GA-BP神经网络及其在液体乳安全评价中的应用

利用遗传算法（Genetic Algorithm,GA）优化BP（Back Propagation,BP）神经网络的初始权值、阈值,以期加快网络收敛,提高预测精度。以乳制品中的液体乳为实验材料,建立安全评价指标体系;将优化后的GA-BP神经网络作为评价模型,对液体乳的日常检测数据进行拟合;以测试数据作为验证,检测模型的收敛速度和拟合度。结果表明GA-BP较BP神经网络来讲更稳定,能较快收敛,且仿真误差较小;在隐层节点数为9时,GA-BP神经网络对液体乳的拟合效果最好,预测精度较高,是一种可行的液体乳安全状况评价方法。      

蒙顶黄芽不同加工工序中色泽变化与品质相关性研究

研究不同加工工序制成的蒙顶黄芽干茶、汤色及叶底色泽,并进行色素成分检测及品质审评,分析干茶、汤色及叶底色泽L*a*b*值与各审评因子得分、色素含量、品质总分的相关性,为黄茶闷黄程度及色泽的评价提供一定的参考依据。以蒙顶黄芽加工过程中的茶样为试验材料,采用色彩色差计CR410测定干茶、汤色及叶底的L*a*b*值,再与干茶、汤色、叶底得分做显著性分析,与茶色素、叶绿素及品质总分做相关性分析。结果表明,干茶L*、a*、b*值与干茶色泽审评得分呈显著或极显著相关（P<0.05, P<0.01）,茶汤L*、a*、b*值与汤色审评得分均呈极显著相关（P<0.01）,其相关系数分别为?0.93、0.97、0.93,叶底L*、a*、b*值与叶底得分均呈极显著相关（P<0.01）,其相关系数分别为?0.96、0.97、0.98;干茶、汤色及叶底的L值与茶色素含量呈极显著负相关（P<0.01）,a*、b*值与茶色素含量呈极显著正相关（P<0.01）;干茶、汤色及叶底的L*值与叶绿素含量呈极显著正相关（P<0.01）,a*、b*值与叶绿素含量呈极显著负相关（P<0.01）。蒙顶黄芽感官品质与L*、a*、b*值及色素之间的相关性表现为:与干茶 L *值、汤色L *值、叶底L *值、叶绿素a*、叶绿素b*含量均呈极显著负相关（P<0.01）,与干茶a*b*值、汤色a*b*值、叶底 a*b*值及茶色素含量均呈显著或极显著正相关（P<0.05, P<0.01）,除干茶a*值外,相关系数均在0.80以上。本试验表明,就各审评因子及品质总分而言,采用色泽Lab值测定方法可为黄茶色泽与品质相关性研究提供一定的理论基础。     

不同萎凋工艺云南红茶的香气差异分析

该研究以云南大叶种鲜叶为材料,运用感官审评和电子鼻技术对7种不同萎凋工艺云南红茶的香气特征和成分进行分析。电子鼻分析表明：在主成分分析（PCA）中,干茶香气总贡献率为98.423%、茶汤香气总贡献率为99.948%、叶底香气总贡献率为99.948%,且干茶香气较茶汤香气和叶底香气更能够较好地区分不同萎凋工艺的云南红茶;在传感器区分贡献率分析（Loadings）中,W1S（甲基类）、W1C（芳香成分、苯类）、W2S（醇类、醛酮类）和W5S（氮氧化合物）在红茶香气区分中起主要作用,其可能是影响不同萎凋工艺制成云南红茶香气差异的主体成分。感官审评结果显示WM7[室内自然萎凋,24 h,（17±2）℃,相对湿度70%±5%,摊叶厚度2 cm]制作成的大叶种云南红茶,汤色橙红明亮,香气甜香浓郁,滋味醇厚有花果香,综合感官品质最好。     

茶多酚与茶叶品质的关系

茶叶的品质特征包括外形(干茶和叶底的外形)、色泽(干茶、茶汤和叶底的颜色)、香气和滋味。而茶叶色香味优良品质的形成,则是茶叶中存在的化学物质综合配比和谐的结果。与之有关的成分有茶多酚、咖啡硷、叶绿素、芳香物、蛋白质、糖、果肢、氨基酸和茶氨酸等等。而能够反映茶叶品质特征的主要是茶多酚。     

