摘要3-4
Abstract4-8
1 文献综述8-18
1.1 茶叶主要成分的特性及与品质的联系8-11
1.1.1 水分与茶叶品质的联系8-9
1.1.2 水浸出物与茶叶品质的联系9
1.1.3 茶多酚与茶叶品质的联系9
1.1.4 与茶叶品质的联系9-10
1.1.5 氨基酸与茶叶品质的联系10-11
1.1.6 粗纤维与茶叶品质的联系11
1.2 近红外光谱浅析技术11-16
1.2.1 近红外光谱技术进展介绍11-12
1.2.2 近红外光谱浅析的基本原理12
1.2.3 近红外光谱技术的特点12-13
1.2.4 近红外光谱定量浅析的流程13-14
1.2.5 近红外光谱的预处理策略14-15
1.2.6 近红外光谱定量浅析的多元校正策略15
1.2.7 近红外光谱定量浅析模型的评价指标15-16
1.3 近红外光谱浅析技术在茶叶品质检测中的运用进展16-18
2 引言18-20
2.1 探讨目的和作用18
2.2 探讨内容18-19
2.3 技术路线19-20
3 材料与策略20-27
3.1 材料20-22
3.1.1 试剂和药品20
3.1.2 仪器设备20
3.1.3 绿茶样品20-22
3.2 试验策略22-27
3.2.1 绿茶样品的处理22
3.2.2 绿茶样品的近红外光谱采集22-23
3.2.3 绿茶中 7 种品质成分的化学测定23-25
3.2.4 NIR 定量模型的建立与评价25-27
4 结果与浅析27-51
4.1 110 份绿茶样品的近红外光谱图27-28
4.2 化学浅析测定结果28-31
4.3 样品形态对 PLS 建模效果的影响31-32
4.4 绿茶中 7 种品质成分近红外模型的建立32-51
4.4.1 水分近红外浅析模型的建立32-35
4.4.1.1 建模样品比例的选择32-33
4.4.1.2 异常样品的剔除与样品集的划分33
4.4.1.3 光谱预处理策略的选择33-34
4.4.1.4 水分含量最优模型的建立与验证34-35
4.4.2 全氮量近红外浅析模型的建立35-38
4.4.2.1 建模样品集比例的选择35-36
4.4.2.2 异常样品的剔除与样品集的划分36
4.4.2.3 光谱预处理策略的选择36-37
4.4.2.4 全氮量最优模型的建立与验证37-38
4.4.3 粗纤维近红外浅析模型的建立38-40
4.4.3.1 建模样品集比例的选择38
4.4.3.2 异常样品的剔除与样品集的划分38
4.4.3.3 光谱预处理策略的选择38-39
4.4.3.4 粗纤维最优模型的建立与验证39-40
4.4.4 水浸出物近红外浅析模型的建立40-43
4.4.4.1 建模样品集比例的选择40-41
4.4.4.2 异常样品的剔除与样品集的划分41
4.4.4.3 光谱预处理策略的选择41-42
4.4.4.4 水浸出物最优模型的建立与验证42-43
4.4.5 茶多酚近红外浅析模型的建立43-45
4.4.5.1 建模样品集比例的选择43
4.4.5.2 异常样品的剔除与样品集的划分43-44
4.4.5.3 光谱预处理策略的选择44
4.4.5.4 茶多酚最优模型的建立与验证44-45
4.4.6 近红外浅析模型的建立45-48
4.4.6.1 建模样品集比例的选择45-46
4.4.6.2 异常样品的剔除与样品集的划分46
4.4.6.3 光谱预处理策略的选择46-47
4.4.6.4 最优模型的建立与验证47-48
4.4.7 游离氨基酸近红外浅析模型的建立48-51
4.4.7.1 建模样品集比例的选择48
4.4.7.2 异常样品的剔除与样品集的划分48
4.4.7.3 光谱预处理策略的选择48-49
4.4.7.4 游离氨基酸最优模型的建立与验证49-51
5 讨论51-53
5.1 近红外定量模型预测结果的讨论51
5.2 近红外定量模型预测效果的影响因素的探讨51-52
5.3 提升近红外定量模型适用性的讨论52-53
6 结论53-55
6.1 绿茶粉碎后采集光谱比完整样以及茶汤建立的模型效果好53
6.2 校正集与验证集样品比例为 7:3 时建立的模型最优53
6.3 绿茶 7 种成分光谱预处理策略的确定53
6.4 NIRS 可以实现绿茶 7 种品质成分的快速定量检测53-55