• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于數(shù)據(jù)融合策略的紅茶發(fā)酵程度判別

    2022-11-13 07:42:20凌彩金李露青周巧儀ZhenfengLi宋飛虎宋春芳
    關(guān)鍵詞:兒茶素茶多酚紅茶

    張 柏,凌彩金,李露青,周巧儀,Zhenfeng Li,宋飛虎,宋春芳

    基于數(shù)據(jù)融合策略的紅茶發(fā)酵程度判別

    張 柏1,凌彩金2,李露青3,周巧儀2,Zhenfeng Li1,宋飛虎1,宋春芳1※

    (1. 江南大學(xué)機(jī)械工程學(xué)院/江蘇省食品先進(jìn)制造裝備技術(shù)重點(diǎn)實(shí)驗(yàn)室,無(wú)錫 214122;2. 廣東省農(nóng)業(yè)科學(xué)院茶葉研究所/廣東省茶樹(shù)資源創(chuàng)新利用重點(diǎn)實(shí)驗(yàn)室,廣州 510640;3. 安徽農(nóng)業(yè)大學(xué)茶與食品科技學(xué)院/安徽農(nóng)業(yè)大學(xué)茶樹(shù)生物學(xué)與資源利用國(guó)家重點(diǎn)實(shí)驗(yàn)室,合肥 230036)

    發(fā)酵是紅茶加工過(guò)程中關(guān)鍵的一道工序,對(duì)紅茶的品質(zhì)形成有著重要影響。該研究以大葉種英德紅茶中的英紅九號(hào)為研究對(duì)象,試驗(yàn)收集了204份不同發(fā)酵時(shí)間的紅茶樣品并使用便攜式近紅外光譜儀和工業(yè)相機(jī)獲取紅茶發(fā)酵中的信息,基于近紅外光譜數(shù)據(jù)、圖像數(shù)據(jù)和數(shù)據(jù)融合策略分別建立了紅茶發(fā)酵程度判別模型。通過(guò)分析茶多酚和兒茶素類含量的變化,將紅茶的發(fā)酵劃分為3個(gè)階段,即發(fā)酵不足、發(fā)酵適度和發(fā)酵過(guò)度。采用Savitzky-Golay光滑對(duì)原始光譜進(jìn)行預(yù)處理,利用競(jìng)爭(zhēng)自適應(yīng)重加權(quán)采樣(Competitive Adaptive Reweighted Sampling, CARS)、連續(xù)投影算法(Successive Projections Algorithm, SPA)和主成分分析(Principal Components Analysis, PCA)對(duì)近紅外光譜變量進(jìn)行降維處理;相應(yīng)地,圖像進(jìn)行去陰影后提取了9個(gè)顏色特征變量,采用皮爾森(Pearson)相關(guān)分析和主成分分析進(jìn)行特征變量提取。最后采用線性判別分析(Linear Discriminant Analysis, LDA)和支持向量機(jī)(Support Vector Machine, SVM)分別建立了基于近紅外、圖像和兩者數(shù)據(jù)融合的分類模型。結(jié)果表明,在建模數(shù)據(jù)相同的條件下,非線性的支持向量機(jī)模型性能優(yōu)于線性判別分析模型。單一傳感器數(shù)據(jù)建模效果不佳,近紅外光譜和圖像判別模型的預(yù)測(cè)集最大準(zhǔn)確率僅為83.82%和73.53%。低層次數(shù)據(jù)融合建模效果較單一傳感器數(shù)據(jù)建模無(wú)明顯提升,而中層次的數(shù)據(jù)融合建模效果比單一數(shù)據(jù)建模均有顯著提高,其中SPA提取光譜變量結(jié)合Pearson提取圖像變量建立的判別模型效果較佳,校正集和預(yù)測(cè)集準(zhǔn)確率分別達(dá)到了97.06%和95.59%。研究表明,近紅外光譜和視覺(jué)結(jié)合的中層次融合策略可以作為一種快速判別紅茶發(fā)酵程度的方法,研究結(jié)果為紅茶發(fā)酵程度構(gòu)建等級(jí)模型與判別奠定了一定的理論基礎(chǔ),為紅茶發(fā)酵的自動(dòng)化檢測(cè)提供了重要依據(jù)。

    近紅外光譜;機(jī)器視覺(jué);紅茶發(fā)酵;數(shù)據(jù)融合;判別模型

    0 引 言

    茶是傳統(tǒng)三大非酒精植物型飲料之一,它不僅美味可口,而且還有一定健康功能。在國(guó)際市場(chǎng)上,紅茶是很受歡迎的茶類之一。近年來(lái),隨著紅茶的藥用價(jià)值和保健作用被科學(xué)實(shí)驗(yàn)進(jìn)一步證實(shí)[1-5],全球范圍內(nèi)紅茶的消費(fèi)量持續(xù)增長(zhǎng)。英德紅茶是中國(guó)主要名優(yōu)茶之一,2018年的總產(chǎn)量達(dá)到7 700 t,品牌價(jià)值達(dá)20.78億元[6]。茶葉主要產(chǎn)于廣東省清遠(yuǎn)市英德市,因其濃厚、強(qiáng)烈、鮮爽的特征,在國(guó)內(nèi)外市場(chǎng)中贏得了一致好評(píng)。研究表明,英德紅茶水浸出物中茶多酚、總兒茶素、茶黃素和茶紅素含量為國(guó)內(nèi)紅茶中最高,茶褐素含量最低[7],這些物質(zhì)的含量形成了英德紅茶獨(dú)有的風(fēng)味。紅茶的傳統(tǒng)加工工藝包括萎凋、揉捻、發(fā)酵和干燥。其中,發(fā)酵過(guò)程被認(rèn)為是最重要的步驟,因?yàn)樵诎l(fā)酵過(guò)程中茶葉的化學(xué)成分發(fā)生了極大的改變,茶多酚和兒茶素類發(fā)生酶促氧化反應(yīng)生成茶黃素、茶紅素和茶褐素等物質(zhì)[8-10],從而形成了茶的色、香、味、質(zhì)。傳統(tǒng)功夫紅茶的最佳發(fā)酵時(shí)間約在3 h左右[11-12],而英德紅茶因茶多酚含量高等的特點(diǎn),所需發(fā)酵時(shí)間比傳統(tǒng)紅茶長(zhǎng)。因此,確定適宜的英德紅茶發(fā)酵時(shí)間至關(guān)重要,探索茶多酚、兒茶素類在發(fā)酵過(guò)程中含量的變化有利于確定適宜的發(fā)酵程度。

    傳統(tǒng)方法中,茶師們根據(jù)經(jīng)驗(yàn)從發(fā)酵茶葉的香氣和顏色的變化來(lái)判斷紅茶發(fā)酵的質(zhì)量,該方法具有較高的主觀性、不完全準(zhǔn)確且重現(xiàn)性差,無(wú)法保證每批加工茶葉的質(zhì)量[13]。目前,企業(yè)使用氣相色譜-質(zhì)譜分析法和高效液相色譜法等化學(xué)方法來(lái)檢測(cè)品質(zhì)成分,但這類方法的分析成本高、耗時(shí)長(zhǎng)、需要員工具有一定的專業(yè)技能且無(wú)法及時(shí)反饋[11],無(wú)法實(shí)現(xiàn)紅茶加工的自動(dòng)化、智能化。近幾年,一些無(wú)損快速檢測(cè)技術(shù)被應(yīng)用在紅茶加工過(guò)程中,如電子鼻[14-15]和電子舌技術(shù)[16-17]。然而,電子鼻和電子舌都受環(huán)境的影響很大,且設(shè)備成本高昂無(wú)法在工業(yè)中廣泛應(yīng)用。

    近年來(lái),近紅外光譜技術(shù)(Near Infrared Spectroscopy, NIRS)由于其無(wú)損性和快速性在食品加工過(guò)程中得到廣泛應(yīng)用,尤其在茶葉領(lǐng)域取得了良好的效果,廣泛應(yīng)用于茶葉等級(jí)劃分[18]、產(chǎn)地溯源[19]、摻假研究[20]、貯藏年限檢測(cè)[21]和茶葉生化成分定量檢測(cè)[22-24]。機(jī)器視覺(jué)(Computer Vision, CV)是一種仿生技術(shù),使用工業(yè)相機(jī)模擬視覺(jué)功能來(lái)獲取被測(cè)樣品圖像,通過(guò)圖像處理來(lái)獲取樣品的顏色、紋理和形狀等信息。目前, 機(jī)器視覺(jué)已經(jīng)較為成熟地應(yīng)用于農(nóng)業(yè)和食品工程領(lǐng)域,如張瑞青等[25]提出了一種基于遷移學(xué)習(xí)的圖像識(shí)別方法,可實(shí)現(xiàn)花生莢果等級(jí)識(shí)別;李小占等[26]利用卷積神經(jīng)網(wǎng)絡(luò)結(jié)合圖像處理來(lái)檢測(cè)哈密瓜的表面缺陷;李修華等[27]利用圖像的顏色特征變量來(lái)檢測(cè)葉片的葉綠素含量。已有研究表明,機(jī)器視覺(jué)可以檢測(cè)紅茶發(fā)酵質(zhì)量[28-29]。由于紅茶發(fā)酵過(guò)程的復(fù)雜性,顏色和風(fēng)味的變化都涉及其中,單一的傳感器很難對(duì)樣本信息進(jìn)行全面準(zhǔn)確的描述。Jin等[12]的研究表明,將近紅外數(shù)據(jù)與計(jì)算機(jī)視覺(jué)數(shù)據(jù)融合可以幫助提高評(píng)價(jià)紅茶發(fā)酵程度準(zhǔn)確率,但是該研究的設(shè)備為臺(tái)式傅立葉近紅外光譜儀,它體積龐大且價(jià)格昂貴,難以在實(shí)際的生產(chǎn)中使用。微型近紅外光譜儀因其價(jià)格低廉、易于攜帶等特點(diǎn)被應(yīng)用于茶葉領(lǐng)域[30-31]。研究表明,微型近紅外光譜儀結(jié)合機(jī)器視覺(jué)可以較好地評(píng)價(jià)紅茶發(fā)酵程度[32],但是微型近紅外光譜儀的數(shù)據(jù)傳遞途徑為藍(lán)牙,藍(lán)牙傳遞數(shù)據(jù)的距離較短、速率較低且信號(hào)不穩(wěn)定容易受環(huán)境影響。