提香时间对远安黄茶理化品质的影响

采用新研制的提香设备,在130℃条件下分析了不同时间(12.5 min、15 min、17.5 min、20 min和22.5 min)对远安黄茶感官品质、茶叶色泽、理化品质以及香气成分的影响。结果显示:随着提香时间延长,茶叶感官得分先升后降,茶叶的总色差变化不明显,但干茶、茶汤和叶底的色相值(a/b)明显变黄(p0.01),茶汤和叶底的亮度变小(p0.01);茶多酚含量明显下降(p0.01),氨基酸先升后降,2-甲基呋喃等烘炒类型的香气成分的含量升高;提香20 min时远安黄茶的感官得分最高,酚氨比最低(p0.01),儿茶素品质指数也最高(p0.01),己醛、苯甲醛、橙花醇、柠檬烯、吲哚和长龙脑等清香和烘炒型香气成分含量最高。因此,采用新设备提香20 min可以作为一种提高远安黄茶品质的有效技术手段。     

基于分类回归树CART的湖南黑茶汤色品质的表征研究

采用色差法分析了红茶、绿茶、乌龙茶及不同产地的黑茶的汤色。根据茶汤色度值筛选出特征变量,建立了湖南黑茶的分类树CART识别模型。结果表明:湖南黑茶与绿茶、乌龙茶和红茶间两两比较,除与乌龙茶Δa*差异不明显外,其他色度值都存在显著差异;对于不同产地的黑茶对比分析,湖南黑茶除与青砖的ΔL*和生普的Δa*差异不大外,与六堡茶、青砖、藏茶、生普和熟普茶的ΔL*、Δa*、Δb*和ΔE*之间有明显差异;采用预测集样本评估模型质量,分类树CART模型对于茶叶类别和产地的识别正确率分别是100%和93.3%。因此,利用茶汤色度值建立起的分类树CART模型,可以得到湖南黑茶很好的分类识别效果。      

测色技术在炒青绿茶品质评价中的应用研究

采用Ｌ＾＊ａ＾＊ｂ＾＊表色系，用ＣＲ－１００型色彩色差计对合肥市场上１４种不同产地、不同质量的炒青绿茶分别进行干茶外观色泽、粉末色泽、茶汤色泽及叶底色泽的色彩测定，并采用多变量解析法综合分析处理测色所得的各色度值数据，探索测色简便、快速评价炒青绿茶品质的方法。研究结果表明，干茶外观色泽、干茶粉末色泽、茶汤色泽、完整叶底色泽及粉末叶底色泽的色度值与品质的多元相关系数分别为０．８７０８、０．９３６９、     

基于分类回归树CART的湖南黑茶汤色品质的表征研究

采用色差法分析了红茶、绿茶、乌龙茶及不同产地的黑茶的汤色。根据茶汤色度值筛选出特征变量,建立了湖南黑茶的分类树CART识别模型。结果表明:湖南黑茶与绿茶、乌龙茶和红茶间两两比较,除与乌龙茶Δa*差异不明显外,其他色度值都存在显著差异;对于不同产地的黑茶对比分析,湖南黑茶除与青砖的ΔL*和生普的Δa*差异不大外,与六堡茶、青砖、藏茶、生普和熟普茶的ΔL*、Δa*、Δb*和ΔE*之间有明显差异;采用预测集样本评估模型质量,分类树CART模型对于茶叶类别和产地的识别正确率分别是100%和93.3%。因此,利用茶汤色度值建立起的分类树CART模型,可以得到湖南黑茶很好的分类识别效果。     

信阳红品质与化学成分相关性的研究

通过对不同等级10个信阳红茶的品质进行感官审评和生化成分进行测定,探讨信阳红茶品质与生化成分间的相关性。结果表明:信阳红茶汤色与茶红素相关性最高,其次是茶黄素;香气与茶多酚的相关性最高;滋味与氨基酸相关性最高,其次是茶多酚、咖啡碱;叶底主要与茶红素、茶黄素和茶多酚相关;与茶叶综合品质相关性较高的主要是茶多酚、氨基酸与咖啡碱。     

基于主成分分析和聚类分析方法评价宝庆桂丁绿茶品质特性

为探讨宝庆桂丁绿茶的品质并建立其评价体系,本研究选取30份宝庆桂丁绿茶样品,对感官品质进行评定,并测定水浸出物、茶多酚、咖啡碱、氨基酸、可溶性糖等生化成分的含量和儿茶素组成.同时,采用主成分分析(principal component analysis,PCA)和聚类分析(cluster analysis,CA)对宝庆...     

