小種紅茶茶多酚和咖啡堿近紅外定量分析模型的建立

盧莉，程曦，張渤，沈小霞，劉艷，熊麗，袁瀟，李遠(yuǎn)華*，黎星輝*

小種紅茶茶多酚和咖啡堿近紅外定量分析模型的建立

盧莉1，程曦1，張渤1，沈小霞1，劉艷1，熊麗1，袁瀟2，李遠(yuǎn)華1*，黎星輝2*

1. 武夷學(xué)院茶與食品學(xué)院，福建 武夷山 354300；2. 南京農(nóng)業(yè)大學(xué)園藝學(xué)院，江蘇 南京 210095

以76份有代表性的小種紅茶為研究對(duì)象，采用現(xiàn)行國(guó)標(biāo)方法測(cè)定的茶多酚和咖啡堿含量作為近紅外預(yù)測(cè)模型的化學(xué)值，對(duì)應(yīng)采集樣品的近紅外光譜值，分別建立小種紅茶茶多酚和咖啡堿含量最佳偏最小二乘法（Partial least squares，PLS）模型。結(jié)果表明，所構(gòu)建的茶多酚含量模型校正集決定系數(shù)（Coefficient of determination，2）為97.59%，校正均方差（Root mean square error of calibration，RMSEC）為0.566%，驗(yàn)證集2為95.06%，預(yù)測(cè)均方差（Root mean square error of prediction，RMSEP）為0.855%；咖啡堿含量模型校正集2為96.98%，RESEC為0.110%，驗(yàn)證集2為95.67%，RESEP為0.148%。茶多酚和咖啡堿含量定量分析模型效果均較好，可實(shí)現(xiàn)對(duì)小種紅茶茶多酚和咖啡堿含量的快速檢測(cè)。

小種紅茶；近紅外光譜；茶多酚；咖啡堿；模型

小種紅茶起源于福建省武夷山市，至今已有近400年的歷史。在小種紅茶的基礎(chǔ)上，又發(fā)展出工夫紅茶和紅碎茶。小種紅茶由荷蘭人傳入英國(guó)以后，英國(guó)興起了紅茶文化，使紅茶成為世界產(chǎn)銷(xiāo)量最大的茶類(lèi)。2005年以前，小種紅茶絕大部分外銷(xiāo)，國(guó)內(nèi)消費(fèi)市場(chǎng)有限，相關(guān)研究較少。2005年以來(lái)，隨著金駿眉等高端產(chǎn)品的開(kāi)發(fā)，小種紅茶越來(lái)越受到國(guó)內(nèi)消費(fèi)者喜愛(ài)和追捧。茶多酚是形成紅茶品質(zhì)的重要物質(zhì)，是茶湯呈現(xiàn)爽口和刺激性的主要成分；咖啡堿是茶葉的重要滋味物質(zhì)，其與茶黃素以氫鍵締合后形成的復(fù)合物具有鮮爽味，是構(gòu)成紅茶品質(zhì)的重要因子[1]。

近紅外光譜分析技術(shù)是一種間接分析技術(shù)，不同于常規(guī)的化學(xué)分析方法，而是采用統(tǒng)計(jì)學(xué)方法在樣品待測(cè)屬性值與近紅外光譜數(shù)據(jù)之間建立一個(gè)關(guān)聯(lián)模型（或稱(chēng)校正模型），再進(jìn)行驗(yàn)證完成模型的建立，通過(guò)構(gòu)建的模型來(lái)預(yù)測(cè)樣品被測(cè)組分含量[2]。傅里葉近紅外光譜具有操作簡(jiǎn)單、制樣簡(jiǎn)單、不損傷樣品、用樣少、無(wú)污染物、靈敏度較高等特點(diǎn)[3]，適用于快速檢測(cè)。近紅外光譜技術(shù)已廣泛應(yīng)用于產(chǎn)地溯源、多組分檢測(cè)以及過(guò)程控制等領(lǐng)域[4]。

