CN113049571A - 一种基于拉曼光谱判别绿茶新陈的方法 - Google Patents

一种基于拉曼光谱判别绿茶新陈的方法 Download PDF

Info

Publication number
CN113049571A
CN113049571A CN202110318236.XA CN202110318236A CN113049571A CN 113049571 A CN113049571 A CN 113049571A CN 202110318236 A CN202110318236 A CN 202110318236A CN 113049571 A CN113049571 A CN 113049571A
Authority
CN
China
Prior art keywords
tea
green tea
raman
solution
discriminating
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110318236.XA
Other languages
English (en)
Inventor
戴前颖
肖梦暄
肖明霁
王辉强
郑芳玲
安琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Agricultural University AHAU
Original Assignee
Anhui Agricultural University AHAU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Anhui Agricultural University AHAU filed Critical Anhui Agricultural University AHAU
Priority to CN202110318236.XA priority Critical patent/CN113049571A/zh
Publication of CN113049571A publication Critical patent/CN113049571A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/65—Raman scattering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/65—Raman scattering
    • G01N21/658—Raman scattering enhancement Raman, e.g. surface plasmons
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/65—Raman scattering
    • G01N2021/653—Coherent methods [CARS]
    • G01N2021/655—Stimulated Raman

Landscapes

  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本发明公开一种基于拉曼光谱判别绿茶新陈的方法，涉及茶叶品质鉴别领域，本发明包括以下步骤：(1)往绿茶中加入沸水，加盖置于70‑100℃水浴锅中水浴；绿茶的质量与沸水的体积之比为1‑3:50‑100；(2)制备纳米银胶；(3)取茶汤与纳米银胶等量混合，然后滴于载玻片上，风干后进行拉曼检测，采集范围为300‑1800cm‑1；(4)对拉曼光谱进行去基线、平滑预处理，然后对数据进行OPLS‑DA分析，根据光谱差异性进行判别。本发明的有益效果在于：本发明通过简单的冲泡茶汤，将茶汤用于拉曼检测，进而对绿茶的新陈进行判别，样品的前处理方法较简单，保留了茶汤最原始的风格，可以广泛应用于茶叶品质鉴定等领域。