    因此,本研究采用便攜式近紅外光譜系統(tǒng)和自行搭建的圖像采集系統(tǒng)分析紅茶發(fā)酵質(zhì)量。該光譜采集系統(tǒng)使用通用串行總線(Universal Serial Bus, USB)傳輸數(shù)據(jù),信號(hào)較穩(wěn)定、抗干擾能力較強(qiáng);使用Y型光纖采集光譜可以使得數(shù)據(jù)采集端與數(shù)據(jù)接收端分離,避免光譜儀在高濕度的發(fā)酵環(huán)境下工作,更適用于實(shí)際生產(chǎn)。通過(guò)分析不同發(fā)酵時(shí)間的茶多酚和兒茶素類含量的變化規(guī)律,基于近紅外光譜和機(jī)器視覺(jué)單獨(dú)評(píng)價(jià)紅茶發(fā)酵的性能,比較中低層次數(shù)據(jù)融合方法與單一傳感器數(shù)據(jù)建模的優(yōu)劣, 為紅茶發(fā)酵程度構(gòu)建等級(jí)模型與判別,紅茶發(fā)酵的自動(dòng)化檢測(cè)提供依據(jù)。

    1 材料與方法

    1.1 材料與試劑

    1.1.1 材 料

    試驗(yàn)于2021年10月在廣東省清遠(yuǎn)市英德市鴻雁茶葉有限公司進(jìn)行,茶鮮葉品種為英紅9號(hào),以一芽?jī)赡廴~方式采摘茶葉。茶鮮葉在萎凋槽中均勻分布,在24 ℃左右溫度下風(fēng)扇萎凋22 h左右,含水率為56%~58%。隨后,通過(guò)皮帶輸送至揉捻機(jī),揉捻約90 min。隨后茶葉運(yùn)輸至發(fā)酵室,溫度恒定控制在24 ℃,空氣相對(duì)濕度為90% 以上,發(fā)酵時(shí)間延長(zhǎng)至8 h使樣本可以覆蓋到過(guò)度發(fā)酵階段,每0.5 h采集12個(gè)樣品,本研究共采集204份樣品。樣品采集過(guò)程中,還進(jìn)行了近紅外光譜和計(jì)算機(jī)視覺(jué)試驗(yàn)。然后,將204份樣品使用干冰保存運(yùn)輸至實(shí)驗(yàn)室,置于?80 ℃冰箱中保存待用。

    1.1.2 試 劑

    乙腈、甲醇、乙酸、乙二胺四乙酸二鈉、抗壞血酸、碳酸鈉、福林酚(國(guó)藥集團(tuán)化學(xué)試劑有限公司);沒(méi)食子酸、咖啡堿、沒(méi)食子兒茶素、表沒(méi)食子兒茶素、兒茶素、表兒茶素、表沒(méi)食子兒茶素沒(méi)食子酸酯、沒(méi)食子兒茶素沒(méi)食子酸酯、表兒茶素沒(méi)食子酸酯、兒茶素沒(méi)食子酯(上海源葉生物科技有限公司)。

    1.2 儀器設(shè)備

    自動(dòng)化萎凋設(shè)備和揉捻設(shè)備組(廣東省農(nóng)業(yè)科學(xué)院茶葉研究所);FA124C電子分析天平、HH-2數(shù)顯恒溫水浴鍋(上海力辰邦西儀器科技有限公司);TG-16G型高速離心機(jī)(上海川一實(shí)驗(yàn)儀器有限公司);1260高效液相色譜儀(美國(guó)安捷倫科技有限公司);T6紫外分光光度計(jì)(北京普析通用儀器有限責(zé)任公司)。

    1.3 光譜采集

    紅茶發(fā)酵過(guò)程中,在24 ℃環(huán)境溫度下,采用便攜式近紅外光譜系統(tǒng)以吸收模式在900~2 500 nm范圍內(nèi)掃描采集了所有茶葉樣品的光譜信息。光譜儀積分時(shí)間設(shè)置為100 ms,每條光譜曲線為32次掃描結(jié)果的平均值,其平均掃描時(shí)間為3.2 s,光譜平滑窗口默認(rèn)為0,每份樣品采集3條曲線,取3次光譜平均值為該份樣品的光譜曲線。該系統(tǒng)由一臺(tái)筆記本電腦、一臺(tái)便攜式近紅外光譜儀(NIR2500,上海復(fù)享光學(xué)股份有限公司)、一個(gè)鹵素光源(HL2000,上海復(fù)享光學(xué)股份有限公司)、一個(gè)檢測(cè)平臺(tái)、一根7股Y型光纖(FIB-Y-200-NIR,上海復(fù)享光學(xué)股份有限公司)、一個(gè)校正白板(STD-WS,上海復(fù)享光學(xué)股份有限公司)和一根USB數(shù)據(jù)傳輸線組成。

    1.4 圖像采集

    本研究采用自建的計(jì)算機(jī)視覺(jué)系統(tǒng)獲取茶葉發(fā)酵過(guò)程中的圖像信息。該系統(tǒng)包括一臺(tái)筆記本電腦、一個(gè)(40×40×40)cm3的暗箱配有4個(gè)光源和一個(gè)工業(yè)相機(jī)。相機(jī)的鏡頭被固定在暗箱的頂部,以確保恒定的角度和拍攝距離。另外,在圖像采集前20 min打開(kāi)暗箱內(nèi)光源,保持暗箱內(nèi)環(huán)境穩(wěn)定。試驗(yàn)中,每份樣品稱量10 g,放入直徑8 cm的玻璃培養(yǎng)皿中并把茶葉樣品的表面壓平,然后將培養(yǎng)皿放在暗箱中攝像機(jī)的視場(chǎng)中采集圖像。

    1.5 品質(zhì)成分檢測(cè)

    對(duì)試驗(yàn)樣品其進(jìn)行冷凍干燥并采用磨粉機(jī)進(jìn)行磨粉。參照GB/T 8313-2018 《茶葉中茶多酚和兒茶素類含量的檢測(cè)方法》[33],發(fā)酵紅茶中茶多酚含量的測(cè)定采用福林酚比色法,用紫外分光光度計(jì)在765 mm處測(cè)量被測(cè)溶液的吸收值;兒茶素類的含量使用高效液相色譜儀在流速1 mL/min、檢測(cè)波長(zhǎng)278 nm條件下測(cè)量。

    1.6 數(shù)據(jù)融合

    數(shù)據(jù)融合是將不同來(lái)源的數(shù)據(jù)進(jìn)行融合,主要是利用互補(bǔ)的輸入數(shù)據(jù)來(lái)增強(qiáng)組合技術(shù)之間的協(xié)同作用,以充分了解分析目標(biāo),獲得良好的分類和預(yù)測(cè)結(jié)果。數(shù)據(jù)融合策略分為低層次融合、中層次融合和高層次融合。低層次數(shù)據(jù)融合為多傳感器數(shù)據(jù)直接聯(lián)合成一個(gè)矩陣進(jìn)行多維變量分析;中層次的融合是提取每個(gè)傳感器的特征變量并基于特征變量進(jìn)行融合;高層次的融合處理每個(gè)傳感器數(shù)據(jù)并做出判斷,最后對(duì)所有決策進(jìn)行融合,這需要精確的數(shù)據(jù)處理。根據(jù)文獻(xiàn)結(jié)果[11-12,32],本文選擇了中低水平的數(shù)據(jù)融合進(jìn)行數(shù)據(jù)處理。