近紅外光譜技術(shù)在茶葉方面的應(yīng)用已取得一定進(jìn)展[5-10]。茶葉建模不能以某一茶類(lèi)模型通用于其他茶類(lèi)，需要對(duì)特定茶類(lèi)進(jìn)行單一建模。我國(guó)茶葉產(chǎn)品花色品種豐富，綠茶、紅茶、黑茶、烏龍茶、白茶等茶類(lèi)產(chǎn)品均有關(guān)于品質(zhì)成分近紅外光譜快速定量檢測(cè)方面的研究，但尚未見(jiàn)到該技術(shù)在小種紅茶茶多酚和咖啡堿檢測(cè)上的應(yīng)用研究。本試驗(yàn)采用偏最小二乘（Partial least squares，PLS）法建立小種紅茶茶多酚和咖啡堿定量分析模型，為小種紅茶中茶多酚和咖啡堿含量的快速檢測(cè)提供參考和技術(shù)支持。

1 材料與方法

1.1 試驗(yàn)材料

試驗(yàn)所用樣品部分采購(gòu)于武夷山市茶企，部分由武夷山正山茶業(yè)有限公司等企業(yè)提供。為保證樣品的代表性，收集茶樣為不同廠家、不同類(lèi)別、不同等級(jí)、不同品種、不同區(qū)域的茶樣，共76個(gè)樣品。

1.2 儀器與設(shè)備

VERTEX 70傅立葉近紅外光譜儀（美國(guó)布魯克儀器公司），Agilengt-1260高效液相色譜儀（安捷倫科技有限公司），Sartorius BS224S電子分析天平（德國(guó)賽多利斯公司），UV-1880紫外可見(jiàn)分光光度計(jì)（上海美譜達(dá)儀器有限公司），F(xiàn)Z-102微型植物粉碎機(jī)（天津市泰斯特儀器有限公司），ZFD-A5040A新型鼓風(fēng)干燥箱（上海精宏實(shí)驗(yàn)設(shè)備有限公司）。

1.3 方法

1.3.1 近紅外光譜的采集

樣品使用微型植物粉碎機(jī)粉碎后，過(guò)80目篩，裝袋密封。將粉碎后的樣品粉末放入樣品杯，漫反射旋轉(zhuǎn)掃描模式采集光譜。光譜采集范圍為4?000~12?000?cm-1，分辨率為8?cm-1，掃描次數(shù)為64次。采用空調(diào)控溫，使測(cè)試環(huán)境溫度控制在25℃左右。每個(gè)樣品掃描3次，取平均值作為最終光譜數(shù)據(jù)。

1.3.2 茶多酚和咖啡堿含量的測(cè)定

茶多酚含量測(cè)定：采用國(guó)家標(biāo)準(zhǔn)方法《茶葉中茶多酚和兒茶素類(lèi)含量的檢測(cè)方法》（GB/T 8313—2018）[11]。

咖啡堿含量測(cè)定：采用國(guó)家標(biāo)準(zhǔn)方法《茶咖啡堿測(cè)定》（GB/T 8312—2013）第一法[12]。

1.3.3 建模方法

偏最小二乘法回歸可以對(duì)全波譜數(shù)據(jù)或部分光譜數(shù)據(jù)進(jìn)行分析，能夠?qū)馍⑸浜推渌M分帶來(lái)的干擾做出補(bǔ)償，適用于復(fù)雜體系，模型比較穩(wěn)定[13]。茶葉成分復(fù)雜，因此，本試驗(yàn)采用PLS建立小種紅茶茶多酚和咖啡堿定量分析模型。

1.3.4 模型評(píng)價(jià)方法

通常采用樣本校正集與預(yù)測(cè)集決定系數(shù)（Coefficient of determination，2）、交互驗(yàn)證以及預(yù)測(cè)集均方根誤差等指標(biāo)評(píng)價(jià)模型。2的值越接近1，交互驗(yàn)證均方根誤差（Root mean square error of cross validation，RMSECV）與預(yù)測(cè)均方差（Root mean square error of prediction，RMSEP）的值越小，則模型的預(yù)測(cè)效果越好[14]。

