专利名称：一种基于红外光谱的茶叶发酵度识别方法
技术领域：
本发明涉及一种不同发酵度茶叶的识别方法，属于光谱分析技术领域。
背景技术：
茶叶的生产与出口在我国国民经济中占有重要作用，但其在质量监控和品质评 价上较落后。目前，茶叶品质评定方法是感官评价和理化成分分析方法，前者有较高的 区分度，但其因易受人为因素和外界环境的干扰，造成品质鉴别结果差异较大，且感官 评价的效率较低；后者对茶叶的单一成份可以进行定量分析，准确度较高，但分析周期 长，程序繁琐，而且难以做出全面整体性评价。现阶段，红外光谱法以其无污染、无损伤取样、实时性、使用方便等特点成为 检测的首�。保畔⒖蒲Ъ际醯目焖俜⒄购凸惴荷敢丫晌纸裆缁岬囊桓鲋匾� 的时代特征，其各种识别理论和技术应运而生，并得到广泛应用。目前的研究表明，利 用红外光谱及各种信息学方法来研究茶叶的品质是可行的和有效的，但尚未形成一套系 统完备的研究方法。Schulz. H等人采用偏最小二乘法测定绿茶中的生物碱和酚类物质的含量；孙耀 国等人应用近红外光谱技术，采用偏最小二乘法法建立数学模型，对完整茶叶中的氨基 酸、咖啡碱和茶多酚含量进行了定量分析；徐立恒等人应用偏最小二乘法计算方法建立 了茶多酚、氨基酸及咖啡碱等主要品质成分的二阶导数近红外光谱与其含量间关系的分 析模型；陈华才等人建立了基于径向基函数神经网络的茶多酚总儿茶素含量的近红外光 谱分析模型。罗文文等人通过比较多种预处理方法以及不同统计回归方法，建立了绿茶 中水分和茶多酚总量的近红外定标模型；刘辉军等人利用近红外光谱技术测定茶叶中茶 多酚含量，采用非线性偏最小二乘法原理，结合不同的光谱区间组合建立了最佳的茶多 酚含量近红外分析模型；刘蕾等人采用近红外光谱技术对绿茶茶汤中主要的3种呈味物 质(茶多酚、氨基酸、咖啡碱)进行了近红外光谱定量分析；林新等人建立了绿茶中游 离氨基酸总量的近红外光谱优化定标模型；胡永光等人基于可见_近红外光谱技术通过 不同预处理和统计分析，建立了茶鲜叶全氮含量预测的光谱模型；
上述工作主要对茶叶成分进行研究，并且主要都集中在了近红外区，缺乏对茶叶整 体特征的分析和中红外光谱区所含“指纹”信息的分析。Lupaert. J等人探讨了近红外光谱技术在绿茶定量和定性分析中的应用；陈全胜 和赵杰文等人分别利用近红外光谱分析技术与三种模式识别方法，即支持向量机、相似 分类法和主成分-马氏距离相结合，在一定条件下对几种茶叶种类或真伪进行了识别； 庞涛涛等人采用人工神经网络分析了各种苦丁茶的红外谱图；周湘萍等人利用傅里叶变 换红外光谱法研究了云南省思茅地区所产不同等级的普洱生茶和熟茶；周健等人对滇 青、青饼和普洱茶(熟饼)的近红外化学指纹图谱采用欧氏距离、主成分分析和系统聚类 等方法进行了定性判别分析。上述研究或通过直接分析谱图来分析茶叶的特征，或在红外光谱的基础上通过现成的方法进行定性判别，只能对几种茶叶进行简单判别，而没有针对茶叶的某一特征 (如发酵特征)形成一套系统标准的判定方法。茶叶的发酵工序是形成茶叶不同品种的关键环节，茶叶的发酵程度不同，内部 的成分含量就有所区别，反映到红外光谱上就会有差异，上述提到的众多研究中没有对 茶叶发酵程度的研究。董坤等人对普洱茶发酵过程中的微生物类群进行了分析，发现 霉菌和酵母菌是普洱茶发酵制作过程中的优势微生物类群，决定了普洱茶品质，渥堆阶 段是普洱茶品质形成的关键阶段；杨群等人直接比较分析了云南普洱碧罗春茶、福建乌 龙茶和普洱熟茶三种不同发酵程度茶叶红外特征谱的异同，得到可以根据茶叶的峰位、 峰形差异及某些峰吸收度比值的不同，区分三种不同发酵程度茶叶。