    2 結(jié)果與分析

    2.1 紅茶發(fā)酵程度品質(zhì)成分分析

    在紅茶發(fā)酵過(guò)程中,茶多酚和兒茶素類物質(zhì)在多酚氧化酶的作用下發(fā)生氧化聚合生成紅茶特有的風(fēng)味物質(zhì)。茶多酚含量變化如圖1a所示,茶多酚平均含量在發(fā)酵開(kāi)始最高達(dá)到23.47%,在0.5~2.0 h之間,茶多酚含量迅速下降,降解率達(dá)到24.27%,表明茶多酚在此期間被迅速氧化;在2.5~3.5 h茶多酚含量持續(xù)下降,下降速率較之前有所變緩;在4.0~5.0 h之間茶多酚含量基本不變,降解率在29.75%~30.60%范圍內(nèi),表明在此期間只有極少量茶多酚被氧化;5.5 h以后又有些許茶多酚被氧化并持續(xù)到8 h,最終降解率達(dá)到37.46%。如圖1b所示,兒茶素類含量變化與茶多酚具有相似的變化規(guī)律,前期兒茶素類含量迅速下降,后放緩慢下降,在4~5 h趨于平緩,5 h后緩慢下降。

    圖1 發(fā)酵期間茶多酚和兒茶素類含量變化

    在發(fā)酵前期,茶多酚迅速氧化降解生成茶黃素和茶紅素[34-35],隨著紅茶的持續(xù)發(fā)酵,茶多酚持續(xù)降解,在發(fā)酵4~5 h之間,茶多酚極少降解。在發(fā)酵過(guò)程中,茶黃素和茶紅素同時(shí)會(huì)進(jìn)一步氧化聚合生成茶褐素,從而形成紅茶特有的風(fēng)味[36]。5.5 h以后僅些許茶多酚被氧化,但在此期間茶黃素和茶紅素會(huì)持續(xù)氧化聚合生成茶褐素,茶褐素過(guò)多會(huì)使得紅茶顏色發(fā)暗,影響紅茶的口感,導(dǎo)致過(guò)度發(fā)酵。因此,根據(jù)茶多酚和兒茶素類發(fā)酵過(guò)程中降解率的變化并結(jié)合茶葉現(xiàn)場(chǎng)評(píng)審專家的判斷,將紅茶發(fā)酵樣品劃分為3個(gè)階段,即發(fā)酵不足、發(fā)酵適度和發(fā)酵過(guò)度。如表1所示,茶多酚降解率為0~28.16%,兒茶素類降解率為0~47.57%被劃分為發(fā)酵不足;茶多酚降解率為29.75%~30.60%,兒茶素類降解率為49.41%~50.27%被劃分為發(fā)酵適度;茶多酚降解率為32.23%~37.46%,兒茶素類降解率為53.86%~59.99%被劃分為發(fā)酵過(guò)度。

    表1 發(fā)酵紅茶的分組

    2.2 近紅外光譜數(shù)據(jù)分析

    2.2.1 光譜預(yù)處理

    試驗(yàn)采集樣品900~2 500 nm波長(zhǎng)的近紅外光譜曲線,光譜兩端因噪聲影響較大需要去除,故取950~2 400 nm范圍內(nèi)的波形。圖2a為紅茶發(fā)酵試驗(yàn)0~8 h每組樣品的平均近紅外光譜原始圖,在光譜曲線上存在的許多粗糙毛刺清晰可見(jiàn),這是由于光譜采集過(guò)程中產(chǎn)生的噪聲干擾造成的,因此原始光譜需要進(jìn)行預(yù)處理。本文采用Savitzky-Golay(S-G)光滑對(duì)發(fā)酵樣品曲線進(jìn)行預(yù)處理,預(yù)處理后平均光譜如圖2b所示,毛刺的形貌明顯改善,表明噪聲降低。圖2a和b中的光譜曲線顯示,在1 140~1 160、1 430~1 450和1 920~1 940 nm三個(gè)波長(zhǎng)范圍內(nèi)存在明顯的吸收峰。1 150 nm的吸收峰可能與游離氨基酸的烯烴C-H二級(jí)倍頻和兒茶素類的甲基C-H二級(jí)倍頻有關(guān);1 440 nm的吸收峰可能是由水的O-H一級(jí)倍頻導(dǎo)致的;1 930 nm左右的吸收峰可歸因于的水的O-H組合頻[11,32]。

    由于光譜變量數(shù)量較大,且含有與發(fā)酵茶葉信息無(wú)關(guān)的冗余變量,需要對(duì)光譜進(jìn)行降維處理。本文采用了競(jìng)爭(zhēng)自適應(yīng)重加權(quán)采樣、連續(xù)投影算法和主成分分析對(duì)光譜數(shù)據(jù)進(jìn)行精簡(jiǎn)。

    利用競(jìng)爭(zhēng)自適應(yīng)重加權(quán)采樣(Competitive Adaptive Reweighted Sampling, CARS)對(duì)S-G光滑處理的光譜進(jìn)行有效波長(zhǎng)的篩選,本試驗(yàn)蒙特卡羅采樣次數(shù)設(shè)置為50,采用10倍交叉驗(yàn)證建模來(lái)評(píng)估每個(gè)變量,其結(jié)果如圖3a、b、c所示,當(dāng)采樣次數(shù)為22次時(shí),其交互驗(yàn)證均方根誤差(Root Mean Square Error of Cross Validation, RMSECV)最小,篩選出29個(gè)特征波長(zhǎng)。連續(xù)投影算法(Successive Projections Algorithm, SPA)是一種前向特征變量選擇方法,該方法可以有效地消除原始光譜矩陣中的冗余信息,運(yùn)用SPA提取光譜的特征波長(zhǎng)結(jié)果如圖3d所示,共選出17個(gè)特征波長(zhǎng)。

    圖2 茶葉樣品的原始光譜和S-G光滑預(yù)處理光譜曲線

    圖3 競(jìng)爭(zhēng)自適應(yīng)重加權(quán)采樣和連續(xù)投影算法篩選的特征波長(zhǎng)

    2.2.2 光譜變量降維

    主成分分析(Principal Components Analysis, PCA)不僅可以對(duì)光譜數(shù)據(jù)進(jìn)行降維處理,而且可以可視化紅茶發(fā)酵過(guò)程中樣品的分布。如圖4所示,前三個(gè)主成分解釋了總方差的92.76%(PC1=61.18%,PC2=19.97%,PC3=11.61%),圖中可以看出三個(gè)發(fā)酵階段的樣本存在一定范圍內(nèi)的聚集,這表明對(duì)近紅外光譜數(shù)據(jù)使用主成分分析并不能很好地判別紅茶發(fā)酵程度。

    圖4 發(fā)酵紅茶光譜數(shù)據(jù)的主成分分析

    2.3 圖像數(shù)據(jù)分析

    不同發(fā)酵時(shí)間的紅茶圖像如圖5a所示,從圖中可以看出,茶葉顏色從青綠色逐漸向深紅色變化,到4 h左右綠色幾乎消失,這是由于隨著發(fā)酵的進(jìn)行茶多酚和兒茶素類被氧化生成茶色素,且葉綠素降解為脫鎂葉綠素[37]。

    對(duì)采集的圖像進(jìn)行一定的預(yù)處理后提取顏色特征值(,,,,,,,,),其結(jié)果如圖5b,c,d所示。在發(fā)酵0~4 h期間,特征值呈現(xiàn)總體快速上升趨勢(shì),值變化趨勢(shì)不明顯,其余顏色特征均有明顯的下降趨勢(shì),這與圖1所示的化學(xué)成分變化趨勢(shì)相一致。在4~5 h期間,達(dá)到最高峰值、達(dá)到最低峰值,葉片顏色的紅色程度最高。5 h后,代表發(fā)酵葉片紅色程度的、、值趨于平緩,代表黃藍(lán)顏色通道的仍有下降趨勢(shì),發(fā)酵葉片呈現(xiàn)棕色,紅茶的感官質(zhì)量下降。

    圖5 不同發(fā)酵時(shí)間的茶葉圖像及其顏色特征變量

    采用皮爾森(Pearson)相關(guān)分析來(lái)評(píng)估顏色變量與多酚和兒茶素類濃度之間的關(guān)系,結(jié)果如圖6所示。值與茶多酚和兒茶素類的相關(guān)性均很低,值與茶多酚(=?0.511)和兒茶素類(=?0.510)均呈一定的負(fù)相關(guān),其他顏色變量均與多酚和兒茶素類濃度均呈顯著正相關(guān)(>0.6)。、、與茶多酚相關(guān)系數(shù)分別為0.898、0.885、0.917,與兒茶素類相關(guān)系數(shù)分別為0.900、0.881、0.934,它們之間均顯著相關(guān),因此使用Pearson相關(guān)性分析提取了、和三個(gè)顏色特征。

    注:紅色和藍(lán)色分別表示正相關(guān)和負(fù)相關(guān),顏色越深、圓面積越大表示相關(guān)性越強(qiáng); ‘×’表示顯著性水平P>0.05。