基于BP神经网络及其改进算法的织机效率预测

为准确预测纺织厂织布车间的织机效率,提出利用BP神经网络、主成分分析结合BP神经网络(PCA-BP)、遗传算法改进BP神经网络(GA-BP)3种模型预测织机效率,并将GA-BP预测模型与传统BP神经网络和PCA-BP预测模型的预测结果进行对比分析。结果表明:GA-BP对原始数据的拟合度最好,相关系数为0.946 87, 比BP增加了6.42%,比PCA-BP增加了2.61%;GA-BP、PCA-BP、BP这3种网络十万入纬的经停仿真值与期望值间的平均误差分别为0.341 2、0.303 1、0.234 1,误差百分率分别为8.63%、7.67%、5.92%,不同网络结构下织机效率仿真预测值与期望值间的平均误差分别为3.010 9、2.688 4、2.118 9,误差百分率分别为3.51%、3.13%、2.47%;3种模型的预测准确度顺序由大到小为GA-BP、PCA-BP、BP。     

基于色差系统的黄茶外观色泽评价模型构建及其关键物质基础分析

基于市售黄茶外观色泽的色差分析结果和感官审评得分,建立色泽指标与外观色泽评分之间的关系函数,并进一步分析其与生化成分含量的相关性。结果表明:不同黄茶在外观色泽上表现出较大的差异,对黄茶的整体品质有极显著影响(P0.01);由色相(O)值经数据转换所得的色度(P_s)值与外观色泽评分有较好的相关性;建立了P_s值-外观色泽评分的二次拟合模型,经验证,模型准确率为98.9%,P_s值可用于分析黄茶外观色泽品质;P_s值与茶红素含量呈极显著正相关(P0.01),与总叶绿素含量呈显著负相关(P0.05),由此可知黄茶干茶的外观色泽与这两种生化成分有关。本实验建立了黄茶外观色泽的色差评价方法,可为黄茶色泽研究提供一定的理论依据。     

工夫红茶品质分析与综合评价

为探究中国工夫红茶主要品质成分含量特征,建立茶汤滋味品质综合评价方法。对17 个国内主产茶区工夫红茶的多酚类、氨基酸、茶色素类、香气组分等品质指标进行测定,运用主成分分析、聚类分析和偏最小二乘-判别分析（partial least squares-discrimination analysis,PLS-DA）对其品质进行综合评价。结果表明：不同产区工夫红茶的品质成分组成与含量存在明显差异,多酚类及其氧化产物是主要的品质成分,茶黄素和茶红素之和与茶褐素的比值为1.05～1.12,是其滋味鲜醇、汤色红亮的物质基础;英红、海红、信阳红、宜红、越红、黔红和祁红的可溶性糖质量分数均高于4%,是其茶汤甜醇滋味的重要物质基础;黄酮在大叶种红茶（滇红、英红和海红）中的质量分数较高且大于2.7%。醇类和醛类是主要的香气化合物,尤其是呈现甜香、花香的萜烯醇含量较高。利用主成分分析法建立滋味品质评价模型,该预测模型对红茶滋味品质评价结果与感官审评结果较为相似,存在极显著相关（P＜0.01）,相关系数为0.735;茶黄素和茶多酚含量是进行工夫红茶品质分析的重要指标。系统聚类分析显示闽红自为一类,滇红、英红和海红等大叶种红茶聚为一类,其他中小叶种红茶聚为一类。PLS-DA可将2 类不同品种工夫红茶明显区分,并获得8 种差异性指标,尤其是芳樟醇、香叶醇和己醛等,可作为区分大叶种和中小叶种工夫红茶的指标物质。该研究丰富了工夫红茶风味品质的基础理论,同时为红茶品质的科学评价提供新的思路和方法。     

