一种基于钴离子的碳量子点及其制备方法与应用技术

本发明专利技术公开了一种基于钴离子的碳量子点及其制备方法与应用，属于食品安全技术领域

【技术实现步骤摘要】
一种基于钴离子的碳量子点及其制备方法与应用


[0001]本专利技术涉及食品安全
，具体涉及一种基于钴离子的碳量子点及其制备方法与应用
。

技术介绍

[0002]红茶是中国生产和出口的主要茶叶类型之一
。
根据加工技术的不同，它可以分为三类：工夫红茶
、
小种红茶和
CTC(
粉碎
、
撕碎
、
卷曲的简称
)
红茶
。
工夫红茶是中国分布最广
、
产量最大的红茶品种
。
祁门红茶是工夫红茶的一种，其加工过程包括萎凋
、
揉捻
、
发酵和干燥
。
发酵对红茶的质量至关重要，因为它对颜色
、
味道和香气有影响
。
发酵不充分或过度会对红茶的质量产生负面影响
。
红茶发酵的主要过程是多酚氧化，由多酚氧化酶和过氧化物酶催化，发酵过程中的这种氧化对茶叶的口感
、
汤色和香气的形成起着关键作用
。
多酚类物质在红茶发酵过程中可以自我氧化和自我聚合，产生氧化产物，如茶黄素
(TFs)、
茶红素
(TRs)
和茶氨酸
(TB)。
发酵程度分别与
TF
含量和儿茶素含量呈正负相关，发酵时间与儿茶素呈正相关
。
儿茶素在红茶中占多酚类物质的最大比例，包括
EGCG、EC、C、EGC、ECG、GCG
和
GC。
显然，这些成分直接决定了成品茶的口感和品质
。
传统上，红茶的发酵质量是由专家确定的，容易产生主观的偏差
。
而由实验室的专业技术人员进行检测时，又具有一些明显的缺点，如昂贵和耗时，决定了现有的检测技术无法适应实际生产
。
因此，需要开发一种快速
、
方便
、
无损的发酵主要成分检测方法
。
为了解决这个问题，已经制定了确定红茶发酵质量的自动化方法
。
[0003]对质量的监测和控制一直是茶叶加工领域的主要研究方向
。
儿茶素和
TFs
等化学成分的含量变化可以作为红茶发酵质量的关键指标，电子鼻技术
、
电子舌技术和机器视觉技术已经得到应用
。
电子鼻技术是基于发酵过程中的茶叶香气，但香气很容易受到环境因素和设备特定因素
(
检测器漂移
)
的影响
。
在电子舌技术中，采用各种功能的仿生检测传感器来获得样品的总特征信号，并采用适当的模式识别方法识别液体样品的特征信息，以确定发酵程度；然而，这种系统中采用的传感器有局限性，单一的电子舌不能用于检测所有物质
。
计算机视觉系统是基于茶叶的外观，如茶叶的形态和颜色，这些信息与化学计量数据相结合；然而，机器视觉不能用于分析发酵的基本化学成分
。
一般来说，这些方法不能全面地描述发酵过程中发生的物质变化
。
因此，必须开发新的策略来解决上述限制
。