1.4 數(shù)據(jù)處理

使用OPUS 7.5軟件進(jìn)行數(shù)據(jù)格式的轉(zhuǎn)換和構(gòu)建模型，采用Origin 8.0軟件作圖。

2 結(jié)果與分析

2.1 茶多酚和咖啡堿化學(xué)值測(cè)定結(jié)果

應(yīng)用OPUS 7.5軟件按7∶3的比例，從76份小種紅茶樣品中隨機(jī)選擇54份樣品作為校正集，其余22份樣品作為驗(yàn)證集，用于茶多酚和咖啡堿含量定量分析模型的建立，結(jié)果如表1所示。茶多酚的校正集的含量范圍為6.51%~19.88%，標(biāo)準(zhǔn)差為3.56%，驗(yàn)證集的含量范圍為7.63%~19.63%，標(biāo)準(zhǔn)差為3.85%?？Х葔A的校正集的含量范圍為3.05%~5.43%，標(biāo)準(zhǔn)差為0.61%，驗(yàn)證集的含量范圍為3.06%~5.42%，標(biāo)準(zhǔn)差為0.71%。茶多酚和咖啡堿驗(yàn)證集含量范圍均處在校正集樣品含量范圍之內(nèi)。茶多酚和咖啡堿的校正集與驗(yàn)證集標(biāo)準(zhǔn)差均相近，茶多酚和咖啡堿含量變動(dòng)范圍較大，說(shuō)明選擇的樣本合理，樣品代表性較強(qiáng)。

2.2 光譜預(yù)處理方法的選擇

儀器響應(yīng)、散射光、雜射光、樣品不均勻等與待測(cè)樣品性質(zhì)無(wú)關(guān)的因素均會(huì)對(duì)近紅外光譜造成干擾，導(dǎo)致近紅外光譜出現(xiàn)基線漂移或傾斜等現(xiàn)象。對(duì)光譜進(jìn)行不同預(yù)處理，可以提高模型準(zhǔn)確性和可靠性[15]。

本試驗(yàn)比較了無(wú)預(yù)處理（NONE）、最小-最大歸一化（Min/max）、內(nèi)部標(biāo)準(zhǔn)（Internal standards，IS）、消除常數(shù)偏移量（Elimination of constant offset，ECO）、減去一條直線（Minus a straight line，MSL）、標(biāo)準(zhǔn)歸一化（Standard normal variate，SNV）、多元散射校正法（Multiplicative signal correction，MSC）、一階導(dǎo)數(shù)（First derivative，F(xiàn)D）和二階導(dǎo)數(shù)（Second derivative，SD）等12種光譜預(yù)處理方法。以RMSECV、RMSEP及2為考察指標(biāo)，最終確定茶多酚含量定量分析模型的光譜預(yù)處理方法為SNV，用于咖啡堿含量定量分析模型的光譜預(yù)處理方法為FD＋MSL（表2）。

2.3 主成分?jǐn)?shù)的選擇

主成分?jǐn)?shù)的選擇對(duì)模型實(shí)際預(yù)測(cè)效果影響很大，主成分?jǐn)?shù)選擇太少，則不能反映被測(cè)組分所產(chǎn)生的全部光譜信息，導(dǎo)致模型欠擬合，模型預(yù)測(cè)準(zhǔn)確度下降；主成分?jǐn)?shù)選擇過(guò)多，又會(huì)導(dǎo)致過(guò)擬合現(xiàn)象，使模型預(yù)測(cè)能力下降[16]。本研究以RMSECV為評(píng)價(jià)指標(biāo)（RMSECV值越接近0越好），篩選最佳主成分?jǐn)?shù)。茶多酚含量定量分析模型建立選擇的最佳主成分?jǐn)?shù)為10，咖啡堿含量定量分析模型建立選擇的最佳主成分?jǐn)?shù)為7。