    對(duì)圖像9個(gè)顏色特征變量進(jìn)行主成分分析,結(jié)果如圖7所示,前三個(gè)主成分很好地解釋了總方差的99.91%(PC1=80.56%,PC2=11.14%,PC3=8.21%),圖中可以看出三個(gè)發(fā)酵階段的樣本存在一定范圍內(nèi)的聚集,這與近紅外光譜數(shù)據(jù)主成分分析結(jié)果相似,表明圖像數(shù)據(jù)的主成分分析并不能很好地判別紅茶發(fā)酵程度。

    圖7 發(fā)酵紅茶圖像數(shù)據(jù)的主成分分析

    2.4 單一傳感器數(shù)據(jù)建模

    在建立預(yù)測(cè)模型之前,使用Kennard-Stone(K-S)法以2:1的比例將204份試驗(yàn)驗(yàn)樣品劃分為校正集和預(yù)測(cè)集。光譜數(shù)據(jù)和圖像數(shù)據(jù)均建立了線性判別分析(Linear Discriminant Analysis, LDA)和支持向量機(jī)(Support Vector Machine, SVM)判別模型,校正集和預(yù)測(cè)集的建模判別結(jié)果如表2所示。通過(guò)比較LDA和SVM判別模型,可以發(fā)現(xiàn)SVM模型性能總體優(yōu)于LDA模型,這可能是由于紅茶發(fā)酵過(guò)程是不平衡的,非線性的支持向量機(jī)模型更適用于紅茶發(fā)酵程度判別。近紅外光譜數(shù)據(jù)的全光譜建模與三種降維方法CARS、SPA、PCA建立的SVM模型校正集準(zhǔn)確率分別為72.79%、99.26%、98.53%、73.53%,對(duì)應(yīng)的預(yù)測(cè)集準(zhǔn)確率分別為70.59%、83.82%、77.94%、64.71%,光譜采集的較佳模型為采用CARS特征提取的SVM模型,校正集和預(yù)測(cè)集準(zhǔn)確率均為80%以上,取得比較滿意的結(jié)果。機(jī)器視覺(jué)圖像9個(gè)顏色變量數(shù)據(jù)整體建模與Pearson、PCA處理方法建立的SVM模型校正集準(zhǔn)確率分別為86.03%、84.56%、86.03%,相應(yīng)的預(yù)測(cè)集準(zhǔn)確率分別為73.53%、70.59%、72.06%,較佳模型的預(yù)測(cè)集準(zhǔn)確率為73.53%,取得結(jié)果欠佳。這一結(jié)果表明,紅茶發(fā)酵的化學(xué)變化是一個(gè)非常復(fù)雜的過(guò)程,單一傳感器對(duì)發(fā)酵程度的判定并不能取得良好的結(jié)果。

    2.5 數(shù)據(jù)融合建模

    紅茶發(fā)酵是一個(gè)復(fù)雜的過(guò)程,涉及顏色和多種風(fēng)味物質(zhì)化學(xué)成分的變化。因此,獲取單一傳感器數(shù)據(jù)來(lái)評(píng)價(jià)紅茶發(fā)酵質(zhì)量是不夠的,需要結(jié)合兩種傳感器數(shù)據(jù)進(jìn)行聯(lián)合建模。本文采用低層次和中層次數(shù)據(jù)融合策略進(jìn)行建模,模型判別準(zhǔn)確率如表2所示。通過(guò)對(duì)比可以發(fā)現(xiàn),通過(guò)特征提取的中層次數(shù)據(jù)融合策略建立的LDA和SVM模型效果均優(yōu)于低層次數(shù)據(jù)融合策略,其原因可能是低層次數(shù)據(jù)融合直接融合全部光譜數(shù)據(jù)和圖像數(shù)據(jù)建模,這些數(shù)據(jù)可能包含了與發(fā)酵程度無(wú)關(guān)的變量,導(dǎo)致了建模效果較差;SVM模型預(yù)測(cè)準(zhǔn)確性皆比LDA模型高,這結(jié)果與單一傳感器建模效果類似,可能因?yàn)榧t茶發(fā)酵過(guò)程是不均衡的,線性判別模型適用性會(huì)比較低。使用CARS特征提取光譜數(shù)據(jù)結(jié)合Pearson提取圖像數(shù)據(jù)、SPA特征提取光譜數(shù)據(jù)結(jié)合Pearson提取圖像數(shù)據(jù)和都使用PCA降維處理建立SVM預(yù)測(cè)模型的校正集準(zhǔn)確率分別為100.00%、97.06%、99.26%,對(duì)應(yīng)的預(yù)測(cè)集準(zhǔn)確率分別為85.30%、95.59%、86.77%。對(duì)比單一傳感器近紅外較佳模型的預(yù)測(cè)集準(zhǔn)確率83.82%和圖像數(shù)據(jù)較佳模型的預(yù)測(cè)集準(zhǔn)確率73.53%,中層次數(shù)據(jù)融合建模效果總體上比單一傳感器數(shù)據(jù)建模有所提升。

    表2 不同數(shù)據(jù)源的紅茶發(fā)酵程度判別準(zhǔn)確率對(duì)比

    注:為誤差懲罰因子,為核函數(shù)參數(shù)。

    Note: Parameterrepresents error penalty factor, andrepresents kernel function parameter.

    其中,使用SPA提取光譜變量結(jié)合Pearson提取圖像變量建立的判別模型效果最佳,校正集和預(yù)測(cè)集準(zhǔn)確率分別達(dá)到了97.06%和95.59%,模型具體判別效果如圖8所示。在校正集中,模型可以很好辨別出發(fā)酵不足樣品,有8.33%的發(fā)酵適度樣品被誤判為過(guò)度發(fā)酵,4.76%的發(fā)酵過(guò)度樣品被誤判為發(fā)酵適度;在預(yù)測(cè)集中,模型對(duì)發(fā)酵不足樣品判別的準(zhǔn)確率為100%,8.33%的發(fā)酵適度樣品被誤判為發(fā)酵過(guò)度,6.67%的發(fā)酵過(guò)度樣品被誤判為發(fā)酵適度。總體而言,中層次數(shù)據(jù)融合方法在紅茶發(fā)酵適度判別中取得了比較令人滿意的結(jié)果,來(lái)自兩種傳感器數(shù)據(jù)的互補(bǔ)很好地體現(xiàn)紅茶發(fā)酵的特征現(xiàn)象,提高了發(fā)酵判別的準(zhǔn)確率。

    注:標(biāo)簽IF、MF、EF分別代表了發(fā)酵不足、適度發(fā)酵和過(guò)度發(fā)酵。

    3 結(jié) 論

    本文利用近紅外光譜技術(shù)結(jié)合機(jī)器視覺(jué)來(lái)判別英德紅茶的發(fā)酵程度并分析了其可行性。為了克服發(fā)酵過(guò)程的高濕環(huán)境,建立了一種便攜式近紅外光譜系統(tǒng)實(shí)現(xiàn)了光譜采集端與接收端的分離。試驗(yàn)主要結(jié)論如下:

    1)近紅外光譜和圖像數(shù)據(jù)單獨(dú)建模較優(yōu)判別準(zhǔn)確率分別為83.82%和73.53%,其效果不佳;

    2)低層次數(shù)據(jù)融合建模效果較單一傳感器數(shù)據(jù)建模沒(méi)有明顯提升,這可能是因?yàn)槿诤系臄?shù)據(jù)中含有較多的無(wú)關(guān)變量;

    3)中層次數(shù)據(jù)融合在評(píng)價(jià)紅茶發(fā)酵度方面優(yōu)于單一傳感器,說(shuō)明從單個(gè)傳感器獲得的信息不足以代表紅茶發(fā)酵全部信息。基于連續(xù)投影算法(Successive Projections Algorithm, SPA)和皮爾森(Pearson)相關(guān)分析特征提取的中層融合支持向量機(jī)(Support Vector Machine, SVM)模型的分類準(zhǔn)確率最高,校正集和預(yù)測(cè)集準(zhǔn)確率分別達(dá)到了97.06%和95.59%。該研究結(jié)果為紅茶發(fā)酵過(guò)程的自動(dòng)化提供了理論基礎(chǔ),為實(shí)現(xiàn)便攜式近紅外光譜儀結(jié)合工業(yè)相機(jī)自動(dòng)化監(jiān)控紅茶發(fā)酵過(guò)程提供科學(xué)依據(jù)。

    [1] Shan Z G, Nisar M F, Li M X, et al. Theaflavin chemistry and its health benefits [J]. Oxidative Medicine and Cellular Longevity, 2021, 2021: 6256618.

    [2] Zhang H, Qi R L, Mine Y. The impact of oolong and black tea polyphenols on human health [J]. Food Bioscience, 2019, 29: 55-61.

    [3] Yan Z M, Zhong Y Z, Duan Y H, et al. Antioxidant mechanism of tea polyphenols and its impact on health benefits[J]. Animal Nutrition, 2020, 6(2): 115-123.

    [4] Rasheed Z. Molecular evidences of health benefits of drinking black tea[J]. International Journal of Health Sciences-IJHS, 2019, 13(3): 1-3.

    [5] Chakraborty K, Dey A, Bhattacharyya A, et al. Anti-fibrotic effect of black tea () extract in experimental pulmonary fibrosis [J]. Tissue & Cell, 2019, 56: 14-22.