上述有关茶叶发酵度的研究中或通过成分的变化分析发酵过程的特征，或仅对 某几种茶叶直接从谱图上分析发酵引起的变化，没有利用信息学方法根据茶叶光谱的整 体特征把茶叶的发酵特征提取出来，依据这些特征对茶叶进行发酵程度的识别，从而没 有形成茶叶发酵程度的系统、简便、快速的判定过程。本申请人于2010年2月19日申请的专利《一种基于红外光谱的普洱熟茶识别方 法》(专利号201010113476.8)借助数学方法解决了利用红外光谱识别普洱熟茶的方法， 在茶品识别技术领域具有巨大的进步意义，但是，其并未涉及茶叶发酵度识别的问题。
发明内容
本发明要解决的技术问题是提供一种基于红外光谱的茶叶发酵度识别方法，能 够基于不同发酵度茶叶的红外光谱差异，借助信息学方法对茶叶的发酵度进行快速、直 观、准确的识别，操作简便，检测成本低，无环境污染，分析结果不受主观意识的影 响。为解决上述技术问题，本发明所采取的技术方案是 一种基于红外光谱的茶叶发酵度识别方法，其步骤包括
A、采集轻度发酵、中度发酵和重度发酵茶叶样本的中红外光谱，建立反映茶叶重度 发酵特性的光谱特征基，确定重度发酵茶叶的线性判别器I
A-U茶叶光谱采集取轻度发酵、中度发酵和重度发酵茶叶样本各至少一种，分别 采集其400cm 1 4000cm 1的中红外光谱；
A-2、光谱数据处理对步骤A-I所得中红外光谱中包含指纹区的波段进行消除背 景干扰和提高光谱分辨率的预处理，得上述各茶叶样本的校正光谱数据，由此数据建立 标准化矩阵Z1，该标准化矩阵Zl的行数据代表同一样品在上述包含指纹区的波段上对应 于各波数的吸光度，其列数据代表不同样品在上述包含指纹区的波段上对应于同一波数 的吸光度；
A-3、特征基的建立分析处理标准化矩阵Z1，提取相关矩阵Rl的特征向量，再选 择由特征向量中最能反映茶叶发酵特征的特征因子做出的二维坐标图作为特征基；
A-4、判别器的确定将A-2的校正光谱数据在A-3的特征基上投影，则投影图上 的每个点对应一个茶叶样本，由属于不同发酵程度的三个边缘茶叶点构成一个三角形， 由距离相等原则，将该三角形的与轻度发酵和中度发酵茶叶点构成的底边相平行的中位 线所在的直线作为区分待检测的茶叶是否属于重度发酵茶的线性判别器I；酵茶叶样本的中红外光谱，建立反映茶叶中度发酵特性的 光谱特征基，确定中度发酵茶叶的线性判别器II
B-U茶叶光谱采集分别采集至少两种中度发酵茶及至少一种轻度发酵茶叶样本 的400ση^ 4000ση^中红外光谱；
Β-2、光谱数据处理对步骤B-I所得中红外光谱中包含指纹区的波段进行消除背景 干扰和提高光谱分辨率的预处理，得上述各茶叶样本的校正光谱数据，由此数据建立标 准化矩阵Ζ2，该标准化矩阵Ζ2的行数据代表同一样品在上述包含指纹区的波段上对应于 各波数的吸光度，其列数据代表不同样品在上述包含指纹区的波段上对应于同一波数的 吸光度；
Β-3、特征基的建立分析处理标准化矩阵Ζ2，提取相关矩阵R2的特征向量，再选 择由特征向量中最能反映茶叶中度发酵特征的特征因子做出的二维坐标图作为特征基；
Β-4、判别器的确定将Β-2的校正光谱数据在Β-3的特征基上投影，则投影图上的 每个点对应一个茶叶样本，由两个边缘中度发酵茶叶点和一个最近的非中度发酵茶叶点 构成一个三角形，由距离相等原则，将该三角形的与两个边缘中度发酵茶叶点构成的底 边相平行的中位线所在的直线作为区分待检测的茶叶是否属于中度发酵茶的线性判别器 II ；
