷积层，2个批量归一化层，2个dropout层，激活函数层，2个池化层，1个全连接层和输出层；所述的一维卷积层的参数维度分别为32和64，卷积核为3，卷积核尺寸为1*1，卷积步长为1；所述的dropout层丢弃比例分别设置为0.2和0.3，即令20％和30％的神经元随机丢弃；所述的激活函数为relu函数；所述的池化层池化的核大小分别为3和5；全连接层层数为1层，用以输出1个特征。
22、优选的，所述的lstm定量预测模型的函数表达式如下：
2本文档来自技高网...
【技术保护点】
1.一种基于深度学习模型的莓茶品质光谱传感检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习模型的莓茶品质光谱传感检测方法，其特征在于，步骤S1中光谱数据采集的参数为：光谱范围900-1700nm，光谱分辨率10nm，积分时间5-10ms，平均次数5-8次，环境温度23-26℃。
3.根据权利要求1所述的一种基于深度学习模型的莓茶品质光谱传感检测方法，其特征在于，步骤S1中Derivative Spectroscopy导数光谱的导数阶数为1-2，窗口宽度为5-11，设定为奇数，Savitzky-Golay平滑算法的多项式阶数为2-3，窗口宽度为5-15。
4.根据权利要求1所述的一种基于深度学习模型的莓茶品质光谱传感检测方法，其特征在于，步骤S2中使用磨碎机对采集光谱后的莓茶制备莓茶粉末样本的内容具体包括：
5.根据权利要求1所述的一种基于深度学习模型的莓茶品质光谱传感检测方法，其特征在于，步骤S2中利用溶剂提取法制备茶汤的内容具体包括：
6.根据权利要求5所述的一种基于深度学习模型的莓茶品质
7.根据权利要求5所述的一种基于深度学习模型的莓茶品质光谱传感检测方法，其特征在于，步骤2)中，所述预设重量为0.4990-0.5009g的莓茶粉末样本，加入的甲醇水溶液体积为8-10mL，称重并记录，混匀后放置50±1℃超声仪中超声提取，取出冷却至室温后再次称重，用纯甲醇恒重超声提取前的重量，混匀后使用0.45μm膜进行过滤，得到茶汤样本；
8.根据权利要求1所述的一种基于深度学习模型的莓茶品质光谱传感检测方法，其特征在于，步骤S2中使用常规方法为：使用紫外分光光度法测定莓茶中茶多酚的理化值的内容具体包括：
9.根据权利要求1所述的一种基于深度学习模型的莓茶品质光谱传感检测方法，其特征在于，步骤S2中使用常规方法为：使用高效液相色谱法测定莓茶中二氢杨梅素的理化值的内容具体包括：
10.根据权利要求1所述的一种基于深度学习模型的莓茶品质光谱传感检测方法，其特征在于，步骤S3中构建的CNN定量预测模型的函数表达式如下：
...【技术特征摘要】
1.一种基于深度学习模型的莓茶品质光谱传感检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习模型的莓茶品质光谱传感检测方法，其特征在于，步骤s1中光谱数据采集的参数为：光谱范围900-1700nm，光谱分辨率10nm，积分时间5-10ms，平均次数5-8次，环境温度23-26℃。
3.根据权利要求1所述的一种基于深度学习模型的莓茶品质光谱传感检测方法，其特征在于，步骤s1中derivative spectroscopy导数光谱的导数阶数为1-2，窗口宽度为5-11，设定为奇数，savitzky-golay平滑算法的多项式阶数为2-3，窗口宽度为5-15。
4.根据权利要求1所述的一种基于深度学习模型的莓茶品质光谱传感检测方法，其特征在于，步骤s2中使用磨碎机对采集光谱后的莓茶制备莓茶粉末样本的内容具体包括：
5.根据权利要求1所述的一种基于深度学习模型的莓茶品质光谱传感检测方法，其特征在于，步骤s2中利用溶剂提取法制备茶汤的内容具体包括：
6.根据权利要求5所述的一种基于深度学习模型的莓茶品质光谱传感检测方法，其特征在于，步骤1)中，所述预设重量为0.1990-0.2009g的莓茶粉末样本...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。