高EGCG含量茶树品种光谱识别模型构建

为解决目前高EGCG含量茶树品种育种过程中,叶片EGCG含量检测存在繁琐、成本高和周期长等问题,研究采用近红外光谱分析技术结合化学计量法实现茶树叶片EGCG含量的快速定性高低判别。利用手持式光谱仪分别采集高EGCG含量(13.68±1.99)%茶树(W1)和低EGCG含量(4.86±1.17)%茶树(Huangdan)叶片的近红外光谱反射率。应用RF(Random Frog)算法提取对EGCG敏感的波段,并对比分析线性判别分析LDA和最小二乘支持向量机LS-SVM两种方法对高EGCG含量茶树叶片的识别能力。结果表明:主成分分析后样本的第一主成分和第二主成分的累计方差贡献率为99.6%,对应的得分对高/低EGCG含量茶树叶片具有较好的聚类作用。RF算法选取前20个敏感波段构建的最小二乘支持向量机(LS-SVM)模型对高/低EGCG含量茶树叶片的识别正确率和Kappa系数分别为93.94%和0.89。研究结果可为高EGCG含量茶树品种的育种提供技术支持。