C、茶叶发酵度的识别采用步骤A-I或B-I和步骤Α-2或Β-2的方法对待检测的 茶叶进行处理，得到其校正光谱数据，将其先在步骤Α-3中的特征基上投影，得待测茶 叶样品的二维投影图，由线性判别器I对茶叶是否属于重度发酵茶进行识别，待测茶叶 样品点位于线性判别器I左侧，则该茶叶属于重度发酵茶，在线性判别器I的另一侧则 不属于重度发酵茶；此时再将上述校正光谱数据在步骤Β-3中的特征基上投影，得到待 测茶叶样品在反映茶叶中度发酵特性的光谱特征基上的二维投影图，由线性判别器II对 茶叶是否属于中度发酵茶进行识别，待测茶叶样品点位于该线性判别器上侧，则该茶叶 样品属于中度发酵茶，在判别器的另一侧属于轻度发酵茶。作为本发明的一种优选技术方案，所述重度发酵茶包括红茶和黑茶，所述中度 发酵茶为青茶(又名乌龙茶)，所述轻度发酵茶包括绿茶、黄茶和白茶。作为本发明的一种优选技术方案，步骤A-I中所述轻度发酵茶叶样本为信阳毛 尖、霍山黄芽或白牡丹，所述中度发酵茶叶样本为铁观音，所述重度发酵茶叶样本为正 山小种或六堡熟砖。作为本发明的一种优选技术方案，步骤B-I中所述中度发酵茶为凤茗春、大红 袍、台湾乌龙、铁观音、人参乌龙中的至少两种；所述轻度发酵茶叶样本为与中度发酵 茶发酵程度接近的霍山黄芽。作为本发明的一种优选技术方案，步骤A-I或B-I中所述茶叶光谱采集的具体 步骤包括
(1)样品处理将各茶叶样本在40°C下干燥至恒重，放入粉碎机中粉碎，过200目 筛，在红外灯照射下取8mg试样与960 mg干燥的溴化钾粉末混合研磨lOmin，然后称取 120mg研磨样品，压片留待测定；处理过程当中保持室内的温度和湿度基本一致；
(2)光谱采集利用傅立叶红外光谱仪检测各茶叶样品的中红外光谱，每个样品称 取六次，分别压片，得到每个样品片的谱7作为本发明的一种优选技术方案，步骤A-2或B-2中所述光谱数据处理的具体步骤 为，对各茶叶样品的600cm1 1800cm1波段光谱依次进行矢量归一化、一阶求导和S_G 九点平滑预处理，抵消背景干扰，得到的校正光谱数据构成标准化矩阵Zl或Z2，其行数 据代表同一样品在此波段上对应于各波数的吸光度，其列数据代表不同样品在此波段上 对应于同一波数的吸光度。 作为本发明的一种优选技术方案，步骤A-3或B-3中对标准化矩阵Zl或Z2进 行特征提取的具体步骤包括
(1)首先由①式计算标准化矩阵Zl或Z2的协方差阵的相关矩阵Rl或R2，其中 rl (x,y)或r2 (x,y)是该相关矩阵Rl或R2中第χ行第y列数据，X代表所述标准 化矩阵Zl或Z2中某一列的数据，Y代表所述标准化矩阵Zl或Z2中另一列的数据， 置为列X的平均值， 为列Y的平均值
(2)再结合②式和③式求出所述相关矩阵Rl或R2的特征值^或‘，及对应于该 特征值Jf或Jf,的特征向量i取1，2，…，,·,贝U列向量^或‘，12或|/, ···, Ir 或组成特征向量矩阵￡或￡ ,且所述特征向量矩阵￡或￡ 所包含的列向量^或‘，I2 或|/，…，I或I ^是互不相关的，②和③式中E表示单位矩阵;
作为本发明的一种优选技术方案，步骤A-3或B-3中所述建立特征基的具体步骤 为，根据最大方差原则，对所述特征向量矩阵￡或￡ 进行重排列，得到特征向量矩阵
成Z1', ^或‘是由列向量^或G，Jj2 ···,组成的矩阵，它们所反映的光
谱综合特征依次减弱，分别称为第一，第二，…，第r个特征因子；选取最能反映茶叶 发酵信息的两个特征因子‘或和‘或J^f建立特征基。 作为本发明的一种优选技术方案，步骤C中所述茶叶发酵度识别的具体步骤 为，采用步骤A-I或B-I和步骤A-2或B-2的方法对待检测的茶叶进行处理，得到其校