Description

一种基于拉曼光谱判别绿茶新陈的方法
技术领域
本发明涉及茶叶品质鉴别领域，具体涉及一种基于拉曼光谱判别绿茶新陈的方法。
背景技术
绿茶是中国出口的主要茶类之一，其贮藏保鲜问题尤为突出，对于绿茶品质判定和保质期确定等问题仍亟待解决。目前国内外绝大多数专家学者认为，绿茶的陈化劣变包括自动氧化劣变和酶促氧化劣变，研究发现存放一年后的绿茶，各品质因子会发生明显变化，且茶汤颜色、滋味也发生变化。但其陈化劣变的品质标准是什么，不同的人很难得到一致的评价结果；甚至同一个人在不同的环境、不同的情绪时，对同一种气味也有不同的感受和评价。从而使得采用人的感官进行评价存在一定的局限性。
随着技术的不断发展，人们开始研究绿茶品质与绿茶各组成成分的相关性，通过研究绿茶在贮藏过程中的成分变化(主要包括含水量、咖啡碱、游离氨基酸、总糖、叶绿素、茶多酚和抗坏血酸等)与感官品质变化的相关性，并运用多元线性回归、偏最小二乘法、相关性分析等统计学方法，分析绿茶各组分与感官品质的关系。如公开号为CN108254482A的专利公开一种基于年份白茶特征化合物的白茶年份判别方法。但理化方法大多数只能通过筛选单一变量与绿茶品质的相关性，不能达到综合判别绿茶品质的效果，且理化成分间相互作用复杂，难以通过简单的理化成分与感官相关性来描述。
光谱技术由于其灵敏快速的特点近年来被广泛应用，表面增强拉曼光谱检测技术因其灵敏度高、选择性强、可快速痕量等检测优点在多个领域被应用。如果蔬品质鉴定、农药残留检测等，在谷物、油类、药物等样品检测中也有广泛的应用。拉曼光谱是光穿过透明介质时由于分子的非弹性散射使光频率发生变化而产生的一种散射光谱。由于水分子具有较弱的拉曼吸收特性，因此拉曼光谱检测技术非常适合含水***的在线检测，但常规拉曼散射强度比较弱，荧光背景比较强，灵敏度不高。表面增强拉曼散射(Surface EnhancedRaman Scattering,SERS)极大地克服了常规拉曼光谱灵敏度不高的不足，同时又保留了拉曼光谱的实时、快速的特点，已被广泛应用于各种定性和定量分析中，甚至可以实现痕量测量。绿茶贮藏期品质的变化是由内含物质，如茶多酚及儿茶素类化合物、咖啡碱、游离氨基酸、可溶性糖和水溶性色素等物质的自动氧化、聚合、降解等反应所导致的，因此，表面增强拉曼光谱可以快速、敏感的捕捉到绿茶中的化合物在贮藏期的变化，以便于对绿茶的新陈进行区分。
绿茶的保质期在常温下一般为一年左右。影响茶叶品质的因素主要有温度、光线、湿度。如果存放方法得当，降低或消除这些因素，则茶叶可长时间保质。判断茶叶是否陈化劣变，主要是通过感官审评或者检测其化合物的变化，但这些方法前处理过程较麻烦，而且容易受人的干扰。正交偏小二乘法(Orthogonal Partial Least-Squares DiscriminationAnalysis(OPLS-DA))是一种新型的多元统计方法，它由Johm Tryggde等人于2002年提出。近十年来，这种方法在理论和应用方面得到了迅速的发展，并在计量化学中有大量的应用。是一种多因变量对多自变量的回归建模方法，它的特点是可以去除自变量中与分类变量Y无关的变异数据，使分类信息主要集中在一个主成分中，从而模型变得简单和易于解释，其判别效果及主成分得分图的可视化效果更加明显。
发明内容
本发明所要解决的技术问题在于现有技术中绿茶品质鉴别方法前处理过程复杂，检测时间长，处理过程中茶叶中的某些化合物也会发生变化，提供一种基于拉曼光谱判别绿茶新陈的方法。
本发明通过以下技术手段实现解决上述技术问题：
一种基于拉曼光谱判别绿茶新陈的方法，包括以下步骤：
(1)茶汤的制备：往绿茶中加入沸水，加盖并置于70-100℃水浴锅中水浴；所述绿茶的质量与沸水的体积之比为1-3:50-100；
(2)制备纳米银胶；
(3)茶汤拉曼光谱的获取：取步骤(1)中获得的茶汤与纳米银胶等量混合，然后滴于载玻片上，风干后进行拉曼检测，采集范围为300-1800cm-1；
(4)对拉曼光谱进行去基线、平滑预处理，然后对数据进行OPLS-DA分析，根据光谱差异性进行判别。
