黑茶陈化年份的鉴别方法技术

本发明专利技术属于茶叶分析检测领域，涉及一种黑茶陈化年份的鉴别方法，包括：1）准备黑茶茶汤样品；2）采用三维荧光光谱仪获取黑茶茶汤样品的图像并对图像进行预处理，得到预处理后的图像；3）对预处理后的图像进行标准化、数据集划分以及数据增强处理，获取黑茶数据集；4）构建黑茶品牌与陈化年份的多任务学习模型，利用步骤3）获取得到的黑茶数据集进行训练，得到黑茶品牌以及陈化年份的分类模型；5）根据步骤4）构建得到的黑茶品牌以及陈化年份的分类模型对黑茶的陈化年份进行鉴别。本发明专利技术提出了一种成本相对低廉、方便操作以及分析速度较快的黑茶陈化年份的鉴别方法。陈化年份的鉴别方法。陈化年份的鉴别方法。

【技术实现步骤摘要】
黑茶陈化年份的鉴别方法


[0001]本专利技术属于茶叶分析检测领域，涉及一种黑茶陈化年份的鉴别方法。

技术介绍

[0002]黑茶是我国独有茶类，生产历史悠久，消费市场不断扩大。作为后发酵茶，黑茶内含物在陈化过程中会随着微生物的新陈代谢和空气的氧化作用而演变，提升其风味特色和保健功效。一般来说，黑茶的市场价格会随着陈化年份的增加而上升，高年份的黑茶甚至具有一定的收藏价值，因此以新茶冒充老茶的违法行为屡有发生，市场急需一种可靠简便的黑茶陈化年份鉴定方法以维护消费者和收藏家的权益，提升高年份黑茶的交易信心。
[0003]目前对黑茶陈化年份鉴别技术的现有研究较少。气相色谱
‑
质谱、液相色谱
‑
质谱等仪器分析方法虽已广泛用于茶叶风味物质和功能成分的鉴定，但相关工作缺少从分子层面对茶叶内含物受陈化时间影响的探究。电子鼻、电子舌等传感技术结合机器学习已应用于茶叶品质的快速分析中，建立了对品种、工艺、产地等茶样属性的判别方法，但很少涉及年份这个后发酵茶的关键属性。目前专家品评依然是黑茶年份在实际鉴定中唯一采用的方法，而专家稀缺性等因素导致了目前黑茶年份鉴定难，消费者对高年份黑茶的购买信心受信息不对称影响严重的困境。
[0004]三维荧光光谱技术具有信息丰富、分析速度快、灵敏度高等特点，适用于食品和环境介质中关键成分或关键属性的快速分析。已有研究表明黑茶的三维荧光信号主要来自茶叶中茶褐素、叶绿素、色氨酸类蛋白质、酪氨酸类蛋白质、富里酸和胡敏酸等内含物，上述内含物在陈化过程中发生转化，因此有希望运用数学方法从不同陈化年份的黑茶的三维荧光谱中提炼出年份的鉴定技术。
[0005]综上，黑茶年份鉴定技术的市场需求迫切，应用价值高；基于三维荧光光谱和数学统计方法开发黑茶年份鉴定技术可行。