正光谱数据，得矩阵J，再由特征向量矩阵^！乘以矩阵J的转置JT，得到待测茶叶在反映 茶叶重度发酵特性的光谱特征基上的投影值，由此投影值绘制二维投影图，横坐标代表 第一特征因子，纵坐标代表第二特征因子，若代表待测茶叶的点位于线性判别器I的左
侧，则待测茶叶属于重度发酵茶，否则，不属于重度发酵茶；此时再由特征向量矩阵‘
乘以矩阵J的转置JT，得到待测茶叶在反映茶叶中度发酵特性的光谱特征基上的投影值， 由此投影值绘制二维投影图，横坐标代表第一特征因子，纵坐标代表第二特征因子，若 代表待测茶叶的点位于线性判别器II的上侧，则待测茶叶属于中度发酵茶，否则，属于轻度发酵茶。采用上述技术方案所产生的有益效果在于本发明根据茶叶发酵程度不同引起 的红外光谱差异，利用特征提取、确定特征基，再建立判别器的方法，能客观的对茶叶 发酵程度依次进行快速、直观、准确的识别；分析结果不受主观意识的影响，从而提供 了一个客观的评定标准；检测茶叶红外光谱前，不需要对茶叶进行组份分离、提取等工 作，操作简便，分析速度大大加快，降低了检测成本，也不污染环境。
下面结合附图和具体实施方式
对本发明作进一步详细的说明。图1是本发明基于红外光谱的茶叶发酵度识别方法的原理图。图2是红外光谱数据预处理的程序图。图3是特征基建立及茶叶的判定程序图。图4是在600cm 1 1800cm 1波段不同发酵度的六种典型茶叶样本(绿茶、黄 茶、白茶、青茶、红茶、黑茶各一种)在反映茶叶重度发酵特性的特征基上的投影及由 其建立的判别器I；
其中1 6分别代表信阳毛尖(绿茶)、霍山黄芽(黄茶)、白牡丹(白茶)、铁 观音(青茶)、正山小种(红茶)、六堡熟砖(黑茶)。图5是在600cm1 1800cm1波段五种中度发酵茶和与中度发酵茶接近的霍山黄 芽在反映茶叶中度发酵特性的特征基上的投影及由其建立的判别器II ；
其中1 6分别代表凤茗春、大红袍、台湾乌龙、铁观音、人参乌龙(此五种中度 发酵茶产自不同地域，包含着地域信息)和霍山黄芽。图6是在600cm 1 1800cm 1波段所有待测茶叶样本在反映茶叶重度发酵特性的 光谱特征基上的投影图，图中判别器I左方的即为重度发酵茶；
其中判别器I左方的重度发酵茶，1 11号分别代表六堡熟砖、普洱熟砖、云 南七子饼茶普洱、湖南黑砖茶、八达山野生饼、庆沣祥陈香普洱、枣香厚砖、白沙溪茯 砖、滇红、祁红、正山小种，判别器I右方的非重度发酵茶，12 32号分别代表白 毫银针、白牡丹、霍山黄芽、君山银针、君山银针300、君山银针600、黄山毛峰、信阳 毛尖、龙井、竹叶青、碧螺春、凤茗春、铁观音、铁观音清香型二级、大红袍、大红袍 300、大红袍500、精装大红袍、人参乌龙、台湾乌龙、古早茶台湾乌龙。图7是在600cm 1 1800cm 1波段所有待测非重度发酵茶叶样本在反映茶叶中度 发酵特性的光谱特征基上的投影图，图中判别器II上方的即为中度发酵茶，下方的即为 轻度发酵茶；
其中判别器II上方的中度发酵茶，23 32号分别代表凤茗春、铁观音、铁观音 清香型二级、大红袍、大红袍300、大红袍500、精装大红袍、人参乌龙、台湾乌龙、古 早茶台湾乌龙，判别器II下方的轻度发酵茶，12 22号分别代表白毫银针、白牡丹、 霍山黄芽、君山银针、君山银针300、君山银针600、黄山毛峰、信阳毛尖、龙井、竹叶
青、碧螺春。
具体实施例方式以下实施例详细说明了本发明。制备本发明所使用的各种原料及各项设备均为 常规市售产品，均能够通过市场购买直接获得。另外，“青茶”和“乌龙茶”为同种茶叶的两种不同名称，在下文的描述中不 作区分的混用这两个名称。实施例1
本实施例中的重度发酵茶包括滇红、祁红、正山小种、六堡熟砖、普洱熟砖、云 南七子饼茶普洱、湖南黑砖茶、八达山野生饼、庆沣祥陈香普洱、枣香厚砖、白沙溪茯 砖；
