[发明专利]基于人工神经网络的近红外光谱茶叶主要成分检测方法

权利要求书

1.一种基于人工神经网络的近红外光谱茶叶主要成分检测方法，其特征在于，包括以下步骤：

（1）、茶叶样本的准备，采摘新鲜茶业洗净干燥并密封冷藏；

（2）、将密封冷藏的茶叶组成样本集，用交叉验证方法将样本集分为校正集和预测集；

（3）、扫描件所有校正集合预测集的近红外光谱；

（4）、利用酒石酸铁比色法测定茶叶中茶多酚含量，利用蒽酮比色法检测茶叶中茶多糖的含量；

（5）、建立近红外光谱定量分析模型，使用BP神经网络构建校正集样茶叶主成分含量与近红外特征光谱之间的定量校正模型；

（6）、近红外定量分析模型测定预测集样本的茶叶主要成分含量，将预测集样品的近红外光谱信息数据输入所述校正模型，得到预测集样本的主要成分含量。

2.根据权利要求1所述一种基于人工神经网络的近红外光谱茶叶主要成分检测方法，其特征在于：利用近红外光谱仪进行近红外光谱的采集，测定范围5000-10000cm -1 ，分年率8cm -1 ，扫描次数不低于60次。

3.根据权利要求1所述一种基于人工神经网络的近红外光谱茶叶主要成分检测方法，其特征在于：对样品光谱利用基线校正、平滑方法、一阶微分、二阶微分、多元散射校正方法或标准正态变换方法进行预处理。

4. 根据权利要求1所述一种基于人工神经网络的近红外光谱茶叶主要成分检测方法，其特征在于： 采用传播神迹网络算法进行计算，人工神经网络为3层，选取近红外光谱数据，然后将光谱数据进行主成分样品变换作为神经网络的输入并建立相应模型，形成网络输入层与隐含层、隐含层于输出层节点的传递函数；并采用校正集样本，将化学分析法测定的糖度含量作为标准值，作为建模的输出量。

5.根据权利要求1所述一种基于人工神经网络的近红外光谱茶叶主要成分检测方法，其特征在于：所述校正集和预测集之间用相关系统评价其相关性，误差均方耿作为网络训练的评估标注，预测误差差军方根反应模型对未知样本的预测效果。