有益效果：本发明通过简单的冲泡茶汤，将茶汤用于拉曼检测，进而对绿茶的新陈进行判别，样品的前处理方法较简单，保留了茶汤最原始的风格，可以广泛应用于茶叶品质鉴定等领域，本发明的判别方法不受绿茶加工方式、外形的限制，可以以任意新茶的拉曼光谱为对照可以区分任意年份陈茶样，也可以区分年份较近的同一绿茶。
本发明将表面增强拉曼光谱技术应用到茶汤品质判别，显著缩短判茶汤品质检测时间，通过拉曼光谱对不同化合键的响应波长不同，可以对茶汤中的化合物做到快速定性，进而提高判别绿茶品质的效率和准确度，为市场提供一种检测茶叶品质变化快速、高效的方法。
优选地，所述绿茶的质量与沸水的体积之比为3:50，加盖并置于70℃水浴30min。
有益效果：当绿茶的质量与沸水的体积之比为3:50，70℃水浴30min时，茶汤的拉曼信号最强，且峰的分离度最好。
优选地，所述纳米银胶的制备方法包括以下步骤：将硝酸银溶液在微波炉中煮至沸腾，然后加入柠檬酸溶液，放入微波炉中煮至溶液颜色变为灰绿色，取出后冷却，离心，去除上清液后，混匀。
有益效果：本发明所制备的纳米银胶是通过微波加热硝酸银溶液和纳米银胶溶液的混合液而合成。本发明中的纳米银胶溶液作为增强剂所检测的样品其信号显著增强，且制备方法较简单。
优选地，所述纳米银胶的制备方法具体包括以下步骤：将0.036g硝酸银溶于20ml超纯水中配成硝酸银母液，将0.1g柠檬酸钠溶于10ml超纯水配成柠檬酸钠母液；取2ml硝酸银母液溶于48ml超纯水中，在微波炉里用高火煮至沸腾，拿出后加入1ml柠檬酸钠母液，放入微波炉继续高火煮至溶液颜色变为灰绿色，取出后冷却，离心，去除上清液后，混匀。
优选地，所述离心参数设置为4℃、10000r/min、10min。
优选地，所述载玻片为镀金载玻片。
有益效果：当载玻片为镀金载玻片时，茶汤在镀金载玻片上的拉曼信号强度最强。
优选地，设置拉曼检测参数为激发波长785nm，功率为25mW，10x物镜，光栅为600刻线，采集次数为3次，采集时间为6s。
优选地，所述预处理采用多项式拟合和Savitzky-Golay平滑。
优选地，将光谱数据导入Labspec 5软件，对光谱数据进行预处理，首先设置去基线类型为直线，度数为7，点击减去，将光谱基线去除，再设置光谱数据平滑度为2，尺寸为11，高度为100，进行多项式平滑。
有益效果：从光谱中选取拟合数据点，再根据光谱的特点定义合适的拟合阶数，然后根据最小二乘原理计算拟合数据点的最佳逼近函数。针对每个数据点，都做一个多项式回归以确定其平滑值。
去基线能够有效地减低甚至消除拉曼光谱中荧光背景造成的影响，将基线漂移的拉曼光谱进行基线校正，可以提高数据结果的准确性。平滑是多项式函数利用Savizky-Golay平滑算法，在保留光谱形状的同时消除局部噪声，保持信号原有的形状。
优选地，将经步骤(4)预处理后的拉曼光谱数据输入到SIMCA14.1软件，进行OPLS-DA分析。
有益效果：OPLS-DA是一种多因变量对自变量的回归建模方法，其最大的特点是可以去除自变量X中与分类变量Y无关的数据变异，使分类信息主要集中在一个主成分中，从而使模型变得简单和易于解释，其判别效果及主成分得分图的可识别效果更加明显。
本发明的优点在于：本发明通过简单的冲泡茶汤，将茶汤用于拉曼检测，进而对绿茶的新陈进行判别，样品的前处理方法较简单，保留了茶汤最原始的风格，可以广泛应用于茶叶品质鉴定等领域。
本发明将表面增强拉曼光谱技术应用到茶汤品质判别，显著缩短判茶汤品质检测时间，通过拉曼光谱对不同化合键的响应波长不同，可以对茶汤中的化合物做到快速定性，进而提高判别绿茶品质的效率和准确度，为市场提供一种检测茶叶品质变化快速、高效的方法。
当绿茶的质量与沸水的体积之比为3:50，70℃水浴30min时，茶汤的拉曼信号最强，且峰的分离度最好。
本发明所制备的纳米银胶是通过微波加热硝酸银溶液和纳米银胶溶液的混合液而合成。本发明中的纳米银胶溶液作为增强剂所检测的样品其信号显著增强，且制备方法较简单。
当载玻片为镀金载玻片时，茶汤在镀金载玻片上的拉曼信号强度最强。
去基线能够有效地减低甚至消除拉曼光谱中荧光背景造成的影响，将基线漂移的拉曼光谱进行基线校正，可以提高数据结果的准确性。平滑是多项式函数利用Savizky-Golay平滑算法，在保留光谱形状的同时消除局部噪声。