技术实现思路

[0006]为了解决
技术介绍
中存在的上述技术问题，本专利技术提出了一种成本相对低廉、方便操作以及分析速度较快的黑茶陈化年份的鉴别方法。
[0007]为了实现上述目的，本专利技术采用如下技术方案：
[0008]一种黑茶陈化年份的鉴别方法，所述黑茶陈化年份的鉴别方法包括以下步骤：
[0009]1)准备黑茶茶汤样品；
[0010]2)采用三维荧光光谱仪获取黑茶茶汤样品的图像并对图像进行预处理，得到预处理后的图像；
[0011]3)对预处理后的图像依次进行标准化、数据集划分以及数据增强处理，获取黑茶数据集；
[0012]4)构建黑茶品牌与陈化年份的多任务学习模型，利用步骤3)获取得到的黑茶数据集进行训练，得到黑茶品牌以及陈化年份的分类模型；
[0013]5)根据步骤4)构建得到的黑茶品牌以及陈化年份的分类模型对黑茶的陈化年份进行鉴别。
[0014]优选地，步骤1)的具体实现方式是：天平称取黑茶样品，放入80℃超纯水中，在80℃水浴条件下加热，在室温下冷却后取出部分茶汤，用尼龙滤膜过滤得到滤汤，用超纯水将滤汤稀释后得到黑茶茶汤样品。
[0015]优选地，步骤1)中，黑茶样品与超纯水的质量体积比是1∶50～1∶200；所述加热时间是5min～15min；所述尼龙滤膜是0.22μm尼龙滤膜；所述稀释的倍数是5～20倍。
[0016]优选地，步骤2)的具体实现方式是：
[0017]2.1)测定黑茶茶汤样品的三维荧光光谱，得到黑茶茶汤样品的三维荧光光谱图像；
[0018]2.2)对步骤2.1)获取得到的每个黑茶茶汤样品的三维荧光光谱图像，扣除两阶瑞利散射以及内滤效应，得到预处理后的图像，所述预处理后的图像是二维矩阵。
[0019]优选地，步骤2)中测定黑茶茶汤样品的三维荧光光谱时，所采用的激发波长范围为230～530nm，步长5nm；发射波长范围为244.73～827.81nm，步长2.33nm；积分时长为0.5s。
[0020]优选地，步骤3)中对预处理后的图像进行标准化的具体实现方式是依次进行最小最大归一化和Z
‑
score归一化；
[0021]所述最小最大归一化是根据公式进行；
[0022]其中：
[0023]所述i和j分别是展开的二维矩阵的行索引和列索引；
[0024]所述x
ij，old
是进行该归一化前在i，j索引位置上的值；
[0025]所述x
ij，new
是进行该归一化后在i，j索引位置上的值；
[0026]所述Z
‑
score归一化是根据公式进行；
[0027]其中：
[0028]所述i和i分别是展开的二维矩阵的行索引和列索引；
[0029]所述μ
j
和δ
j2
分别表示变量j的均值和变量j的方差；
[0030]所述步骤3)中数据集的划分是按照7：3的比例将归一化后的数据划分训练集和测试集；
[0031]所述步骤3)中数据增强处理的方式是以添加高斯噪音的方式对训练集的数量扩充至5倍；
[0032]所述高斯噪音的表达式是：
[0033]x
noise
＝x+norm(μ＝0，σ＝0.02)
[0034]其中：
[0035]所述x表示对预处理后的图像进行标准化的数据值；
[0036]所述norm函数是生成服从正态分布随机数，期望值μ为0，标准差σ为0.02。
[0037]优选地，步骤4)的具体实现方式是：
[0038]4.1)通过PyTorch模块构建Resnet卷积神经网络模型；
[0039]4.2)将Resnet卷积神经网络模型的最后一层替换为适应多任务分类的两个分类器；两个分类器分别对应黑茶品牌的分类以及黑茶年份的分类；
[0040]4.3)将通过步骤3)所得到的黑茶数据集中每个样本数据视为单通道的二维矩阵并导入Resnet卷积神经网络模型中进行训练；
[0041]4.4)观察训练过程中训练集损失与准确率，直至Resnet卷积神经网络模型损失平稳后停止训练，保存Resnet卷积神经网络模型的参数，得到黑茶品牌以及陈化年份的分类模型。
[0042]优选地，步骤4.3)中Resnet卷积神经网络模型在训练时，batch
‑
size设置为32，学习率设置为0.0001。
[0043]优选地，步骤4.4)的具体实现方式是：观察训练过程中训练集损失与准确率，采用随机梯度下降法对Resnet卷积神经网络模型件优化，采用损失函数分别计算两个分类任务的损失，然后将这些损失叠加，直至Resnet卷积神经网络模型损失平稳后停止训练，保存Resnet卷积神经网络模型的参数，得到黑茶品牌以及陈化年份的分类模型；所述损失函数是交叉熵损失函数。
[0044]优选地，步骤4.4)还包括：
[0045]4.5)对构建得到的黑茶品牌以及陈化年份的分类模型进行评估；所述评估的方式是根据测试集的混淆矩阵以分类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种黑茶陈化年份的鉴别方法，其特征在于：所述黑茶陈化年份的鉴别方法包括以下步骤：1)准备黑茶茶汤样品；2)采用三维荧光光谱仪获取黑茶茶汤样品的图像并对图像进行预处理，得到预处理后的图像；3)对预处理后的图像依次进行标准化、数据集划分以及数据增强处理，获取黑茶数据集；4)构建黑茶品牌与陈化年份的多任务学习模型，利用步骤3)获取得到的黑茶数据集进行训练，得到黑茶品牌以及陈化年份的分类模型；5)根据步骤4)构建得到的黑茶品牌以及陈化年份的分类模型对黑茶的陈化年份进行鉴别。2.根据权利要求1所述的黑茶陈化年份的鉴别方法，其特征在于：所述步骤1)的具体实现方式是：天平称取黑茶样品，放入80℃超纯水中，在80℃水浴条件下加热，在室温下冷却后取出部分茶汤，用尼龙滤膜过滤得到滤汤，用超纯水将滤汤稀释后得到黑茶茶汤样品。3.根据权利要求2所述的黑茶陈化年份的鉴别方法，其特征在于：所述步骤1)中，黑茶样品与超纯水的质量体积比是1∶50～1∶200；所述加热时间是5min～15min；所述尼龙滤膜是0.22μm尼龙滤膜；所述稀释的倍数是5～20倍。4.根据权利要求3所述的黑茶陈化年份的鉴别方法，其特征在于：所述步骤2)的具体实现方式是：2.1)测定黑茶茶汤样品的三维荧光光谱，得到黑茶茶汤样品的三维荧光光谱图像；2.2)对步骤2.1)获取得到的每个黑茶茶汤样品的三维荧光光谱图像，扣除两阶瑞利散射以及内滤效应，得到预处理后的图像，所述预处理后的图像是二维矩阵。5.根据权利要求4所述的黑茶陈化年份的鉴别方法，其特征在于：所述步骤2)中测定黑茶茶汤样品的三维荧光光谱时，所采用的激发波长范围为230～530nm，步长5nm；发射波长范围为244.73～827.81nm，步长2.33nm；积分时长为0.5s。6.根据权利要求5所述的黑茶陈化年份的鉴别方法，其特征在于：所述步骤3)中对预处理后的图像进行标准化的具体实现方式是依次进行最小最大归一化和Z
‑
score归一化；所述最小最大归一化是根据公式进行；其中：所述i和j分别是展开的二维矩阵的行索引和列索引；所述x
ij，old
是进行该归一化前在i，j索引位置上的值；所述x
ij，new
是进行该归一化后在i，j索引位置上的值；所述Z
‑
score归一化是根据公式进行；其中：所述i...

【专利技术属性】
技术研发人员：邱波，谭欣，李海普，郭婧琳，蒋锦，
申请(专利权)人：中南大学，
类型：发明
国别省市：