申请/专利权人:安徽农业大学
申请日:2022-08-05
公开(公告)日:2024-06-21
公开(公告)号:CN115308196B
主分类号:G01N21/78
分类号:G01N21/78;G01N1/40
优先权:
专利状态码:有效-授权
法律状态:2024.06.21#授权;2022.11.25#实质审查的生效;2022.11.08#公开
摘要:本发明提供了一种红茶发酵过程中酚类物质的检测方法,包括第一步:构建2*3IDA传感器阵列;第二步:制备红茶发酵茶样;第三步:获取传感图像信息并基于所述传感图像信息建立酚类物质指标含量检测模型;第四步:依据所述检测模型检测所述茶样中总多酚、总儿茶素、EGCG的含量。根据本发明的红茶发酵过程中酚类物质的检测方法能够实现在红茶加工中的原位进行酚类物质即三种含量总多酚、总儿茶素、EGCG含量的同时检测,设备简单、操作时间短、成本低。
主权项:1.一种红茶发酵过程中酚类物质的检测方法,其特征在于,包括:第一步:构建2*3IDA传感器阵列;第二步:制备红茶发酵茶样;第三步:获取传感图像信息并基于所述传感图像信息建立酚类物质指标含量检测模型;第四步:依据所述检测模型检测所述茶样中总多酚、总儿茶素、EGCG的含量,其中,所述2*3IDA传感器阵列包括两种指示剂,分别是:邻苯二酚紫和茜素红;所述2*3IDA传感器阵列包括三种受体,分别是:苯硼酸、3-氨基苯基硼酸和3-硝基苯硼酸;所述2*3IDA传感器阵列包括6个孔,每个孔中包含有60μL的PH值为9的10mM的4-羟乙基哌嗪乙磺酸水溶液、20μL的1mM的一种指示剂水溶液以及20μL的4mM的一种受体水溶液;所述获取传感图像信息包括:获取2*3IDA传感器阵列在放入所述红茶发酵茶样前的图像和放入所述红茶发酵茶样后的图像;所述检测模型为稳定竞争性自适应重加权抽样-非线性支持向量机回归模型,包括:引入稳定竞争性自适应重加权抽样SCARS,从9个颜色变量中选择各指标相关性高的特征变量,并引入线性的偏最小二乘回归(PLS)和非线性支持向量机回归(SVR)算法,建立对应酚类指标的预测模型,在PLS中,将最大潜在变量数定为15,采用5折交叉验证获得最优的潜在变量数,在SVR中,将径向基函数RBF作为核函数,采用5折交叉验证和网格搜索法获得最优的模型参数,以预测集样本的预测相关系数R、均方根误差RMSEP和预测残差标准差RPD作为模型精度的评价指标,R和RPD值越大,RMSEP值越小,则模型精度越高,经过建模,获得总多酚、总儿茶素、EGCG的最优预测模型为SCARS-SVR。
全文数据:
权利要求:
百度查询: 安徽农业大学 一种红茶发酵过程中酚类物质的检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。