基于近红外光谱和气相离子迁移谱的白茶等级评价研究

摘要

茶叶等级评价是一项复杂的主观性系统工作,从其相关品质数据中提取等级信息,进而建立茶叶等级快速识别方法,这对指导茶叶生产具有重要意义。为建立快速评价白茶等级的判别模型,本研究搜集了200份不同等级的白牡丹白茶,采集其近红外光谱和气相离子迁移谱的原始数据,经过主成分分析或线性判别分析进行数据降维,结合7种分类器算法开展白茶等级评价。结果表明,线性判别分析适合近红外光谱和气相离子迁移谱的原始数据降维;原始数据使用线性判别分析降维后,基于近红外光谱建立的自适应增强(adaptive boosting,Adaboo-st)、K近邻(k-nearest neighbor,KNN)、多层感知机(multilayer perceptron,MLP)、随机森林(random fore-st,RF)、随机梯度下降(stochastic gradient descent,SGD)和支持向量机(support vector machines,SVM)模型的正判率均>94%,模型评价指标AUC≥0.95;基于气相离子迁移谱筛选的图谱数据建立的MLP、SGD和SVM模型的判别率为91%~93%,AUC值为0.94~0.96;基于气相离子迁移谱的标记物质数据构建的Adaboost、决策树(decision tree,DT)、KNN、MLP、SGD和SVM模型正判率均为100%,AUC为1.0,RF的正判率为96%、AUC值为0.98。综上,以近红外光谱和挥发性化合物特征数据作为白茶等级评价的重要参数,分别建成了6个和10个等级判别模型,可准确判定白茶等级,分类器算法适用于这2种类型数据建模。