    [6] 位亞路,劉路星. 基于SWOT-PEST分析法的茶產(chǎn)業(yè)高質(zhì)量發(fā)展研究:以英德紅茶產(chǎn)業(yè)為例[J]. 清遠(yuǎn)職業(yè)技術(shù)學(xué)院學(xué)報(bào),2022,15(1):30-40.

    Wei Yalu, Liu Luxing. Study on high quality development of black tea industry based on SWOT-PEST analysis: Taking Yingde black tea industry as an example[J]. Journal of Qingyuan Polytechnic, 2022, 15(1): 30-40. (in Chinese with English abstract).

    [7] 范捷. 英德茶文化與英德紅茶品質(zhì)特征研究[D]. 長(zhǎng)沙:湖南農(nóng)業(yè)大學(xué),2019.

    Fan Jie. Study on Yingde Tea Culture and the Quality Characteristic of Yingde Black Tea[D]. Changsha: Hunan Agricultural University, 2019. (in Chinese with English abstract)

    [8] Wang H J, Shen S, Wang J J, et al. Novel insight into the effect of fermentation time on quality of Yunnan Congou black tea[J]. LWT-Food Science and Technology, 2022, 155: 112939.

    [9] Hua J J, Wang H J, Yuan H B, et al. New insights into the effect of fermentation temperature and duration on catechins conversion and formation of tea pigments and theasinensins in black tea[J]. Journal of the Science of Food and Agriculture, 2022, 102(7): 2750-2760.

    [10] Dong C W, Yang C S, Liu Z Y, et al. Nondestructive testing and visualization of catechin content in black tea fermentation using hyperspectral imaging[J]. Sensors, 2021, 21(23): 8051.

    [11] Wang Y J, Li L Q, Zhang Z Z. Enhanced quality monitoring during black tea processing by the fusion of NIRS and computer vision[J]. Journal of Food Engineering, 2021, 304: 110599.

    [12] Jin G, Wang Y J, Li L Q, et al. Intelligent evaluation of black tea fermentation degree by FT-NIR and computer vision based on data fusion strategy[J]. LWT-Food Science and Technology, 2020, 125: 109216.

    [13] Zhu H K, Liu F, Ye Y, et al. Application of machine learning algorithms in quality assurance of fermentation process of black tea based on electrical properties[J]. Journal of Food Engineering, 2019, 263: 165-172.

    [14] Sharmilan T, Premarathne I, Wanniarachchi I, et al. Electronic nose technologies in monitoring black tea manufacturing process[J]. Journal of Sensors, 2020, 2020: 3073104.

    [15] Ghosh S, Tudu B, Bhattacharyya N, et al. A recurrent Elman network in conjunction with an electronic nose for fast prediction of optimum fermentation time of black tea[J]. Neural Computing & Applications, 2019, 31(2): 1165-1171.

    [16] Ren G X, Li T H, Wei Y M, et al. Estimation of Congou black tea quality by an electronic tongue technology combined with multivariate analysis[J]. Microchemical Journal, 2021, 163: 105899.

    [17] Ouyang Q, Yang Y C, Wu J Z, et al. Measurement of total free amino acids content in black tea using electronic tongue technology coupled with chemometrics[J]. LWT-Food Science and Technology, 2020, 118: 108768.

    [18] Ren G X, Wang Y J, Ning J M, et al. Highly identification of keemun black tea rank based on cognitive spectroscopy: Near infrared spectroscopy combined with feature variable selection [J]. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 2020, 230: 118079.

    [19] 陳琦,潘天紅,李魚強(qiáng),等. 基于卷積神經(jīng)網(wǎng)絡(luò)和近紅外光譜的太平猴魁茶產(chǎn)地鑒別分析[J]. 光譜學(xué)與光譜分析,2021,41(9):2776-2781.

    Chen Qi, Pan Tianhong, Li Yuqiang, et al. Geographical origin discrimination of Taiping Houkui tea using convolutional neural network and near-Infrared spectroscopy[J]. Spectroscopy and Spectral Analysis, 2021, 41(9): 2776-2781. (in Chinese with English abstract).

    [20] Dong C W, Liu Z Y, Yang C S, et al. Rapid detection of exogenous sucrose in black tea samples based on near-infrared spectroscopy[J]. Infrared Physics & Technology, 2021, 119: 103934.

    [21] Ou Q H, Li J M, Yang X E, et al. Identification of Pu’er raw tea with different storage years by infrared spectroscopy[J]. Journal of Food Processing and Preservation, 2021, 45(12): e16103.

    [22] Zhang S S, Zuo Y M, Wu Q, et al. Development and validation of near-Infrared methods for the quantitation of caffeine, epigallocatechin-3-gallate, and moisture in green tea production[J]. Journal of Analytical Methods in Chemistry, 2021, 2021: 9563162.

    [23] Guo Z M, Barimah A O, Shujat A, et al. Simultaneous quantification of active constituents and antioxidant capability of green tea using NIR spectroscopy coupled with swarm intelligence algorithm[J]. LWT-Food Science and Technology, 2020, 129: 109510.

    [24] Chen S M, Wang C Y, Tsai, C Y, et al. Fermentation quality evaluation of tea by estimating total catechins and theanine using near-infrared spectroscopy[J]. Vibrational Spectroscopy, 2021, 115: 103278.

    [25] 張瑞青,李張威,郝建軍,等. 基于遷移學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)花生莢果等級(jí)圖像識(shí)別[J]. 農(nóng)業(yè)工程學(xué)報(bào),2020,36(23):171-180.

    Zhang Ruiqing, Li Zhangwei, Hao Jianjun, et al. Image recognition of peanut pod grades based on transfer learning with convolutional neural network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(23): 171-180. (in Chinese with English abstract)

    [26] 李小占,馬本學(xué),喻國(guó)威,等. 基于深度學(xué)習(xí)與圖像處理的哈密瓜表面缺陷檢測(cè)[J]. 農(nóng)業(yè)工程學(xué)報(bào),2021,37(1):223-232.

    Li Xiaozhan, Ma Benxue, Yu Guowei, et al. Surface defect detection of Hami melon using deep learning and image processing[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(1): 223-232. (in Chinese with English abstract)

    [27] 李修華,盧顯杰,奚金陽(yáng),等. 智能手機(jī)RGB圖像檢測(cè)植物葉片葉綠素含量的通用方法[J]. 農(nóng)業(yè)工程學(xué)報(bào),2021,37(22):145-151.

    Li Xiuhua, Lu Xianjie, Xi Jinyang, et al. Univeisal method to detect the chlorophyll content in plant leaves with RGB images captured by smart phones[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(22): 145-151. (in Chinese with English abstract)

    [28] Ren G X, Gan N, Song Y, et al. Evaluating Congou black tea quality using a lab-made computer vision system coupled with morphological features and chemometrics[J]. Microchemical Journal, 2021, 160: 105600.

    [29] Dong C W, Liang G Z, Hu B, et al. Prediction of Congou black tea fermentation quality indices from color features using non-linear regression methods[J]. Scientific Reports, 2018, 8(1): 10535.

    [30] Wang Y J, Li T H, Li L Q, et al. Evaluating taste-related attributes of black tea by micro-NIRS [J]. Journal of Food Engineering, 2021, 290: 110181.

    [31] Li L Q, Wang Y J, Jin S S, et al. Evaluation of black tea by using smartphone imaging coupled with micro-near-infrared spectrometer[J]. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 2021, 246: 118991.

    [32] Jin G, Wang Y J, Li M H, et al. Rapid and real-time detection of black tea fermentation quality by using an inexpensive data fusion system [J]. Food Chemistry, 2021, 358: 129815.

    [33] 國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局,中國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì). GB/T 8313-2018茶葉中茶多酚和兒茶素類含量的檢測(cè)方法[S]. 北京:中國(guó)標(biāo)準(zhǔn)出版社,2018

    [34] Chen L, Liu F, Yang Y F, et al. Oxygen-enriched fermentation improves the taste of black tea by reducing the bitter and astringent metabolites[J]. Food Research International, 2021, 148: 110613.

    [35] Hua J J, Xu Q, Yuan H B, et al. Effects of novel fermentation method on the biochemical components change and quality formation of Congou black tea[J]. Journal of Food Composition and Analysis, 2021, 96: 103751.

    [36] Yang C S, Zhao Y, An T, et al. Quantitative prediction and visualization of key physical and chemical components in black tea fermentation using hyperspectral imaging[J]. LWT-Food Science and Technology, 2021, 141: 110975.

    [37] 金戈. 基于數(shù)字化技術(shù)的紅茶發(fā)酵綜合評(píng)價(jià)[D]. 合肥:安徽農(nóng)業(yè)大學(xué),2021.