技术实现思路

[0004]为解决
技术介绍
中所提出的技术问题，本专利技术提供一种基于钴离子的碳量子点及其制备方法与应用，制备的基于钴离子的碳量子点绿色稳定，经济易于操作，且对红茶的发酵程度在
30s
内对红茶发酵中的关键物质达到稳定响应，达到
100
％的正确率
。
[0005]本专利技术采用以下技术方案实现：
[0006]一种基于钴离子的碳量子点的制备方法，包括如下步骤：
[0007]将
0.28mmol
柠檬酸钠溶解在
30mL
超纯水中，加入
1.26mmol
尿素和
0.42mmol
硫脲并
混合，然后使用超声波处理器对溶液进行
10min
的处理，当完全溶解时，将其转移到内衬聚四氟乙烯的高压灭菌反应釜中，在
180℃
下加热
6h
，即可
。
[0008]如上述所述的制备方法制备得到的碳量子点
。
[0009]如上述所述的碳量子点在检测红茶发酵质量中应用，包括以下步骤：
[0010](1)
待检测红茶样品的制备
[0011]准备待检测的红茶样品并进行感官评价分类；
[0012](2)
发酵质量的检测
[0013]在
5mL
的离心管中加入
2.7mL
超纯水
、0.1mL
碳量子点溶液
、0.1mL10
‑3mol/L
钴离子溶液和
0.1mL
步骤
(1)
中待检测的红茶样品；离心后，得到上层液体，并获得其荧光光谱；每个样品平行进行六次测量，每次记录三张光谱；
[0014](3)
发酵程度的有效分组
[0015]采用
PCA
和
HCA
研究了通过不同发酵时间红茶样品对碳量子点的荧光淬灭来对发酵程度进行分组；
[0016]PCA、HCA
均在
Origin
中进行，
PCA
结果分析中我们采用了两个主成分代表样品信息，
PCA
是一种常用的无监督的机器学习技术，通过识别数据中最重要的主成分来降低数据集的维度，这些主成分可以解释数据中的方差；简单来说，
PCA
能够将原始的高维数据映影到一个低维空间，该空间能够捕捉变量之间最重要的模式和关系，
HCA
同样为一种常用无监督的机器学习算法，通过将相似的观察值分组，旨在得到样本簇结构的同时发现阉割版分布的层次结构；
HCA
和
PCA
主要区别在于它们的目的不同：
PCA
旨在降低数据集的维度，而
HCA
旨在将相似的样本进行分组，此外，
PCA
的输出是一个新的坐标系和对应的主成分，而
HCA
的输出是一个树状图，其中每个叶节点代表一个样本，而内部节点表示样本的聚类关系；
[0017](4)
监督机器学习技术建立定性模型
[0018]ELM、SVM、LSSVM
模型在
MATLAB2014a(Mathworks
，
Natick
，
USA)
中进行，在建模前，我们将步骤
(2)
分组后的样本按2：1的比例分成校准集和预测集，将光谱数据设置为输入变量，将发酵程度设置为输出变量，
ELM
是一种基于前馈神经网络的机器学习系统或方法，适用于有监本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于钴离子的碳量子点的制备方法，其特征在于，包括如下步骤：将
0.28mmol
柠檬酸钠溶解在
30mL
超纯水中，加入
1.26mmol
尿素和
0.42mmol
硫脲并混合，然后使用超声波处理器对溶液进行
10min
的处理，当完全溶解时，将其转移到内衬聚四氟乙烯的高压灭菌反应釜中，在
180℃
下加热
6h
，即可
。2.
一种如权利要求1所述的制备方法制备得到的碳量子点
。3.
一种如权利要求2所述的碳量子点在检测红茶发酵质量中应用，其特征在于，包括以下步骤：
(1)
待检测红茶样品的制备准备待检测的红茶样品并进行感官评价分类；
(2)
发酵质量的检测在
5mL
的离心管中加入
2.7mL
超纯水
、0.1mL
碳量子点溶液
、0.1mL10
‑3mol/L
钴离子溶液和
0.1mL
步骤
(1)
中待检测的红茶样品；离心后，得到上层液体，并获得其荧光光谱；每个样品平行进行六次测量，每次记录三张光谱；
(3)
发酵程度的有效分组采用
PCA
和
HCA
研究了通过不同发酵时间红茶样品对碳量子点的荧光淬灭来对发酵程度进行分组；
(4)
监督机器学习技术建立定性模型在建模前，我们将步骤
(2)
分组后的样本按2：1的比例分成校准集和预测集，将光谱数据设置为输入变量，将发酵程度设置为输出变量，首先，利用
ELM
算法对输入权值和偏差进行随机初始化，得到相应的输出权值，通过比较不同神经元数目对分类精度的影响，选择最佳隐层神经元数目
N

【专利技术属性】
技术研发人员：李露青，曹舒慈，宁井铭，张正竹，
申请(专利权)人：安徽农业大学，
类型：发明
国别省市：