附图说明
图1为本发明实施例1中银胶溶液进行紫外分光光度计全光谱检测结果图；
图2为本发明对比例1中绿茶不同形态的拉曼光谱图；
图3为本发明实施例1中茶汤的拉曼光谱图；
图4为本发明实施例1和对比例2中采用不同材质载玻片的拉曼光谱图；
图5为本发明实施例2中不同茶汤处理的拉曼光谱图；
图6为本发明实施例3中不同年代绿茶的拉曼光谱对比图；
图7为本发明实施例3中不同年代绿茶OPLS-DA得分散点图和验证模型，图中左图为分散点图，右图为验证模型；
图8为本发明实施例4中不同年份太平猴魁的拉曼光谱对比图；
图9为本发明实施例4中不同年份太平猴魁OPLS-DA得分散点图和验证模型，图中左图为分散点图，右图为验证模型；
图10为本发明实施例5中六安瓜片新陈绿茶拉曼光谱对比图；
图11为本发明实施例5中不同年份龙井新陈绿茶拉曼光谱对比图；
图12为本发明实施例5中不同年份黄山毛峰新陈绿茶拉曼光谱对比图；
图13为本发明实施例5中不同类型新陈绿茶OPLS-DA得分散点图和验证模型，图中左图为分散点图，右图为验证模型；
图14为本发明实施例6中新茶(信阳毛尖)与任意陈茶的拉曼光谱对比图；
图15为本发明实施例6中新茶(信阳毛尖)与任意陈茶OPLS-DA得分散点图和验证模型，图中左图为分散点图，右图为验证模型。
图16为本发明实施例6中新茶(舒城小兰花)与任意陈茶的拉曼光谱对比图；
图17为本发明实施例6中新茶(舒城小兰花)与任意陈茶OPLS-DA得分散点图和验证模型，图中左图为分散点图，右图为验证模型。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下述实施例中所用的试验材料和试剂等，如无特殊说明，均可从商业途径获得。
实施例中未注明具体技术或条件者，均可以按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。
实施例1
基于拉曼光谱判别绿茶新陈的方法，包括以下步骤：
(1)茶汤的制备：称取1g干茶置于锥形瓶中，加入50mL沸水，加盖置于70℃水浴锅中，水浴30min，取出后冷却至室温，过滤茶汤，以待检测。
(2)纳米银胶的制备：将0.036g硝酸银溶于20ml超纯水中配成硝酸银母液，将0.1g柠檬酸钠溶于10ml超纯水配成柠檬酸钠母液，然后取2mL硝酸银溶液溶于49mL超纯水中，在微波炉里用高火煮至沸腾，快速拿出后加入1mL柠檬酸钠母液，然后放入微波炉继续高火煮至溶液颜色变成灰绿色，取出后冷却至室温，置于4℃备用；
取制备好的纳米银胶溶液6ml于15ml离心管中进行冷冻离心，离心参数设置为4℃、10000r/min、10min，离心后去掉4ml上清液，将剩下的溶液进行涡旋混匀，混匀后的银胶溶液进行紫外分光光度计全光谱检测，检测结果如图1所示，证明该纳米银胶可直接用于拉曼检测。混匀后的溶液置于4℃冰箱中待用。信号增强剂纳米银胶可以有效增强拉曼信号。
(3)茶汤拉曼光谱的获取：取适量茶汤与等量的纳米银胶混合，混匀后滴于镀金载玻片上，风干后进行表面增强拉曼光谱高分辨拉曼光谱仪(LabRAM HR Evolution)检测，设置拉曼检测参数为激发波长785nm，功率为25mW，10x物镜，光栅为600刻线，采集范围为300-1800cm-1，采集次数为3次，总采集时间为6s。其中表面增强拉曼光谱高分辨拉曼光谱仪为
(4)对拉曼光谱进行去基线、平滑等预处理。
(5)将预处理后的新陈绿茶拉曼光谱数据输入到SIMCA14.1软件，对数据进行OPLS-DA分析，通过分析新陈茶拉曼光谱整体趋势的差异性对其进行分类。
对比例1
本对比例与实施例1的区别之处在于：取2020年新鲜绿茶的不同形态(茶粉、干茶)进行拉曼检测。
测定结果如图2和图3所示，茶粉、茶毫和干茶的拉曼信号受到玻璃信号的强烈干扰，无法采集其有效的拉曼信号，实施例1茶汤的拉曼信号会有比较明显的拉曼峰，但信号强度较低。其次拉曼波长在200左右会有一个特别强的干扰峰，使得茶汤中峰强较低的峰被掩盖，而在1800后茶汤的拉曼峰趋于平稳，所以选择拉曼光谱的检测区间为300-1800cm-1。