    Jin Ge. Comprehensive Evaluation of Black Tea Fermentation Based on Digital Technology[D]. Hefei: Anhui Agricultural University, 2021. (in Chinese with English abstract)

    Discrimination of black tea fermentation degrees based on data fusion strategy

    Zhang Bai1, Ling Caijin2, Li Luqing3, Zhou Qiaoyi2, Zhenfeng Li1, Song Feihu1, Song Chunfang1※

    (1,,,214122,; 2,510640,; 3,,,230036,)

    Fermentation is a key processing step for the quality of black tea. Tea polyphenols (catechins) are generally oxidized by the polyphenol oxidase and peroxidase to form the theaflavins and thearubigins. In this research, the Yinghong NO.9 of Yingde black tea was collected by the kind of one bud and two leaves. The data was collected during different black tea fermentation time using a portable near-infrared spectrometer and a Charge-Coupled Device (CCD) camera. A discriminant model was established for the black tea fermentation degree using near-infrared spectra, images, and the data fusion of spectra and images. Specifically, 204 samples of black tea at different fermentation time were collected to acquire the near-infrared spectrum and images. The content of tea polyphenols was determined using an ultraviolet spectrophotometer with a detection wavelength of 765 nm. The catechins concentration was measured by High-Performance Liquid Chromatography (HPLC) at a flow rate of 1 mL/min and detection wavelength of 278 nm. The contents of tea polyphenols and catechins decreased rapidly in the early period, tending to be flat at 4-5 h, and continued to fall off after 5.5 h. According to the changes in the tea polyphenols and catechins, the fermentation degree of black tea was divided into three stages: insufficient, moderate, and excessive fermentation. Savitzky-Golay smoothing was adopted to process the rough burrs of the original spectrum that were caused by noise interference. Then, the Competitive Adaptive Reweighted Sampling (CARS) and Successive Projections Algorithm (SPA) were applied to reduce the data dimensionality of near-infrared spectral variables, where the feature wavelengths were selected. Meanwhile, nine color feature variables were extracted from the images after shadow removal. Pearson correlation analysis between chemical components and color variables was conducted to extract the feature variables. In addition, the Principal Component Analysis (PCA) was employed to reduce the data dimensionality for the distribution of black tea fermentation samples. The PCA of spectral and image data showed the similar three fermentation stages were not separated significantly, indicating that PCA cannot effectively discriminate the fermentation stage. Finally, the discrimination models were established using the near-infrared, image, and their data fusion through Linear Discriminant Analysis (LDA) and Support Vector Machine (SVM). The comparison of the model showed that the performance of nonlinear SVM models was better than that of LDA models under the same conditions, indicating the unbalanced process of black tea fermentation. Furthermore, a single sensor failed to discriminate the fermentation degree. There was less performance in the models using a single sensor, due mainly to the complex change of fermentation information. In general, the maximum accuracies were only 83.82% and 73.53% for the prediction set of the discrimination models using near-infrared spectra and images, respectively. The performance of the middle-level data fusion models was significantly improved, compared with the models founded on a single sensor, or the low-level data fusion. The reason was that the low-level date fusion brought the variables irrelevant to the black tea fermentation. Among them, better performance was achieved in the SVM discriminant model that was established by SPA extraction of spectral variables and Pearson correlation analysis extraction of image variables, with 97.06% and 95.59% accuracies of calibration and prediction set. Consequently, a rapid and nondestructive method can be used to evaluate the degree of black tea fermentation under the middle-level fusion strategy using near-infrared spectroscopy and computer vision. A theoretical foundation was laid to establish a grade model and discrimination of black tea fermentation degrees. The finding can provide an important basis for the detection and automation of black tea fermentation.

    near infrared spectroscopy; computer vision; black tea fermentation; data fusion; discrimination model

    10.11975/j.issn.1002-6819.2022.15.037

    TS272.3

    A

    1002-6819(2022)-15-0339-09

    張柏,凌彩金,李露青,等. 基于數(shù)據(jù)融合策略的紅茶發(fā)酵程度判別[J]. 農(nóng)業(yè)工程學(xué)報(bào),2022,38(15):339-347. doi:10.11975/j.issn.1002-6819.2022.15.037 http://www.tcsae.org

    Zhang Bai, Ling Caijin, Li Luqing, et al. Discrimination of black tea fermentation degrees based on data fusion strategy[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(15): 339-347. (in Chinese with English abstract) doi:10.11975/j.issn.1002-6819.2022.15.037 http://www.tcsae.org

    2022-05-09

    2022-07-14

    廣東省茶樹(shù)資源創(chuàng)新利用重點(diǎn)實(shí)驗(yàn)室開(kāi)放課題(2020KF02);安徽農(nóng)業(yè)大學(xué)茶樹(shù)生物學(xué)與資源利用國(guó)家重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金資助項(xiàng)目(SKLTOF20210117);廣州市科技計(jì)劃項(xiàng)目(202002020079);以農(nóng)產(chǎn)品為單元的廣東省現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系創(chuàng)新團(tuán)隊(duì)建設(shè)項(xiàng)目(茶葉)(2021KJ120)

    張柏,研究方向:茶葉智能化加工。Email:dfuczb@126.com

    宋春芳,教授,博士生導(dǎo)師,研究方向:農(nóng)產(chǎn)品無(wú)損檢測(cè)與控制。Email:songcf@jiangnan.edu.cn