2.4 茶多酚和咖啡堿定量分析模型的建立

使用Origin 8.0軟件對(duì)近紅外光譜圖進(jìn)行處理、OPUS 7.5軟件進(jìn)行模型建立，采用PLS法建立茶多酚和咖啡堿含量定量分析模型。茶多酚含量定量分析模型采用SNV，4?000~11?000?cm-1建模波段，主成分?jǐn)?shù)為10，建模結(jié)果如圖1所示，校正集2=97.59%，校正均方差（Root mean square error of calibration，RMSEC）=0.566%，驗(yàn)證集2=95.06%，RMSEP=0.855%?？Х葔A含量定量分析模型采用FD＋MSL，4?000~7?000?cm-1建模波段，主成分?jǐn)?shù)為7，建模結(jié)果如圖2所示，校正集2=96.98%，RMSEC=0.110%，驗(yàn)證集2=95.67%，RMSEP=0.148%。茶多酚和咖啡堿校正集和預(yù)測(cè)集相關(guān)系數(shù)均較高，說(shuō)明其模型預(yù)測(cè)性能均較好。茶多酚模型的NIR預(yù)測(cè)值與實(shí)測(cè)值的偏差在–1.30~2.07范圍內(nèi)，咖啡堿模型的NIR預(yù)測(cè)值與實(shí)測(cè)值的偏差在–0.24~0.36范圍內(nèi)，說(shuō)明茶多酚和咖啡堿的NIR預(yù)測(cè)值與實(shí)測(cè)值均相近，定量分析模型構(gòu)建成功。

表1 校正集和驗(yàn)證集樣品含量分布

2.5 茶多酚和咖啡堿定量分析模型的驗(yàn)證

將國(guó)標(biāo)方法測(cè)得的茶多酚和咖啡堿化學(xué)值與模型預(yù)測(cè)值進(jìn)行對(duì)比分析，對(duì)定量分析模型進(jìn)行驗(yàn)證。22份驗(yàn)證集樣品的茶多酚預(yù)測(cè)值和真實(shí)值結(jié)果如圖3-A所示，絕對(duì)偏差為0.02%~2.07%，平均相對(duì)誤差為5.02%；咖啡堿預(yù)測(cè)值和真實(shí)值結(jié)果如圖3-B所示，絕對(duì)偏差為0.01%~0.36%，預(yù)測(cè)值與真實(shí)值較接近，平均相對(duì)誤差為3.03%。茶多酚和咖啡堿模型的預(yù)測(cè)偏差均較小，準(zhǔn)確度較高。說(shuō)明所建立的小種紅茶茶多酚和咖啡堿模型預(yù)測(cè)效果較好，可應(yīng)用于小種紅茶茶多酚和咖啡堿的快速檢測(cè)。

%

表2 不同預(yù)處理方法對(duì)定量模型性能的影響

圖1 小種紅茶茶多酚含量的NIR預(yù)測(cè)值與參考值的相關(guān)圖

圖2 小種紅茶咖啡堿含量的NIR預(yù)測(cè)值與參考值的相關(guān)圖

圖3 22份驗(yàn)證集樣品茶多酚和咖啡堿的預(yù)測(cè)值和參考值

Fig. 3NIR predicted values and reference values of 22 samples of tea polyphenols and caffeine in validation set

