基于微型近红外光谱的黑茶地理溯源研究

摘要

为规范茶叶市场秩序，保障消费者权益，本研究提出基于微型近红外光谱结合化学计量学的黑茶地理溯源的快速甄别方法，以提供透明、可信的黑茶产地溯源信息。以安徽安茶、四川雅安藏茶、湖南安化黑茶和湖北青砖茶为研究对象，采用微型近红外光谱仪原位采集样品光谱信息，利用模拟退火算法、粒子群优化算法、蚁群优化（ant colony optimization,ACO）算法与迭代变量子集优化法结合线性判别分析和极限学习机（extreme learning machine,ELM）方法构建黑茶地理溯源分类模型。结果显示，采用ACO提取10个与黑茶地理溯源有关的特征波长信息，基于上述10个波长信息的ELM预测模型的正确判别率为97.5%。研究结果表明，基于微型近红外光谱结合化学计量学方法对国内主要产区的黑茶地理溯源具有良好的实用价值。

关键词

微型近红外光谱 / 化学计量学算法 / 黑茶 / 地理溯源 / 蚁群优化