    猜你喜歡
    兒茶素茶多酚紅茶
    《幸福的紅茶時(shí)光》
    食品界(2022年11期)2022-12-12 08:04:44
    超高效液相色譜法測(cè)定茶葉中的兒茶素
    茶多酚的抗氧化性及其在畜牧生產(chǎn)中的應(yīng)用
    湖南飼料(2021年3期)2021-07-28 07:06:06
    蜜香紅茶
    貴茶(2019年3期)2019-12-02 01:47:22
    腸道微生物與茶及茶多酚的相互作用在調(diào)節(jié)肥胖及并發(fā)癥中的作用
    紅茶與綠茶有什么區(qū)別?
    茶多酚的提取
    全甲基化沒(méi)食子兒茶素沒(méi)食子酸酯的制備
    兒茶素酶促制備茶黃素的研究進(jìn)展
    茶葉通訊(2014年2期)2014-02-27 07:55:38
    應(yīng)用轉(zhuǎn)盤塔逆流萃取器從夏秋季次品茶中制備茶多酚
    亚洲专区字幕在线| 亚洲视频免费观看视频| 视频区欧美日本亚洲| 国产精品 国内视频| 亚洲伊人久久精品综合| 亚洲午夜理论影院| 国产日韩欧美亚洲二区| 国产成人精品在线电影| 69精品国产乱码久久久| 欧美亚洲 丝袜 人妻 在线| 国产精品偷伦视频观看了| 日韩大片免费观看网站| 精品少妇久久久久久888优播| 久久国产精品影院| 久久久精品免费免费高清| 亚洲性夜色夜夜综合| av福利片在线| 精品国内亚洲2022精品成人 | 99国产精品99久久久久| 亚洲国产成人一精品久久久| 19禁男女啪啪无遮挡网站| 又大又爽又粗| 夫妻午夜视频| 久久国产精品影院| 亚洲久久久国产精品| 18在线观看网站| 夫妻午夜视频| 亚洲熟女毛片儿| 一区二区日韩欧美中文字幕| 丝袜人妻中文字幕| 黄色a级毛片大全视频| 麻豆乱淫一区二区| 精品一品国产午夜福利视频| 亚洲精品中文字幕一二三四区 | avwww免费| 免费观看人在逋| 两人在一起打扑克的视频| 国产成人精品久久二区二区免费| 三上悠亚av全集在线观看| www.999成人在线观看| 又大又爽又粗| av国产精品久久久久影院| 在线观看www视频免费| 欧美午夜高清在线| 欧美成狂野欧美在线观看| 国产日韩一区二区三区精品不卡| 老汉色∧v一级毛片| 人妻一区二区av| 嫁个100分男人电影在线观看| 男女高潮啪啪啪动态图| 天堂俺去俺来也www色官网| 亚洲精品一二三| 一边摸一边抽搐一进一小说 | 国产精品98久久久久久宅男小说| av欧美777| 国产成人精品久久二区二区91| 亚洲精品乱久久久久久| 亚洲va日本ⅴa欧美va伊人久久| 亚洲第一av免费看| av超薄肉色丝袜交足视频| 欧美另类亚洲清纯唯美| 欧美日韩av久久| 精品视频人人做人人爽| 国产精品成人在线| 亚洲av成人一区二区三| 巨乳人妻的诱惑在线观看| 国产伦人伦偷精品视频| 欧美国产精品一级二级三级| 欧美日韩黄片免| 欧美黄色片欧美黄色片| 99riav亚洲国产免费| av天堂久久9| 在线观看免费视频日本深夜| 欧美日本中文国产一区发布| 一区二区三区精品91| 亚洲情色 制服丝袜| 国产亚洲一区二区精品| 大香蕉久久网| 在线av久久热| 亚洲欧美精品综合一区二区三区| 久久av网站| 中文欧美无线码| 91老司机精品| 亚洲精品在线观看二区| 男女下面插进去视频免费观看| 亚洲精品乱久久久久久| 久久国产精品影院| 国产精品九九99| 极品人妻少妇av视频| 国产亚洲精品一区二区www | 男女之事视频高清在线观看| 多毛熟女@视频| 九色亚洲精品在线播放| 亚洲精品粉嫩美女一区| 一区在线观看完整版| 一级毛片精品| 天天躁狠狠躁夜夜躁狠狠躁| 国产黄色免费在线视频| 日日夜夜操网爽| 天天躁夜夜躁狠狠躁躁| 久久精品国产亚洲av高清一级| 777米奇影视久久| 国产精品久久久久久精品电影小说| 国产淫语在线视频| 欧美精品一区二区免费开放| 丰满少妇做爰视频| 亚洲视频免费观看视频| 国产一区二区在线观看av| 丰满少妇做爰视频| av视频免费观看在线观看| 亚洲人成电影观看| 精品国内亚洲2022精品成人 | 国产高清激情床上av| 久久天躁狠狠躁夜夜2o2o| 黑人欧美特级aaaaaa片| 好男人电影高清在线观看| 久久人妻福利社区极品人妻图片| 黑人猛操日本美女一级片| 又紧又爽又黄一区二区| 亚洲第一青青草原| 夜夜夜夜夜久久久久| 国产老妇伦熟女老妇高清| 另类亚洲欧美激情| 三级毛片av免费| 色尼玛亚洲综合影院| 国产精品一区二区在线不卡| 国产成+人综合+亚洲专区| 曰老女人黄片| 国产欧美日韩一区二区三区在线| 国产精品麻豆人妻色哟哟久久| 五月开心婷婷网| 69精品国产乱码久久久| 脱女人内裤的视频| 在线十欧美十亚洲十日本专区| 精品亚洲乱码少妇综合久久| videosex国产| 美女主播在线视频| 亚洲 欧美一区二区三区| 国产成人欧美| 久久久久精品人妻al黑| 亚洲天堂av无毛| 丰满迷人的少妇在线观看| 超碰97精品在线观看| 国产精品免费一区二区三区在线 | 在线观看免费视频网站a站| 国产在线免费精品| 国产av精品麻豆| 黄片大片在线免费观看| 亚洲成国产人片在线观看| 中文字幕高清在线视频| 老汉色∧v一级毛片| www.999成人在线观看| 大香蕉久久成人网| 久久人妻av系列| 激情视频va一区二区三区| 亚洲精品久久成人aⅴ小说| 老司机影院毛片| 亚洲天堂av无毛| 久久久久久久久免费视频了| 国产精品亚洲一级av第二区| 国产免费av片在线观看野外av| 亚洲国产精品一区二区三区在线| 桃花免费在线播放| 色播在线永久视频| 久久久久久人人人人人| 亚洲精品一二三| 最近最新免费中文字幕在线| 自拍欧美九色日韩亚洲蝌蚪91| 9191精品国产免费久久| 中文字幕制服av| 亚洲熟妇熟女久久| 亚洲成a人片在线一区二区| 国产精品一区二区精品视频观看| 性高湖久久久久久久久免费观看| 亚洲第一欧美日韩一区二区三区 | 亚洲av第一区精品v没综合| 丰满人妻熟妇乱又伦精品不卡| 少妇粗大呻吟视频| 夜夜爽天天搞| 国产成人精品久久二区二区免费| 精品人妻在线不人妻| 亚洲色图 男人天堂 中文字幕| 久久精品国产综合久久久| 久久精品国产亚洲av香蕉五月 | 国产av国产精品国产| 97在线人人人人妻| 免费观看a级毛片全部| 两性午夜刺激爽爽歪歪视频在线观看 | 久久精品亚洲熟妇少妇任你| 久久久水蜜桃国产精品网| 18禁裸乳无遮挡动漫免费视频| 国产视频一区二区在线看| 成人亚洲精品一区在线观看| 丰满人妻熟妇乱又伦精品不卡| 狠狠精品人妻久久久久久综合| 久久久久久久精品吃奶| 热re99久久国产66热| 日韩欧美一区视频在线观看| 精品一区二区三区四区五区乱码| 亚洲精品成人av观看孕妇| 国产精品.久久久| 熟女少妇亚洲综合色aaa.| 美女视频免费永久观看网站| 亚洲国产精品一区二区三区在线| 大片免费播放器 马上看| 亚洲精品久久成人aⅴ小说| 日韩有码中文字幕| 激情视频va一区二区三区| 日韩欧美免费精品| 看免费av毛片| av视频免费观看在线观看| 国产麻豆69| 欧美精品亚洲一区二区| 亚洲九九香蕉| 啦啦啦在线免费观看视频4| 精品视频人人做人人爽| 99久久精品国产亚洲精品| 久热爱精品视频在线9| 免费高清在线观看日韩| 精品国产乱子伦一区二区三区| 无遮挡黄片免费观看| 免费人妻精品一区二区三区视频| 成年版毛片免费区| 久久人妻熟女aⅴ| 看免费av毛片| 一区二区日韩欧美中文字幕| 精品久久蜜臀av无| 日本五十路高清| 又大又爽又粗| 手机成人av网站| 国产在线免费精品| 最近最新中文字幕大全免费视频| 久久影院123| 99国产极品粉嫩在线观看| 国产黄色免费在线视频| 一本久久精品| 国产一区二区三区综合在线观看| 亚洲欧洲精品一区二区精品久久久| 自线自在国产av| 久久免费观看电影| 9191精品国产免费久久| 国产一区二区激情短视频| 亚洲精品国产一区二区精华液| 国产高清视频在线播放一区| 日韩大码丰满熟妇| 美女国产高潮福利片在线看| 久久人妻熟女aⅴ| 国产av国产精品国产| 午夜福利一区二区在线看| 精品一区二区三区四区五区乱码| 老司机靠b影院| 电影成人av| 精品卡一卡二卡四卡免费| 免费在线观看完整版高清| 色综合欧美亚洲国产小说| 午夜精品国产一区二区电影| 在线观看免费日韩欧美大片| 水蜜桃什么品种好| 最近最新中文字幕大全免费视频| 一本综合久久免费| 日韩熟女老妇一区二区性免费视频| 国产高清国产精品国产三级| 国产淫语在线视频| 亚洲第一欧美日韩一区二区三区 | 国产黄频视频在线观看| 手机成人av网站| 久久中文字幕人妻熟女| 99精品在免费线老司机午夜| h视频一区二区三区| 亚洲国产av影院在线观看| 成人特级黄色片久久久久久久 | 在线观看舔阴道视频| 亚洲久久久国产精品| 欧美国产精品一级二级三级| 精品视频人人做人人爽| 777米奇影视久久| 99国产极品粉嫩在线观看| 制服诱惑二区| 久久久精品区二区三区| 1024视频免费在线观看| 曰老女人黄片| 大型av网站在线播放| 丝袜美足系列| 99re6热这里在线精品视频| 久久久国产一区二区| 人人妻,人人澡人人爽秒播| 亚洲天堂av无毛| 久久国产精品影院| 色精品久久人妻99蜜桃| 午夜激情av网站| 黄频高清免费视频| 国产免费视频播放在线视频| 日韩欧美三级三区| 正在播放国产对白刺激| 欧美黑人精品巨大| 