3 討論與結(jié)論

本研究采集小種紅茶4?000~12?000?cm-1波長(zhǎng)范圍內(nèi)的光譜圖像，茶多酚選用光譜預(yù)處理方法為SNV，最佳建模波段為4?000~11?000?cm-1，主成分?jǐn)?shù)為10；咖啡堿選用光譜預(yù)處理方法為FD＋MSL，最佳建模波段為4?000~7?000?cm-1，主成分?jǐn)?shù)為7。所構(gòu)建的小種紅茶茶多酚含量模型校正集2為97.59%，RESEC為0.566%，驗(yàn)證集2為95.06%，RESEP為0.855%；咖啡堿含量模型校正集R為96.98%，RESEC為0.110%，驗(yàn)證集R為95.67%，RESEP為0.148%。Li等[17]基于紅外光譜技術(shù)建立的茶多酚最優(yōu)回歸模型驗(yàn)證相關(guān)性為0.905?9，均方根誤差（Root mean square error，RMSE）為1.027?7，能方便、有效測(cè)定14個(gè)茶樹(shù)品種中茶多酚含量。趙峰等[18]采用TQ Analyst 8.5光譜分析計(jì)量學(xué)軟件，比較不同數(shù)據(jù)預(yù)處理方法的建模結(jié)果，優(yōu)選并成功建立了武夷巖茶茶多酚和咖啡堿的定量分析模型，預(yù)測(cè)模型相關(guān)系數(shù)分別為0.742?7和0.860?1，標(biāo)準(zhǔn)偏差分別為0.748%和0.139%。周小芬[19]采用NIRS-PLS法，對(duì)不同波數(shù)和光譜預(yù)處理方法進(jìn)行優(yōu)化選擇，建立了大佛龍井茶咖啡堿定量分析模型，主成分因子數(shù)為7時(shí)，校正相關(guān)系數(shù)和預(yù)測(cè)相關(guān)系數(shù)分別為96.48%和95.36%，模型定標(biāo)效果較好。王玉霞等[20]建立了綠茶茶湯中茶多酚和咖啡堿的定量分析模型，茶多酚交叉檢驗(yàn)和預(yù)測(cè)模型的決定系數(shù)分別為99.21%和98.89%，咖啡堿交叉檢驗(yàn)和預(yù)測(cè)模型的決定系數(shù)分別為95.27%和96.23%。陳美麗等[21]建立茉莉花茶茶多酚和咖啡堿的定量分析模型，預(yù)測(cè)值與真實(shí)值間的相關(guān)系數(shù)分別為96.15%和70.71%。說(shuō)明近紅外光譜技術(shù)可用于各類(lèi)茶葉中茶多酚和咖啡堿含量的快速檢測(cè)。

本研究針對(duì)紅茶中的小種紅茶進(jìn)行單一建模，針對(duì)性強(qiáng)，所建立茶多酚和咖啡堿含量定量分析模型效果均較好。在今后應(yīng)用過(guò)程中，將進(jìn)一步對(duì)小種紅茶的其他主要品質(zhì)成分及感官滋味特征屬性進(jìn)行建模。目前自動(dòng)化檢測(cè)技術(shù)在小種紅茶加工中鮮有應(yīng)用，關(guān)鍵工序的程度掌握仍以感官評(píng)判為主，將近紅外技術(shù)用于小種紅茶生產(chǎn)過(guò)程的在線檢測(cè)，可為推動(dòng)小種紅茶智能化生產(chǎn)提供科學(xué)依據(jù)。

[1] 宛曉春. 茶葉生物化學(xué)[M]. 3版. 北京: 中國(guó)農(nóng)業(yè)出版社, 2003: 39, 191. Wan X C. Tea biochemistry [M]. 3rd ed. Beijing: China Agriculture Press, 2003: 39, 191.

[2] 田翔, 劉思辰, 王海崗, 等. 近紅外漫反射光譜法快速檢測(cè)谷子蛋白質(zhì)和淀粉含量[J]. 食品科學(xué), 2017, 38(16): 140-144.Tian X, Liu S C, Wang H G, et al. Application of near infrared diffuse reflectance spectroscopy in rapid detection of crude protein and starch in foxtail millet [J]. Food Science, 2017, 38(16): 140-144.

[3] Wu Y H, Zheng Y, Du Y P, et al. Study on difference between epidermis, phloem and xylem of radix Ginseng with near-infrared and infrared spectroscopy coupled with principal component analysis [J]. Vibrational Spectroscopy, 2011, 50(2): 201-206.

[4] 王怡淼, 朱金林, 張慧, 等. 基于MC-UVE、GA算法及因子分析對(duì)葡萄酒酒精度近紅外定量模型的優(yōu)化研究[J]. 發(fā)光學(xué)報(bào), 2018, 39(9): 1310-1316.Wang Y M, Zhu J L, Zhang H, et al. Optimization of near infrared quantitative model for wine alcohol content based on MC-UVE，GA algorithm and factor analysis [J]. Chinese Journal of Luminescence, 2018, 39(9): 1310-1316.