对比例2
本对比例与实施例1的区别之处在于：步骤(3)中取适量茶汤与等量的纳米银胶混合(茶汤与纳米银胶的质量比为1:1)，混匀后滴于玻璃或镀铝载玻片上。
为增强茶汤的拉曼信号，将茶汤与增强剂纳米银胶1:1混匀后分别滴于不同材质的载玻片上(玻璃、铝、金)，结果如图4所示，图中最上方的曲线表示镀金载玻片，最下方曲线表示玻璃载玻片，中间曲线表示镀铝载玻片，茶汤在镀金载玻片上的拉曼信号强度最强。
实施例2
本实施例与实施例1的区别之处在于：调整干茶与沸水的比例，具体如表1所示。
序号 投茶量(g) 注水量(ml) 水浴温度(℃) 水浴时间(min)
1 1 50 100 10
2 3 50 100 10
3 1 50 100 30
4 1 50 70 30
5 3 50 70 30
6 1(茶粉) 50 70 30
7 1 50 70 60
拉曼信号在一定程度上与茶汤中物质的浓度有关，所以提高茶汤浓度会有效增强茶汤的信号。为筛选出比较好的茶水比，分别设置了7个对照试验，结果如图5所示，序号4处理组的图谱对应图中最上方黑色图谱，当茶水比为3:50，70℃水浴30min时，茶汤的拉曼信号最强，且峰的分离度最好。
实施例3
取1998年炒青茶样、2018年炒青茶样茶叶进行拉曼检测，茶样均来自安徽农业大学审评室，室温储藏。称取1g干茶置于锥形瓶中，加入50mL沸水，加盖置于70℃的水浴锅中，温浴30min，取出冷却至室温后过滤茶汤，以待检测。
取适量茶汤与实施例1制得的等量银胶溶液混合，混匀后滴于镀金载玻片上，风干后进行拉曼检测，拉曼检测参数设置为激发波长785nm，功率为25mW，10x物镜，光栅为600刻线，采集范围为300-1800cm-1，采集次数为3次，总采集时间为6s。拉曼检测结果如图6所示。
将光谱数据导入至Labspec 5软件，对光谱数据进行预处理，首先设置去基线类型为直线，度数为7，点击减去，将光谱基线去除，再设置光谱数据平滑度为2，尺寸为11，高度为100，进行多项式平滑。去基线能够有效地减低甚至消除拉曼光谱中荧光背景造成的影响，将基线漂移的拉曼光谱进行基线校正，可以提高数据结果的准确性。平滑是多项式函数利用Savizky-Golay平滑算法，在保留光谱形状的同时消除局部噪声。
将预处理后的光谱数据导入SIMCA14.1软件，对数据进行OPLS-DA分析，结果显示R2X＝0.723，R2Y＝0.918，Q2＝0.792，无过拟合现象。1998年茶样和2019年茶样可以明显区分开，结果如图7所示，新茶位于2、3象限，陈茶位于1、4象限，说明通过拉曼光谱可以区分年份相差较久的两组茶样。
实施例4
取2020年太平猴魁和2019年4℃冰箱贮藏的太平猴魁进行拉曼检测，茶样均来自安徽农业大学审评室。仅从外观上不能辨别绿茶的新陈。
称取茶样干茶3g置于250ml锥形瓶中，加入50ml沸水，加盖置于70℃的水浴锅中，温浴30min，取出冷却至室温后过滤茶汤，以待检测。
取适量茶汤与等量的银胶溶液混合，混匀后滴于镀金载玻片上，风干后进行拉曼检测，拉曼检测参数设置为激发波长785nm，功率为25mW，10x物镜，光栅为600刻线，采集范围为300-1800cm-1，采集次数为3次，总采集时间为6s。拉曼检测结果如图8所示。
将光谱数据导入至Labspec 5软件，对光谱数据进行预处理，首先设置去基线类型为直线，度数为7，点击减去，将光谱基线去除，再设置光谱数据平滑度为2，尺寸为11，高度为100，进行多项式平滑。去基线能够有效地减低甚至消除拉曼光谱中荧光背景造成的影响，将基线漂移的拉曼光谱进行基线校正，可以提高数据结果的准确性。平滑是多项式函数利用Savizky-Golay平滑算法，在保留光谱形状的同时消除局部噪声。
将预处理后的光谱数据导入SIMCA14.1软件，对数据进行OPLS-DA分析，结果显示R2X＝0.99,R2Y＝0.988,Q2＝0.931，无过拟合现象。新茶与陈茶可以明显的区别开来。结果如图9所示，新茶位于2、3象限的交界处，陈茶分布于1、4象限，说明通过拉曼光谱可以区分年份较近的同一绿茶。
实施例5
