【目的】分析广西不同茶树品种红茶的挥发性香气成分特征及关键呈香物质。【方法】采用感官审评、顶空固相微萃取-气相色谱-质谱联用(HS-SPME-GC-MS)技术、聚类分析、正交偏最小二乘判别分析(orthogonal partial least squares-discrimi...【目的】分析广西不同茶树品种红茶的挥发性香气成分特征及关键呈香物质。【方法】采用感官审评、顶空固相微萃取-气相色谱-质谱联用(HS-SPME-GC-MS)技术、聚类分析、正交偏最小二乘判别分析(orthogonal partial least squares-discrimination analysis,OPLS-DA)对来自广西的12个红茶样品中香气成分进行鉴别。【结果】不同茶树品种红茶香气特征不同,主要呈现花果香型和甜香型。‘乌牛早’红茶综合评分(91.20)最高,是甜香型红茶代表;‘黄观音’红茶综合评分(90.55)次之,是花果香型红茶代表。12个红茶样品共检测出醇类、醛类、酮类、酯类、烯烃类、吡咯类及其衍生物和其他类香气成分40种,其中醇类、酯类和醛类化合物是最主要的香气贡献物质,相对含量分别为59.84%~79.21%、4.21%~17.68%和2.93%~13.64%。基于33种共有香气成分建立OPLS-DA模型,能明显区分花果香型红茶和甜香型红茶,并且鉴别出脱氢芳樟醇、芳樟醇氧化物Ⅱ、芳樟醇氧化物Ⅰ、香叶醇、水杨酸甲酯、(E)-2-己烯醛、芳樟醇、β-紫罗酮是花果香型红茶和甜香型红茶的主要差异香气成分。【结论】广西不同茶树品种红茶具有花果香和甜香特征,该研究可为茶叶风味特征识别和特色红茶开发提供理论基础。展开更多
为简化鹅肉弹性的可见-近红外光谱模型和提高预测精度,采用联合区间偏最小二乘法(synergyinterval partial least square algorithm,siPLS)结合遗传算法(Genetic algorithm,GA)提取可见-近红外光谱特征波长,用最小二乘支持向量回归(leas...为简化鹅肉弹性的可见-近红外光谱模型和提高预测精度,采用联合区间偏最小二乘法(synergyinterval partial least square algorithm,siPLS)结合遗传算法(Genetic algorithm,GA)提取可见-近红外光谱特征波长,用最小二乘支持向量回归(least square support vector for regression,LSSVR)建立鹅肉弹性的预测模型。试验以万能试验机获取恢复距离S作为鹅肉弹性实际值。在模型建立过程中,先利用sym8小波的2层分解对原始的可见-近红外光谱进行光谱预处理;然后用siPLS优选出4个特征光谱子区间(分别为第3、5、9、13子区间),在这4个特征光谱子区间内继续用GA优选出74个特征波长,并建立基于LSSVR的鹅肉弹性的预测模型。模型预测集的决定系数(R2)和预测均方根误差(root mean squarederror of prediction,RMSEP)分别为0.9096和0.0588。试验结果表明,siPLS结合GA法能够有效提取光谱中的鹅肉弹性对应的特征波长,有利于提高LSSVR模型预测鹅肉弹性的精度。展开更多
文摘【目的】分析广西不同茶树品种红茶的挥发性香气成分特征及关键呈香物质。【方法】采用感官审评、顶空固相微萃取-气相色谱-质谱联用(HS-SPME-GC-MS)技术、聚类分析、正交偏最小二乘判别分析(orthogonal partial least squares-discrimination analysis,OPLS-DA)对来自广西的12个红茶样品中香气成分进行鉴别。【结果】不同茶树品种红茶香气特征不同,主要呈现花果香型和甜香型。‘乌牛早’红茶综合评分(91.20)最高,是甜香型红茶代表;‘黄观音’红茶综合评分(90.55)次之,是花果香型红茶代表。12个红茶样品共检测出醇类、醛类、酮类、酯类、烯烃类、吡咯类及其衍生物和其他类香气成分40种,其中醇类、酯类和醛类化合物是最主要的香气贡献物质,相对含量分别为59.84%~79.21%、4.21%~17.68%和2.93%~13.64%。基于33种共有香气成分建立OPLS-DA模型,能明显区分花果香型红茶和甜香型红茶,并且鉴别出脱氢芳樟醇、芳樟醇氧化物Ⅱ、芳樟醇氧化物Ⅰ、香叶醇、水杨酸甲酯、(E)-2-己烯醛、芳樟醇、β-紫罗酮是花果香型红茶和甜香型红茶的主要差异香气成分。【结论】广西不同茶树品种红茶具有花果香和甜香特征,该研究可为茶叶风味特征识别和特色红茶开发提供理论基础。
文摘为简化鹅肉弹性的可见-近红外光谱模型和提高预测精度,采用联合区间偏最小二乘法(synergyinterval partial least square algorithm,siPLS)结合遗传算法(Genetic algorithm,GA)提取可见-近红外光谱特征波长,用最小二乘支持向量回归(least square support vector for regression,LSSVR)建立鹅肉弹性的预测模型。试验以万能试验机获取恢复距离S作为鹅肉弹性实际值。在模型建立过程中,先利用sym8小波的2层分解对原始的可见-近红外光谱进行光谱预处理;然后用siPLS优选出4个特征光谱子区间(分别为第3、5、9、13子区间),在这4个特征光谱子区间内继续用GA优选出74个特征波长,并建立基于LSSVR的鹅肉弹性的预测模型。模型预测集的决定系数(R2)和预测均方根误差(root mean squarederror of prediction,RMSEP)分别为0.9096和0.0588。试验结果表明,siPLS结合GA法能够有效提取光谱中的鹅肉弹性对应的特征波长,有利于提高LSSVR模型预测鹅肉弹性的精度。