亚洲综合色网址| 国产深夜福利视频在线观看| 欧美日韩福利视频一区二区| 悠悠久久av| 中国美女看黄片| 亚洲一区中文字幕在线| 亚洲国产精品一区二区三区在线| 久久精品亚洲熟妇少妇任你| 亚洲精品中文字幕一二三四区 | 亚洲精品自拍成人| 老司机在亚洲福利影院| 人成视频在线观看免费观看| 9热在线视频观看99| 狠狠婷婷综合久久久久久88av| 黄色毛片三级朝国网站| 久久久久精品人妻al黑| 国产精品一区二区免费欧美| 美女高潮喷水抽搐中文字幕| 亚洲国产中文字幕在线视频| 精品视频人人做人人爽| 欧美中文综合在线视频| 亚洲精品久久成人aⅴ小说| 一区二区av电影网| 精品福利观看| 午夜福利视频在线观看免费| 国产亚洲一区二区精品| 一本一本久久a久久精品综合妖精| 中文欧美无线码| 色播在线永久视频| 欧美av亚洲av综合av国产av| a级毛片在线看网站| 丰满迷人的少妇在线观看| 精品亚洲乱码少妇综合久久| 18禁美女被吸乳视频| 伦理电影免费视频| 三上悠亚av全集在线观看| 国产亚洲精品久久久久5区| 午夜成年电影在线免费观看| 精品国产超薄肉色丝袜足j| 成人亚洲精品一区在线观看| 大片电影免费在线观看免费| 动漫黄色视频在线观看| 亚洲性夜色夜夜综合| 成人三级做爰电影| 亚洲精品中文字幕在线视频| 极品教师在线免费播放| 啦啦啦中文免费视频观看日本| 深夜精品福利| 50天的宝宝边吃奶边哭怎么回事| www.999成人在线观看| 国产在线精品亚洲第一网站| 人人妻人人爽人人添夜夜欢视频| 亚洲精品久久午夜乱码| 国产一区二区三区综合在线观看| 日日摸夜夜添夜夜添小说| 国产欧美亚洲国产| 国精品久久久久久国模美| 久久久水蜜桃国产精品网| 一级毛片女人18水好多| 日本黄色日本黄色录像| 日日摸夜夜添夜夜添小说| 亚洲精品国产精品久久久不卡| 亚洲精品久久午夜乱码| 国产欧美日韩精品亚洲av| 久久热在线av| 亚洲成av片中文字幕在线观看| 亚洲精品国产色婷婷电影| 午夜福利一区二区在线看| 2018国产大陆天天弄谢| avwww免费| 国产男女内射视频| 一区福利在线观看| 午夜久久久在线观看| 国产精品香港三级国产av潘金莲| 午夜激情久久久久久久| 国产真人三级小视频在线观看| 可以免费在线观看a视频的电影网站| 国产日韩欧美亚洲二区| 少妇的丰满在线观看| 免费黄频网站在线观看国产| 久久久久国产一级毛片高清牌| tube8黄色片| 18禁裸乳无遮挡动漫免费视频| 波多野结衣av一区二区av| 成人国语在线视频| 国产又爽黄色视频| 高清在线国产一区| 99re6热这里在线精品视频| 怎么达到女性高潮| 岛国毛片在线播放| 丰满迷人的少妇在线观看| 精品一区二区三卡| 国产成人av教育| 午夜精品国产一区二区电影| 又大又爽又粗| 国产亚洲精品一区二区www | 美女高潮喷水抽搐中文字幕| 亚洲精品国产一区二区精华液| 精品亚洲成a人片在线观看| 黄色片一级片一级黄色片| 777久久人妻少妇嫩草av网站| 日韩三级视频一区二区三区| 少妇的丰满在线观看| 国产亚洲av高清不卡| 91av网站免费观看| 久久热在线av| 日韩视频在线欧美| 中文字幕人妻熟女乱码| 老司机亚洲免费影院| 国产亚洲欧美在线一区二区| www.熟女人妻精品国产| www.自偷自拍.com| 十八禁人妻一区二区| 成人永久免费在线观看视频 | 最近最新中文字幕大全电影3 | 女人久久www免费人成看片| 啦啦啦在线免费观看视频4| 国产免费现黄频在线看| 欧美 亚洲 国产 日韩一| 18禁美女被吸乳视频| 亚洲一区中文字幕在线| 黄片大片在线免费观看| 狠狠精品人妻久久久久久综合| aaaaa片日本免费| 国产精品久久久av美女十八| 午夜久久久在线观看| kizo精华| 国产av国产精品国产| 午夜福利在线免费观看网站| 中文字幕精品免费在线观看视频| 一级片免费观看大全| 中文亚洲av片在线观看爽 | 精品国产乱子伦一区二区三区| 国产一区二区激情短视频| 欧美日韩国产mv在线观看视频| 国内毛片毛片毛片毛片毛片| 美女国产高潮福利片在线看| 国产精品成人在线| 99久久人妻综合| 可以免费在线观看a视频的电影网站| 一区福利在线观看| 成人18禁高潮啪啪吃奶动态图| 捣出白浆h1v1| av电影中文网址| 欧美精品一区二区大全| 国产无遮挡羞羞视频在线观看| 亚洲天堂av无毛| 国产精品影院久久| 亚洲精品国产一区二区精华液| 搡老熟女国产l中国老女人| 少妇裸体淫交视频免费看高清 | 男女高潮啪啪啪动态图| 国产一区二区三区综合在线观看| 欧美乱码精品一区二区三区| 老鸭窝网址在线观看| 麻豆乱淫一区二区| 午夜老司机福利片| 在线观看一区二区三区激情| 高清在线国产一区| 国产欧美亚洲国产| 亚洲自偷自拍图片 自拍| 69av精品久久久久久 | 99久久精品国产亚洲精品| 啦啦啦免费观看视频1| 正在播放国产对白刺激| 国产精品.久久久| 亚洲自偷自拍图片 自拍| 一级,二级,三级黄色视频| 999精品在线视频| aaaaa片日本免费| av在线播放免费不卡| 黑人欧美特级aaaaaa片| 国产精品自产拍在线观看55亚洲 | 精品视频人人做人人爽| 我的亚洲天堂| 日韩欧美免费精品| 国产精品亚洲一级av第二区| 午夜老司机福利片| h视频一区二区三区| 国产成人av激情在线播放| 久久国产精品大桥未久av| 在线十欧美十亚洲十日本专区| a在线观看视频网站| 欧美 日韩 精品 国产| 在线av久久热| a级片在线免费高清观看视频| 啦啦啦中文免费视频观看日本| 大香蕉久久网| 在线 av 中文字幕| 国产黄频视频在线观看| 国产日韩欧美亚洲二区| 久久ye,这里只有精品| 五月开心婷婷网| 女性被躁到高潮视频| 两性夫妻黄色片| 男女午夜视频在线观看| 国产精品欧美亚洲77777| 国产一区二区三区综合在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 一区二区日韩欧美中文字幕| 国产av国产精品国产| 51午夜福利影视在线观看| 亚洲精品成人av观看孕妇| 黄色片一级片一级黄色片| 国产不卡一卡二| 黑人欧美特级aaaaaa片| 香蕉丝袜av| 在线观看66精品国产| bbb黄色大片| 亚洲第一av免费看| 高潮久久久久久久久久久不卡| 亚洲性夜色夜夜综合| 国产精品免费视频内射| 一区二区av电影网| 少妇被粗大的猛进出69影院| 久久 成人 亚洲| 欧美在线一区亚洲| 黄色 视频免费看| 精品久久蜜臀av无| 十八禁网站网址无遮挡| 欧美国产精品va在线观看不卡| 亚洲人成电影观看| 精品亚洲成国产av| 搡老乐熟女国产| 日韩视频一区二区在线观看| 国产精品1区2区在线观看. | 午夜成年电影在线免费观看| 国产亚洲欧美在线一区二区| 777久久人妻少妇嫩草av网站| 日韩有码中文字幕| 久久精品aⅴ一区二区三区四区| 中文字幕av电影在线播放| 亚洲七黄色美女视频| 亚洲精品在线美女| 久久久久国产一级毛片高清牌| 亚洲成av片中文字幕在线观看| 又黄又粗又硬又大视频| 亚洲五月婷婷丁香| 男女午夜视频在线观看| 欧美久久黑人一区二区| 性色av乱码一区二区三区2| 妹子高潮喷水视频| 精品久久蜜臀av无| 成年人免费黄色播放视频| 热99国产精品久久久久久7| 成人黄色视频免费在线看| 一个人免费看片子| 黄色a级毛片大全视频| 51午夜福利影视在线观看| 欧美亚洲日本最大视频资源| 成年女人毛片免费观看观看9 | 狠狠婷婷综合久久久久久88av| 精品一区二区三区视频在线观看免费 | 日韩欧美一区视频在线观看| 亚洲中文日韩欧美视频| 国产精品 国内视频| 99久久人妻综合| 国产精品一区二区在线不卡| 精品国产乱码久久久久久男人| 日韩一区二区三区影片| 亚洲成国产人片在线观看| 十八禁网站免费在线| 国产精品久久久久成人av| 亚洲天堂av无毛| 国产精品香港三级国产av潘金莲| 91精品国产国语对白视频| 久久久久久久久久久久大奶| 久久精品国产a三级三级三级| 一级毛片电影观看| 老司机影院毛片| 天堂俺去俺来也www色官网| 久久精品国产99精品国产亚洲性色 | 久久精品亚洲av国产电影网| 国产日韩欧美在线精品| 久久青草综合色| 母亲3免费完整高清在线观看| 男人舔女人的私密视频| 中文字幕最新亚洲高清| 性色av乱码一区二区三区2| 女人被躁到高潮嗷嗷叫费观| 免费av中文字幕在线| 精品国产一区二区三区久久久樱花| 精品国产亚洲在线| av网站在线播放免费| 国产一区二区激情短视频| 少妇 在线观看| 成人国产av品久久久| 我的亚洲天堂| 久久久久久久精品吃奶| 日韩欧美国产一区二区入口| 久久人妻av系列| 在线看a的网站| www.自偷自拍.com| 久久热在线av| 久久久久久久精品吃奶| 乱人伦中国视频| 天堂8中文在线网| 国产精品久久久久久人妻精品电影 | 嫁个100分男人电影在线观看| 国产一区有黄有色的免费视频| 亚洲 欧美一区二区三区| 一级,二级,三级黄色视频| 无遮挡黄片免费观看| 亚洲精品av麻豆狂野| 国产黄色免费在线视频| 搡老岳熟女国产| 国产成人免费无遮挡视频| 麻豆av在线久日| 丝袜喷水一区| 久久 成人 亚洲| 免费人妻精品一区二区三区视频| 欧美在线黄色| 9191精品国产免费久久| 后天国语完整版免费观看| h视频一区二区三区| 香蕉久久夜色| 国产在线观看jvid| 免费一级毛片在线播放高清视频 | 国产男靠女视频免费网站| xxxhd国产人妻xxx|