工程學院呂恩利/郭嘉明課題組在Food Chemistry上發表研究成果

審核發布:宣傳部 曾子焉 來源單位及審核人:工程學院 齊龍 發布時間:2022-11-16瀏覽次數:10

  近日,我校國家農產品冷鏈物流裝備研發專業中心主任、工程學院呂恩利副教授團隊在國際著名期刊Food Chemistry(IF=9.231) 發表題為“Improving the detection accuracy of the nitrogen content of fresh tea leaves by combining FT-NIR with moisture removal method”的科研論文(論文鏈接:https://doi.org/10.1016/j.foodchem.2022.134905)。文章以亚博ag正规 為第一單位,廣東省農業科學院茶葉研究所、美國伊利諾伊大學香檳分校等為參與單位。第一作者和通信作者分別為工程學院郭嘉明副教授和劉妍華副教授。

  英紅九號是中國著名的紅茶,產於廣東省英德市。氮含量是衡量茶葉質量的重要指標之一,也是茶葉中許多有機化合物的重要組成部分,如蛋白質、葉綠素和氨基酸等。傳統檢測氮含量是根據凱氏定氮法測定的,這種方法耗時長、成本高,而且需要專業人員操作。因此,迫切需要開發一種快速、無損的檢測方法用於氮含量的檢測。目前,近紅外光譜技術已廣泛應用茶葉的內含物檢測、產地識別、質量分級等方麵,但大多數研究都是以茶葉幹粉末為研究對象。由於茶鮮葉中水分會對光譜造成很大的影響,會大大降低預測模型的準確度,一直是研究中的難點。

  本研究首次將外部參數正交化(EPO)方法與FT-NIR近紅外光譜技術相結合,研究發現EPO方法能降低水分對光譜的影響,能夠顯著提高預測模型的準確度。首先,消除光譜中水分對N-H鍵和C-N鍵等有效信息覆蓋的影響,再結合特征提取方法(VCPA-IRIV),繼而建立PLSR預測模型。結果表明,此策略能夠顯著提高數學模型的預測準確度,且與前人研究結果相比,預測模型的相關係數R²由0.8881提高至0.9371,並且用於建模分析的變量數也由此前的778個降低至18個,大大縮短了數據分析所需時間。這項工作為茶鮮葉內含物的無損檢測及實際應用提供了新的思路。

  該研究得到了廣東省農業科技創新與推廣項目(No. 2022KJ101)、廣東省農產品保鮮與物流共同技術創新團隊(No. 2022KJ145)、提升市縣茶葉科技能力促進產業發展專項(403-2018-XMZC-0002-90)等項目的資助。

文圖/工程學院


返回原圖
/