基于嗅觉可视化技术的眉茶等级分类方法

为了快速、准确地对眉茶等级进行分类,提出了一种基于嗅觉可视化技术的眉茶等级快速分类方法。首先,根据卟啉显色反应预实验结果,选定了12种显色效果明显的卟啉指示剂制备嗅觉可视化传感器阵列,通过该传感器阵列与不同等级的眉茶茶汤进行反应,获取不同的特征图像。然后,对特征图像数据进行主成分分析和降维,将得到的不同维数的主成分分析结果作为输入变量,构建支持向量机(support vector machine,SVM)眉茶等级分类模型。最后,引入3种群体智能优化算法(萤火虫算法、灰狼优化算法、布谷鸟算法)对SVM分类模型的惩罚因子c和核函数参数g进行优化。结果显示:未经优化的SVM分类模型对测试集的分类正确率为80%,所需的主成分个数为12个;经过优化的SVM模型的分类正确率均有所提升,其中经过布谷鸟算法优化的SVM模型对测试集的分类正确率达到了93.3%,且所需的主成分个数减少为6个。这表明应用嗅觉可视化技术能够实现对眉茶等级的分类,而通过群体智能优化算法优化SVM分类模型可以显著增强模型的性能,提高分类正确率。

差异程度检验法在眉茶审评中的应用

为解决传统茶叶感官审评方法所呈现的结果具有一定的局限性与模糊性的缺点,同时为感官分析软件眉茶感官分析系统的开发提供思路与方法,尝试引用差异程度检验法应用于眉茶感官审评,将茶样与参照样在条索、色泽、整碎、净度、香气、滋味、汤色和叶底8个感官审评因子的差异程度进行量化,制作差异程度分值表。根据茶样感官审评因子分值绘制眉茶差异程度评分雷达图,并采用方差分析验证差异程度法审评结果。结果表明,在传统感官审评的基础上引入差异程度检验法(DOD),可完善传统感官审评方法中存在的不足,为更好地评价和区分茶叶的品质提供科学的分析依据。

利用眉茶加工副产物栽培黑木耳的培养基质优化及黑木耳品质分析

眉茶是我国出口绿茶的主要茶类之一,以条索纤细似眉而得名。眉茶精制过程中产生了大量无法拼配利用的副产物(以茶梗为主),如何合理利用这些副产物是提高眉茶生产附加值的关键问题之一。以皖南主要栽培黑木耳品种黑3为材料,利用菌丝生长速率、生物利用率、平均产量以及营养成分等评价指标,开展眉茶加工副产物部分取代木屑栽培黑木耳的研究。结果表明,眉茶加工副产物含量为40%的培养基质中黑木耳产量与对照相当,为每棒59.57 g;而其蛋白质、多糖及黄酮含量均高于对照,分别提高了6.29%、12.95%和74.17%,确定眉茶副产物含量为40%的培养基质为栽培黑木耳的最佳培养基质。本研究为眉茶加工副产物的综合利用提供了一条可行的、高附加值的途径。