[5] Jiang H, Chen Q. Chemometric models for the quantitative descriptive sensory properties of green tea (, L. ) using fourier transform near infrared ( FT-NIR) spectroscopy [J]. Food Anal Method, 2015, 8(4): 954-962.

[6] Ouyang Q, Liu Y, Chen Q, et al. Intelligent evaluation of color sensory quality of black tea by visible-near infrared spectroscopy technology: a comparison of spectra and color data information [J]. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 2017, 180: 91-96.

[7] Meng W J, Xu X N, Cheng K K, et al. Geographical origin discrimination of Oolong tea (TieGuanYin,, (L.) O. Kuntze) using proton nuclear magnetic resonance spectroscopy and near-infrared spectroscopy [J]. Food Analytical Methods, 2017, 10(11): 3508-3522.

[8] Dong C W, Li J, Wang J J, et al. Rapid determination by near infrared spectroscopy of theaflavins-to-thearubigins ratio during Congou black tea fermentation process [J]. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 2018, 205: 227-234.

[9] Li X L, Jin J J, Sun C J, et al. Simultaneous determination of six main types of lipid-soluble pigments in green tea by visible and near-infrared spectroscopy [J]. Food Chemistry, 2019, 270: 236-242.

[10] 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. doi: 10.1016/j.lwt.2020.109216.

[11] 全國(guó)茶葉標(biāo)準(zhǔn)化技術(shù)委員會(huì). 茶葉中茶多酚和兒茶素類(lèi)含量的檢測(cè)方法: GB/T 8313—2018 [S]. 北京: 中國(guó)標(biāo)準(zhǔn)出版社, 2018.National Technical Committee 339 on Tea of Standardization Administration of China. Determination of total polyphenols and catechins content in tea: GB/T 8313—2018 [S]. Beijing: China Standard Press, 2018.

[12] 全國(guó)茶葉標(biāo)準(zhǔn)化技術(shù)委員會(huì). 茶咖啡堿測(cè)定: GB/T 8312—2013 [S]. 北京: 中國(guó)標(biāo)準(zhǔn)出版社, 2013.National Technical Committee 339 on Tea of Standardization Administration of China.Tea-determination of caffeine content: GB/T 8312—2013 [S]. Beijing: China Standard Press, 2013.

[13] 王海霞, 林萍, 周文婷, 等. 廣金錢(qián)草浸出物的近紅外光譜法測(cè)定[J]. 中國(guó)醫(yī)藥工業(yè)雜志, 2014, 45(8): 779-781.Wang H X, Lin P, Zhou W T, et al. Determination of extracts content in desmodium styracifolium by near-infrared spectroscopy [J]. Chinese Journal of Pharmaceuticals, 2014, 45(8): 779-781.

[14] 李姝寰. 基于NIR和HSI技術(shù)的祁門(mén)工夫紅茶數(shù)字化拼配研究[D]. 合肥: 安徽農(nóng)業(yè)大學(xué), 2018: 16. Li S H. Study on the digital tea blending tea of Keemun Gongfu black tea based on NIR and HSI technology [D]. Hefei: Anhui Agricultural University, 2018: 16.

[15] 李水芳, 單楊, 朱向榮, 等. 近紅外光譜結(jié)合化學(xué)計(jì)量學(xué)方法檢測(cè)蜂蜜產(chǎn)地[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2011, 27(8): 350-354.Li S F, Shan Y, Zhu X R, et al. Detection of geographical origin of honey using near-infrared spectroscopy and chemometrics [J]. Transactions of the Chinese Society of Agricultural Engineering, 2011, 27(8): 350-354.