基于紫外光谱的茶叶识别

茶叶品质主要是根据人的主观判断进行评估,缺乏客观依据。因此对茶叶种类进行快捷评价是发展趋势。茶叶品质的准确、快速、科学的鉴别对消费者和生产者都具有极其重要的现实意义。为建立一种快速地评估茶叶品种的方法,试验挑选4种选择性茶叶样本为材料,以开水泡制茶叶浸汁液的方式制作样本,利用紫外光谱分析技术,实现茶叶种类鉴别。在对光谱进行降噪处理同时用光谱对波长的相对变化率进行预处理,结合主成分分析法对光谱数据进行降维,进行BP神经网络识别,准确率达97.66%,该方法样品制备简单,能够准确地识别茶叶种类,避免人为的主观评价,使得茶叶鉴定更具有客观性。     

总变差模型在书画打印宣纸印刷质量预测中的应用

为了建立适用于书画打印宣纸印刷质量的预测模型,本研究测量了14种书画打印宣纸的粗糙度、白度、不透明度、定量、光泽度和针对宣纸特别设定的帘纹深浅以及帘纹疏密度等表面物理参量,并在相同条件下,使用喷墨打印设备输出并测量印品色度值,利用总变差模型构建去除帘纹色差的测定方法,得到与人眼视觉特征相符的色差。运用GRNN广义回归神经网络结合书画打印宣纸表面物理参量与宣纸去帘纹后的色差值,建立预测模型。结果表明,该模型能够在仅测量书画打印宣纸表面物理参量的情况下,便能较为准确地预测书画打印宣纸印刷质量,为书画打印宣纸印刷前的选纸工作提供指导依据。     

基于高光谱技术的红茶茶多酚可视化研究

目的 利用高光谱技术实现对英红九号红茶茶多酚含量的快速无损、可视化检测。方法 采集128个红茶光谱数据并进行光谱预处理后,引入蒙特卡罗-高斯分布方法寻找异常样本。经两次异常样本剔除,各模型预测集决定系数r²均有0.2～0.4的大幅提升。为解决大样本模型训练时间长、数据冗余问题,采用连续投影算法进行波长筛选,共得到14个能反映红茶茶多酚含量的特征波长,并比较了最小二乘回归、支持向量机回归、BP神经网路、粒子群优化最小二乘支持向量机回归(particle swarm optimization least squares support vector regression, PSO-LSSVR) 4种模型预测红茶茶多酚含量的精度。最后以最优模型建立茶多酚可视化模型。结果 合理剔除样本并以光谱特征为输入,结合PSO-LSSVR方法建立的模型效果最佳,其校正集决定系数为0.921,预测集决定系数为0.903,预测精度达到了90%以上,基本实现了茶多酚含量可视化检测。结论 可视化算法有效地反映了红茶茶多酚分布情况,适用于茶叶快速无损检测。     

基于神经网络算法用质构特性指标预测寒富苹果贮藏品质

应用BP神经网络,通过苹果质构特性指标(硬度、可恢复形变、黏性、内聚性、咀嚼性)来预测苹果贮藏品质(出汁率、可溶性固形物、总酸、固酸比)的方法,来建立苹果品质的预测模型。将寒富苹果分别置于温度为0℃和20℃的贮藏条件下,分别测定苹果在贮藏期间的品质的变化。以苹果质构特性指标为输入,品质指标为输出确定网络拓扑结构,训练所建立的苹果品质的神经网络模型。仿真结果表明:该神经网络模型用质构特性指标能预测苹果品质,同时通过2组非样本数据来验证该模型,其预测值与实测值的相对误差在5%以下,故能够实现用质构值评价苹果品质的目的。     

Classification of black tea liquor using cyclic voltammetry

Tea quality evaluation is a complex task and is carried out qualitatively in the industry by experienced tea tasters. But, the unpredictable and inconsistent nature of human panel tasting demands instrumental methods to assess the quality of black tea in an objective manner. For discrimination between different black tea samples and instrumental evaluation of their quality, a new method employing the principle of cyclic voltammetry is proposed in this paper. The technique has been investigated using platinum and glassy carbon as working electrodes and the resultant current from the potentiostat has been considered for data analysis. First, principal component analysis (PCA) and linear discriminant analysis (LDA) has been performed for visualization of underlying clusters and finally, a neural network model has been used to classify the data. The performance of the classifier has been established using 10-fold cross-validation method.