基于近红外光谱的茶叶高氯酸盐污染水平研究
目的 建立一种基于近红外光谱(near-infrared spectroscopy,NIR)分析技术的快速定量茶叶中高氯酸盐污染水平的预测模型.方法 采集不同产地、不同品种的 91 份茶叶干样,通过傅里叶变换NIR扫描获得样品的近红外漫反射光谱,使用超高效液相色谱-串联质谱法测定茶叶样品中的高氯酸盐含量,以参考限量0.75 mg/kg为标准将样品分为两类;利用偏最小二乘分析(partial least squares,PLS)建立高氯酸盐含量范围的预测模型,同时使用一阶导(1st)、连续小波变换(continuous wavelet transform,CWT)、多元散射校正(multiplicative scatter correction,MSC)、标准正态变换(standard normal variate,SNV)等光谱预处理技术和竞争自适应重加权(competitive adaptive reweighted sampling,CARS)采样波长筛选技术对判别模型进行优化,最后通过预测集样品对模型进行验证.结果 使用原始光谱建立的模型能够初步实现对高氯酸盐含量范围的预测,而使用光谱预处理扣除光谱中的背景信息,结合MSC和CARS方法共同处理后,模型的预测正确度显著改善,误判样品下降至 3 个,预测正确率提高至 88.5%.结论 本方法表明NIR技术可以为茶叶中高氯酸盐污染水平分析提供一种快速分析的新策略,对茶叶产业高质量发展具有重要的实际意义.
近红外光谱、茶叶、高氯酸盐、偏最小二乘判别分析、竞争性自适应重加权算法
14
TP309;O657.33;R284.1
2023-10-07（万方平台首次上网日期，不代表论文的发表时间）
共7页
95-101