中度发酵茶包括凤茗春、铁观音、铁观音清香型二级、大红袍、大红袍300、大 红袍500、精装大红袍、人参乌龙、台湾乌龙、古早茶台湾乌龙；
轻度发酵茶包括黄山毛峰、信阳毛尖、龙井、竹叶青、碧螺春、霍山黄芽、君山 银针、君山银针300、君山银针600、白毫银针、白牡丹。本实施例的具体实施步骤如下
(1)样品处理取轻度发酵茶信阳毛尖、霍山黄芽和白牡丹，中度发酵茶铁观音， 重度发酵茶正山小种和六堡熟砖以及典型中度发酵茶(凤茗春、大红袍、台湾乌龙、铁 观音、人参乌龙)和与中度发酵茶接近的轻度发酵茶(霍山黄芽)，将茶叶样本在40°c 下干燥至恒重，放入粉碎机中粉碎，过200目筛，在红外灯照射下取8mg试样与960 mg 干燥的溴化钾粉末混合研磨lOmin，然后称取120mg，压片留待测定，实验时保持室内的 温度和湿度基本一致。(2)光谱采集利用傅立叶红外光谱仪检测上述茶叶样品的中红外光谱，每个 样品称取六次，分别压片，得到每个样品片的谱图。(3)光谱预处理首先对上述典型茶叶的600cm 1 1800cm 1波段光谱依次 进行矢量归一化、一阶求导和S-G九点平滑预处理，矢量归一可以消除基线漂移和幅度 的差异，使谱的矢量规范为1,保证谱图之间具有可比性；一阶求导能够放大谱图的形状 变化，显示出其变化趋势，增大谱线差异；平滑光谱可以降低求导产生的噪声，有效剔除 样品奇异点，使同种样品聚类效果更好。最终预处理后的光谱可抵消背景干扰，也可以 把原来隐藏的信号差异放大出来，提高光谱的分辨率。由属于不同发酵度的六种典型茶 叶(信阳毛尖、霍山黄芽、白牡丹、铁观音、正山小种、六堡熟砖)预处理后得到的校 正光谱数据构成623X36的标准化矩阵Z1，典型中度发酵茶(凤茗春、大红袍、台湾乌 龙、铁观音、人参乌龙)和与中度发酵茶接近的轻度发酵茶(霍山黄芽)的中红外光谱 预处理后得到的校正光谱数据构成623X36的标准化矩阵Z2，Zl和Z2的行数据代表同 一样品在此波段上对应于各波数的吸光度，列数据代表不同样品在此波段上对应于同一 波数的吸光度。(4)特征提取对标准化矩阵Zl和Z2进行相同过程的特征提�。咛宀街枞� 下
(4-1)首先由①式计算标准化矩阵Zl (Z2)的协方差阵的相关矩阵Rl (R2)， 其中rl (x,y) (r2 (x,y))是该相关矩阵Rl (R2)中第χ行第y列数据，X代表 所述标准化矩阵Zl (Z2)中某一列的数据，Y代表所述标准化矩阵Zl (Z2)中的另
10一列的数据，X为列X的平均值，Y为列Y的平均值；
(4-2)再结合②式和③式求出所述相关矩阵Rl (R2)的特征值^(‘)，及对
应于该特征值JL (If)的特征向量I= (I、，i取1，2，…，,·,则列向量I (/)，
2
(I.')，…，I (If)组成特征向量矩阵IT (^)，且所述特征向量矩阵IT Cr )所包
含的列向量I1 (I1') , I2 (I2')，…，iw (Ir')是互不相关的，②和③式中E表示单位 矩阵；
(X-X)
(為￡ —細)/,—◎,書一省或2Φ
(5)特征基的建立根据最大方差原则，对所述特征向量矩阵￡ (If)进行重排 列，得到特征向量矩阵I1 (4)，且I1 是由列向量I11 ，Im《)，…，
Ilr (ij)组成的矩阵，它们所反映的光谱综合特征依次减弱，分别称为第一，第
二，…，第r个特征因子；选取最能反映茶叶发酵信息的两个特征因子In (J11')和‘
(1^)建立反映茶叶重度发酵特性或中度发酵特性的特征基。(6)判别器的确定