[16] 范睿, 孫曉凱, 周欣, 等. 基于近紅外光譜定量分析花生牛奶可行性[J]. 食品科學(xué), 2017, 38(24): 189-195. Fan R, Sun X K, Zhou X, et al. Feasibility of quantitative analysis of peanut milk based on near infrared spectroscopy [J]. Food Science, 2017, 38(24): 189-195.

[17] Li X L, Sun C J, Luo L B, et al. Determination of tea polyphenols content by infrared spectroscopy coupled with iPLS and random frog techniques [J]. Computers and Electronics in Agriculture, 2015, 112: 28-35.

[18] 趙峰, 林河通, 楊江帆, 等. 基于近紅外光譜的武夷巖茶品質(zhì)成分在線檢測(cè)[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2014, 30(2): 269-277.Zhao F, Lin H T, Yang J F, et al. Online quantitative determination of Wuyi Rock Tea quality compounds by near infrared spectroscopy [J]. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(2): 269-277.

[19] 周小芬. 基于近紅外的大佛龍井茶品質(zhì)評(píng)價(jià)研究[D]. 北京: 中國(guó)農(nóng)業(yè)科學(xué)院, 2012: 47-49.Zhou X F. Study on quality evaluation of Dafo longjing tea based on near infrared spectroscopy [D]. Beijing: Chinese Academy of Agricultural Sciences, 2012: 47-49.

[20] 王玉霞, 徐榮榮, 任廣鑫, 等. 綠茶茶湯中主要品質(zhì)成分近紅外定量分析模型的建立[J]. 茶葉科學(xué), 2011, 31(4): 355-361. Wang Y X, Xu R R, Ren G X, et al. Establishment of the predictive models for quantitative analysis of major components in green tea infusion by near infrared spectroscopy (NIRS) [J]. Journal of Tea Science, 2011, 31(4): 355-361.

[21] 陳美麗, 張俊, 龔淑英, 等. 茉莉花茶主要品質(zhì)成分定量近紅外光譜分析模型的建立[J]. 茶葉科學(xué), 2013, 33(1): 21-26. Chen M L, Zhang J, Gong S Y, et al. Establishment of predictive model for quantitative analysis of major components in jasmine tea by near infrared spectroscopy (NIRS) [J]. Journal of Tea Science, 2013, 33(1): 21-26.

Establishment of Predictive Model for Quantitative Analysis of Tea Polyphenols and Caffeine of Souchong by Near Infrared Spectroscopy

LU Li1, CHENG Xi1, ZHANG Bo1, SHEN Xiaoxia1, LIU Yan1, XIONG Li1, YUAN Xiao2, LI Yuanhua1*, LI Xinghui2*

1. College of Tea and Food Sciences, Wuyi University, Wuyishan 354300, China; 2. College of Horticulture, Nanjing Agricultural University, Nanjing 210095, China

A total of 76 representative Souchong samples were studied. Quantitative models of tea polyphenols and caffeine of Souchong were established respectively by partial least squares (PLS). The chemical values of tea polyphenols and caffeine of 76 Souchong samples were measured by Chinese National Standard methods, combined with the near infrared spectrum. The results show that the2and RMSEC values of tea polyphenols of calibration set were 97.59% and 0.566%. And the2and RMSEP values of validation set were 95.06% and 0.855%. The2and RMSEC values of caffeine of calibration set were 96.98% and 0.110%. And the2and RMSEP values of validation set were 95.67% and 0.148%. The quantitative models had good prediction results, and could be used for rapid evaluation of the contents of tea polyphenols and caffeine in Souchong.

Souchong, near infrared spectroscopy (NIRS), tea polyphenols, caffeine, models

S571.1；O657.33

A

1000-369X(2020)05-689-07

2020-06-12

2020-07-25

福建省自然科學(xué)基金（2017J01648）、福建省科技創(chuàng)新平臺(tái)建設(shè)（2018N2004）、國(guó)家自然科學(xué)基金（31870682）

盧莉，女，講師，主要從事茶樹(shù)栽培育種與茶葉加工技術(shù)研究。*通信作者：yhli@wuyiu.edu.cn；lxh@njau.edu.cn