绿茶加工过程含水率在线检测技术研究

实现绿茶加工过程含水率在线检测对于稳定产品质量具有重要意义。针对传统人工评判存在的准确率低、一致性差等缺陷,研究提出利用在线近红外光谱建立绿茶加工过程含水率快速、准确、量化的检测方法。以多季节、多批次的415份杀青叶样本为研究材料,采用在线光谱仪实时采集杀青叶的近红外光谱信号,随后采用传统烘干法测定杀青叶真实含水率。分别采用SG平滑(Savitzky-Golay,SG)、标准正态变量变换(Standard Normal Variate,SNV)、多元散射校正(Multiplicative Scatter Correction,MSC)、去趋势(Detrending)等预处理方法消除原始光谱中的噪声等干扰信息,比较遗传算法(Genetic Algorithms,GA)和竞争性自适应复权抽样(Competitive Adaptive Reweighted Sampling,CARS)对水分特征波长的筛选效果,并结合偏最小二乘回归(Partial Least Squares regression,PLS)算法分别建立含水率的PLS,GA-PLS和CARS-PLS定量检测模型。结果表明,光谱预处理能够降低原始信号中的噪声干扰,显著提高模型的预测精度,其中SNV的效果最优;GA和CARS均能有效降低数据维度,其中CARS取得了最优的预测性能,所建的SNV-CARS-PLS模型对预测集样本的预测精度为相关系数Rp=0.9402,预测均方根误差RMSEP=1.57%,残余预测偏差RPD=2.90。研究建立的绿茶杀青叶含水率在线检测方法,能够为杀青环节质量状况提供实时量化反馈,为实现绿茶的智能化加工提供重要基础。