取2019年常温贮藏的六安瓜片(a)和2019年-20℃贮藏的六安瓜片(b)，2017年常温贮藏的龙井和2019年-20℃贮藏的龙井，2012年常温贮藏的黄山毛峰和2019年-20℃冷库贮藏的黄山毛峰，进行拉曼检测。茶样均来自安徽农业大学审评室。
称取茶样干茶3g置于250ml锥形瓶中，加入50ml沸水，加盖置于70℃的水浴锅中，温浴30min，取出冷却至室温后过滤茶汤，以待检测。
取适量茶汤与等量的银胶溶液混合，混匀后滴于镀金载玻片上，风干后进行拉曼检测，拉曼检测参数设置为激发波长785nm，功率为25mW，10x物镜，光栅为600刻线，采集范围为300-1800cm-1，采集次数为3次，总采集时间为6s。拉曼检测结果如图10-图12所示。
将光谱数据导入至Labspec 5软件，对光谱数据进行预处理，首先设置去基线类型为直线，度数为7，点击减去，将光谱基线去除，再设置光谱数据平滑度为2，尺寸为11，高度为100，进行多项式平滑。去基线能够有效地减低甚至消除拉曼光谱中荧光背景造成的影响，将基线漂移的拉曼光谱进行基线校正，可以提高数据结果的准确性。平滑是多项式函数利用Savizky-Golay平滑算法，在保留光谱形状的同时消除局部噪声。
将预处理后的光谱数据导入SIMCA14.1软件，对数据进行OPLS-DA分析，结果显示R2X＝0.888，R2Y＝0.997，Q2＝0.849，无过拟合现象。新茶与陈茶可以明显的区别开来。结果如图13所示，混合对比显示，新茶均分布于2、3象限，陈茶均分布于1、4象限，利用该方法对茶样年份的判定不受加工方式的限制，说明通过拉曼光谱可以实现对不同加工方式和不同外形绿茶贮存年份的判断。
实施例6
取2020年信阳毛尖、2020年舒城小兰花、2019年黄山毛峰、2019年六安瓜片、2019年龙井、2017年黄山毛峰进行拉曼检测，茶样均来自安徽农业大学审评室。其中2020年的绿茶均贮藏在-20℃的冷库中，其他年份绿茶均室温储藏。
称取茶样干茶3g置于250ml锥形瓶中，加入50ml沸水，加盖置于70℃的水浴锅中，温浴30min，取出冷却至室温后过滤茶汤，以待检测。
取适量茶汤与等量的银胶溶液混合，混匀后滴于镀金载玻片上，风干后进行拉曼检测，拉曼检测参数设置为激发波长785nm，功率为25mW，10x物镜，光栅为600刻线，采集范围为300-1800cm-1，采集次数为3次，总采集时间为6s。结果如图14所示。
将光谱数据导入至Labspec 5软件，对光谱数据进行预处理，首先设置去基线类型为直线，度数为7，点击减去，将光谱基线去除，再设置光谱数据平滑度为2，尺寸为11，高度为100，进行多项式平滑。去基线能够有效地减低甚至消除拉曼光谱中荧光背景造成的影响，将基线漂移的拉曼光谱进行基线校正，可以提高数据结果的准确性。平滑是多项式函数利用Savizky-Golay平滑算法，在保留光谱形状的同时消除局部噪声。
将2020年的信阳毛尖与随机的陈茶光谱数据导入SIMCA14.1软件，对数据进行OPLS-DA分析，结果分别显R2X＝0.853,R2Y＝0.985；Q2＝0.975，都无过拟合现象。新茶与陈茶可以明显的区别开来，结果如图15所示，新茶分布于2、3象限，陈茶分布于1、4象限。将2020年的舒城小兰花与随机的陈茶光谱数据导入SIMCA14.1软件，对数据进行OPLS-DA分析，结果分别显R2X＝0.951,R2Y＝0.998；Q2＝0.945，都无过拟合现象。新茶与陈茶可以明显的区别开来，结果如图17所示，新茶分布于2、3象限，陈茶分布于1、4象限。说明以任意新茶的拉曼光谱为对照可以区分任意年份陈茶样。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于拉曼光谱判别绿茶新陈的方法，其特征在于：包括以下步骤：
(1)茶汤的制备：往绿茶中加入沸水，加盖并置于70-100℃水浴锅中水浴；所述绿茶的质量与沸水的体积之比为1-3:50-100；
(2)制备纳米银胶；
(3)茶汤拉曼光谱的获取：取步骤(1)中获得的茶汤与纳米银胶等量混合，然后滴于载玻片上，风干后进行拉曼检测，采集范围为300-1800cm-1；
(4)对拉曼光谱进行去基线、平滑预处理，然后对数据进行OPLS-DA分析，根据光谱差异性进行判别。
