| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 缩写和符号清单 | 第13-14页 |
| 1 文献综述 | 第14-22页 |
| 1.1 工夫红茶拼配技术的现状 | 第14-16页 |
| 1.1.1 传统的茶叶拼配技术 | 第14页 |
| 1.1.2 茶叶拼配的类型 | 第14-15页 |
| 1.1.3 拼配应掌握的原则 | 第15-16页 |
| 1.2 国内外研究现状与发展趋势 | 第16-17页 |
| 1.2.1 茶叶拼配技术的现状 | 第16页 |
| 1.2.2 光谱技术用于复杂混合物成分分析的研究现状 | 第16-17页 |
| 1.3 近红外光谱技术 | 第17-19页 |
| 1.3.1 近红外光谱数据分析 | 第17-18页 |
| 1.3.2 近红外光谱技术在茶叶质量安全检测方面的应用 | 第18-19页 |
| 1.4 高光谱图像技术 | 第19-22页 |
| 1.4.1 高光谱图像数据分析 | 第20页 |
| 1.4.2 高光谱图像技术在茶叶上的应用 | 第20-22页 |
| 2 引言 | 第22-24页 |
| 2.1 研究目的和意义 | 第22页 |
| 2.2 研究内容 | 第22-23页 |
| 2.3 技术路线 | 第23-24页 |
| 3 材料与方法 | 第24-30页 |
| 3.1 实验材料 | 第24页 |
| 3.2 主要试剂与药品 | 第24页 |
| 3.3 主要仪器与设备 | 第24-25页 |
| 3.4 实验处理与制样 | 第25页 |
| 3.4.1 采用高光谱图像技术的样本制备 | 第25页 |
| 3.4.2 采用近红外光谱技术的样本制备 | 第25页 |
| 3.5 数据信息的采集与处理 | 第25-26页 |
| 3.5.1 高光谱图像的采集 | 第25-26页 |
| 3.5.2 近红外光谱数据的采集 | 第26页 |
| 3.6 化学成分的检测 | 第26-27页 |
| 3.6.1 水分的测定 | 第26页 |
| 3.6.2 茶叶中内含成分的测定方法 | 第26-27页 |
| 3.7 高光谱图像数据处理与分析 | 第27-30页 |
| 3.7.1 主成分分析 | 第27页 |
| 3.7.2 图像纹理信息提取 | 第27-28页 |
| 3.7.3 光谱预处理方法 | 第28页 |
| 3.7.4 模型建立方法 | 第28-29页 |
| 3.7.5 模型的评价指标 | 第29-30页 |
| 4 结果与分析 | 第30-44页 |
| 4.1 结合近红外光谱建立拼配茶样各原料茶配比的定量预测模型 | 第30-35页 |
| 4.1.1 拼配茶样的近红外光谱图 | 第30页 |
| 4.1.2 氨基酸、茶多酚以及咖啡碱含量检测与分析 | 第30-31页 |
| 4.1.3 基于内含成分拼配茶样配比定量预测模型的建立 | 第31-33页 |
| 4.1.4 近红外光谱技术结合BP-ANN拼配茶样配比定量预测模型的建立 | 第33-35页 |
| 4.2 融合光谱信息和图像信息定量预测红茶拼配配比 | 第35-44页 |
| 4.2.1 拼配茶样高光谱图像光谱曲线 | 第35-36页 |
| 4.2.2 拼配茶样原始光谱与光谱预处理 | 第36-38页 |
| 4.2.3 图像纹理特征分析 | 第38-40页 |
| 4.2.4 数据融合方法 | 第40-41页 |
| 4.2.5 基于融合信息定量模型预测的建立 | 第41页 |
| 4.2.6 模型的外部验证 | 第41-44页 |
| 5 讨论 | 第44-45页 |
| 5.1 快速准确地辨别拼配茶标准样各原料茶及配比是茶产业的迫切需要 | 第44页 |
| 5.2 样品的制备条件对模型稳定性的影响 | 第44页 |
| 5.3 融合模型的应用推广与适用性 | 第44-45页 |
| 6 结论 | 第45-46页 |
| 参考文献 | 第46-52页 |
| 附录 | 第52-59页 |
| 作者简介 | 第59页 |