(6-1)判别器I的确定将属于不同发酵程度的六种典型茶叶(信阳毛尖(绿 茶)、霍山黄芽(黄茶)、白牡丹(白茶)、铁观音(青茶)、正山小种(红茶)、六堡 熟砖(黑茶))的校正光谱数据在反映茶叶重度发酵特性的特征基上投影，投影图上的 每个点对应着一个茶叶样本，由属于不同发酵程度的三个边缘茶叶点(霍山黄芽、铁观 音、正山小种)构成一个三角形，如图4中连接2、4、5的线所示，因为能全面反映茶叶 的三种发酵程度，而三顶点到中位线距离相等，可将该三角形的与轻度发酵和中度发酵 茶叶点构成的底边相平行的中位线所在的直线作为区分待检测的茶叶是否属于重度发酵 茶的线性判别器I，该线性判别器的左侧代表属于重度发酵茶，另一侧代表不属于重度 发酵茶。(6-2)判别器II的确定将典型中度发酵茶(凤茗春、大红袍、台湾乌龙、 铁观音、人参乌龙，此五种茶叶产自不同地域，包含着地域信息)和与中度发酵茶接近 的轻度发酵茶(霍山黄芽)的校正光谱数据在反映茶叶中度发酵特性的特征基上投影， 投影图上的每个点对应着一个茶叶样本，由两个边缘中度发酵茶叶点(凤茗春、台湾乌 龙)和一个最近的非中度发酵茶叶点(霍山黄芽)构成一个三角形，如图5中连接1、 3、6的线所示，因为它最能反映中度发酵茶叶的特征，又能选定一个非中度发酵茶叶的 参照，而三顶点到中位线距离相等，可将该三角形的与两个边缘中度发酵茶叶点构成的 底边相平行的中位线所在的直线作为区分待检测的茶叶是否属于中度发酵茶的线性判别器II ；该线性判别器的上侧代表属于中度发酵茶，另一侧代表属于轻度发酵茶。(7)不同发酵度茶叶样品的识别将本实施方案中其它茶叶作为待检测茶叶，
取其相同波段的光谱进行相同的预处理得到矩阵j，再由特征向量I1乘以所述的矩阵J的
转置JT，得到待检测茶叶在反映茶叶重度发酵特性的光谱特征基上的投影值，由得到的 投影值绘制二维投影图，横坐标代表第一特征因子，纵坐标代表第二特征因子。由图6 可知，同属重度发酵茶的样品1 11号位于线性判别器I的左侧，而其余各类茶叶12
32号均位于判别器的右侧。此时再由特征向量‘乘以所述的矩阵J中除重度发酵茶之
外数据的转置JT，得到剩余待检测茶叶在反映茶叶中度发酵特性的光谱特征基上的投影 值，由得到的投影值绘制二维投影图，横坐标代表第一特征因子，纵坐标代表第二特征 因子。由图7可知，同属中度发酵茶的样品23 32号位于线性判别器II的上侧，而其 余各类轻度发酵茶12 22号均位于判别器II的下侧，从而可将不同发酵程度茶叶进行有 效的区分，此判别方法可对茶叶发酵程度进行快速、直观、准确的识别。上述描述仅作为本发明可实施的技术方案提出，不作为对其技术方案本身的单 一限制条件。
权利要求
1. 一种基于红外光谱的茶叶发酵度识别方法，其特征步骤包括A、采集轻度发酵、中度发酵和重度发酵茶叶样本的中红外光谱，建立反映茶叶重度 发酵特性的光谱特征基，确定重度发酵茶叶的线性判别器I A-U茶叶光谱采集取轻度发酵、中度发酵和重度发酵茶叶样本各至少一种，分别 采集其400cm 1 4000cm 1的中红外光谱；A-2、光谱数据处理对步骤A-I所得中红外光谱中包含指纹区的波段进行消除背 景干扰和提高光谱分辨率的预处理，得上述各茶叶样本的校正光谱数据，由此数据建立 标准化矩阵Z1，该标准化矩阵Zl的行数据代表同一样品在上述包含指纹区的波段上对应 于各波数的吸光度，其列数据代表不同样品在上述包含指纹区的波段上对应于同一波数 的吸光度；A-3、特征基的建立分析处理标准化矩阵Z1，提取相关矩阵Rl的特征向量，再选 择由特征向量中最能反映茶叶发酵特征的特征因子做出的二维坐标图作为特征基；A-4、判别器的确定将A-2的校正光谱数据在A-3的特征基上投影，则投影图上 的每个点对应一个茶叶样本，由属于不同发酵程度的三个边缘茶叶点构成一个三角形， 由距离相等原则，将该三角形的与轻度发酵和中度发酵茶叶点构成的底边相平行的中位 线所在的直线作为区分待检测的茶叶是否属于重度发酵茶的线性判别器I；B、采集中度发酵和轻度发酵茶叶样本的中红外光谱，建立反映茶叶中度发酵特性的 光谱特征基，确定中度发酵茶叶的线性判别器II B-U茶叶光谱采集分别采集至少两种中度发酵茶及至少一种轻度发酵茶叶样本 的400cm 1 4000ση^中红外光谱；B-2、光谱数据处理对步骤B-I所得中红外光谱中包含指纹区的波段进行消除背景 干扰和提高光谱分辨率的预处理，得上述各茶叶样本的校正光谱数据，由此数据建立标 准化矩阵Z2，该标准化矩阵Z2的行数据代表同一样品在上述包含指纹区的波段上对应于 各波数的吸光度，其列数据代表不同样品在上述包含指纹区的波段上对应于同一波数的 吸光度；B-3、特征基的建立分析处理标准化矩阵Z2，提取相关矩阵R2的特征向量，再选 择由特征向量中最能反映茶叶中度发酵特征的特征因子做出的二维坐标图作为特征基；B-4、判别器的确定将B-2的校正光谱数据在B-3的特征基上投影，则投影图上的 每个点对应一个茶叶样本，由两个边缘中度发酵茶叶点和一个最近的非中度发酵茶叶点 构成一个三角形，由距离相等原则，将该三角形的与两个边缘中度发酵茶叶点构成的底 边相平行的中位线所在的直线作为区分待检测的茶叶是否属于中度发酵茶的线性判别器 II ；C、茶叶发酵度的识别采用步骤A-I或B-I和步骤A-2或B-2的方法对待检测的 茶叶进行处理，得到其校正光谱数据，将其先在步骤A-3中的特征基上投影，得待测茶 叶样品的二维投影图，由线性判别器I对茶叶是否属于重度发酵茶进行识别，待测茶叶 样品点位于线性判别器I左侧，则该茶叶属于重度发酵茶，在线性判别器I的另一侧则 不属于重度发酵茶；此时再将上述校正光谱数据在步骤B-3中的特征基上投影，得到待 测茶叶样品在反映茶叶中度发酵特性的光谱特征基上的二维投影图，由线性判别器II对 茶叶是否属于中度发酵茶进行识别，待测茶叶样品点位于该线性判别器上侧，则该茶叶样品属于中度发酵茶，在判别器的另一侧属于轻度发酵茶。
2.根据权利要求1所述的基于红外光谱的茶叶发酵度识别方法，其特征在于所述 重度发酵茶包括红茶和黑茶，所述中度发酵茶为青茶，所述轻度发酵茶包括绿茶、黄茶 和白茶。
3.根据权利要求1所述的基于红外光谱的茶叶发酵度识别方法，其特征在于步骤 A-I中所述轻度发酵茶叶样本为信阳毛尖、霍山黄芽和白牡丹，所述中度发酵茶叶样本 为铁观音，所述重度发酵茶叶样本为正山小种和六堡熟砖。
4.根据权利要求1所述的基于红外光谱的茶叶发酵度识别方法，其特征在于步骤 B-I中所述中度发酵茶为凤茗春、大红袍、台湾乌龙、铁观音和人参乌龙；所述轻度发 酵茶叶样本为与中度发酵茶发酵程度接近的霍山黄芽。
5 根据权利要求1所述的基于红外光谱的茶叶发酵度识别方法，其特征在于步骤 A-I或B-I中所述茶叶光谱采集的具体步骤包括(1)样品处理将各茶叶样本在40°C下干燥至恒重，放入粉碎机中粉碎，过200目 筛，在红外灯照射下取8mg试样与960 mg干燥的溴化钾粉末混合研磨lOmin，然后称取 120mg研磨样品，压片留待测定；处理过程当中保持室内的温度和湿度基本一致；(2)光谱采集利用傅立叶红外光谱仪检测各茶叶样品的中红外光谱，每个样品称 取六次，分别压片，得到每个样品片的谱图。
6.根据权利要求1所述的基于红外光谱的茶叶发酵度识别方法，其特征在于步骤 A-2或B-2中所述光谱数据处理的具体步骤为，对各茶叶样品的600cm1 1800cm1波段 光谱依次进行矢量归一化、一阶求导和S-G九点平滑预处理，抵消背景干扰，得到的校 正光谱数据构成标准化矩阵Zl或Z2，其行数据代表同一样品在此波段上对应于各波数的 吸光度，其列数据代表不同样品在此波段上对应于同一波数的吸光度。
7.根据权利要求1所述的基于红外光谱的茶叶发酵度识别方法，其特征在于步骤 A-3或B-3中对标准化矩阵Zl或Z2进行特征提取的具体步骤包括(1)首先由①式计算标准化矩阵Zl或Z2的协方差阵的相关矩阵Rl或R2，其中 rl (x,y)或r2 (x,y)是该相关矩阵Rl或R2中第χ行第y列数据，X代表所述标准 化矩阵Zl或Z2中某一列的数据，Y代表所述标准化矩阵Zl或Z2中另一列的数据， 置为列X的平均值，ψ为列Y的平均值(2)再结合②式和③式求出所述相关矩阵Rl或R2的特征值^或‘，及对应于该 特征值Jf或Jf,的特征向量 则列向量 或 或组成特征向量矩阵￡或￡·,且所述特征向量矩阵￡或￡ 所包含的列向量 是互不相关的，②和③式中E表示单位矩阵;
8.根据权利要求1所述的基于红外光谱的茶叶发酵度识别方法，其特征在于步骤 Α-3或Β-3中所述建立特征基的具体步骤为，根据最大方差原则，对所述特征向量矩阵￡或1；,进行重排列，得到特征向量矩阵^或‘，；或‘是由列向量^或4/，Ia成G，…，‘或^/组成的矩阵，它们所反映的光谱综合特征依次减弱，分别称为第一，第二，…，第r个特征因子；选取最能反映茶叶发酵信息的两个特征因子和—或U 建立特征基。
9.根据权利要求1所述的基于红外光谱的茶叶发酵度识别方法，其特征在于步骤C 中所述茶叶发酵度识别的具体步骤为，采用步骤A-I或B-I和步骤A-2或B-2的方法对 待检测的茶叶进行处理，得到其校正光谱数据，得矩阵J，再由特征向量矩阵1^乘以矩阵 J的转置JT，得到待测茶叶在反映茶叶重度发酵特性的光谱特征基上的投影值，由此投影 值绘制二维投影图，横坐标代表第一特征因子，纵坐标代表第二特征因子，若代表待测 茶叶的点位于线性判别器I的左侧，则待测茶叶属于重度发酵茶，否则，不属于重度发酵茶；此时再由特征向量矩阵‘乘以矩阵J的转置JT，得到待测茶叶在反映茶叶中度发酵特性的光谱特征基上的投影值，由此投影值绘制二维投影图，横坐标代表第一特征因 子，纵坐标代表第二特征因子，若代表待测茶叶的点位于线性判别器II的上侧，则待测 茶叶属于中度发酵茶，否则，属于轻度发酵茶。
全文摘要
本发明公开了基于红外光谱的茶叶发酵度识别方法，首先对不同发酵度的几种典型茶叶的中红外光谱数据进行特征提�。玫街魈卣饕蜃樱⑻卣骰芍形幌叻椒ㄈ范ㄖ囟确⒔筒璧南咝耘斜鹌鳍瘢蝗缓蠖约钢值湫椭卸确⒔筒韬鸵恢智岫确⒔筒璧闹泻焱夤馄资萁刑卣魈崛。芍魈卣饕蜃咏⑻卣骰芍形幌叻椒ㄈ范ㄖ卸确⒔筒璧南咝耘斜鹌鳍颍蛔詈蠼觳獠枰断群笤诹礁鎏卣骰贤队埃上嘤ο咝耘斜鹌鳍窈廷蚨圆枰兜姆⒔统潭冉惺侗�。本发明能够基于不同发酵度茶叶的红外光谱差异，借助信息学方法对茶叶的发酵度进行快速、直观、准确的识别，操作简便，检测成本低，无环境污染，分析结果不受主观意识的影响。
文档编号G01N21/35GK102012365SQ201010522199
公开日2011年4月13日 申请日期2010年10月27日 优先权日2010年10月27日
发明者张艳伟, 张荣香, 张连水, 李光, 李晓苇, 赵晓辉 申请人:河北大学
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