2.根据权利要求1所述的基于拉曼光谱判别绿茶新陈的方法，其特征在于：所述绿茶的质量与沸水的体积之比为3:50，加盖并置于70℃水浴30min。
3.根据权利要求1所述的基于拉曼光谱判别绿茶新陈的方法，其特征在于：所述纳米银胶的制备方法包括以下步骤：将硝酸银溶液在微波炉中煮至沸腾，然后加入柠檬酸溶液，放入微波炉中煮至溶液颜色变为灰绿色，取出后冷却，离心，去除上清液后，混匀。
4.根据权利要求3所述的基于拉曼光谱判别绿茶新陈的方法，其特征在于：所述纳米银胶的制备方法具体包括以下步骤：将0.036g硝酸银溶于20ml超纯水中配成硝酸银母液，将0.1g柠檬酸钠溶于10ml超纯水配成柠檬酸钠母液；取2ml硝酸银母液溶于48ml超纯水中，在微波炉里用高火煮至沸腾，拿出后加入1ml柠檬酸钠母液，放入微波炉继续高火煮至溶液颜色变为灰绿色，取出后冷却，离心，去除上清液后，混匀。
5.根据权利要求4所述的基于拉曼光谱判别绿茶新陈的方法，其特征在于：所述离心参数设置为4℃、10000r/min、10min。
6.根据权利要求1所述的基于拉曼光谱判别绿茶新陈的方法，其特征在于：所述载玻片为镀金载玻片。
7.根据权利要求1所述的基于拉曼光谱判别绿茶新陈的方法，其特征在于：设置拉曼检测参数为激发波长785nm，功率为25mW，10x物镜，光栅为600刻线，采集次数为3次，采集时间为6s。
8.根据权利要求1所述的基于拉曼光谱判别绿茶新陈的方法，其特征在于：所述预处理采用多项式拟合和Savitzky-Golay平滑。
9.根据权利要求8所述的基于拉曼光谱判别绿茶新陈的方法，其特征在于：将光谱数据导入Labspec 5软件，对光谱数据进行预处理，首先设置去基线类型为直线，度数为7，点击减去，将光谱基线去除，再设置光谱数据平滑度为2，尺寸为11，高度为100，进行多项式平滑。
10.根据权利要求1所述的基于拉曼光谱判别绿茶新陈的方法，其特征在于：将经步骤(4)预处理后的拉曼光谱数据输入到SIMCA14.1软件，进行OPLS-DA分析。
CN202110318236.XA 2021-03-25 2021-03-25 一种基于拉曼光谱判别绿茶新陈的方法 Pending CN113049571A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110318236.XA CN113049571A (zh) 2021-03-25 2021-03-25 一种基于拉曼光谱判别绿茶新陈的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110318236.XA CN113049571A (zh) 2021-03-25 2021-03-25 一种基于拉曼光谱判别绿茶新陈的方法

Publications (1)

Publication Number Publication Date
CN113049571A true CN113049571A (zh) 2021-06-29

Family

ID=76515516

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110318236.XA Pending CN113049571A (zh) 2021-03-25 2021-03-25 一种基于拉曼光谱判别绿茶新陈的方法

Country Status (1)

Country Link
CN (1) CN113049571A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113720929A (zh) * 2021-07-12 2021-11-30 中国农业科学院茶叶研究所 一种白化与黄化品种成品茶的判别方法
CN114019100A (zh) * 2021-10-29 2022-02-08 中国农业科学院茶叶研究所 基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130017298A1 (en) * 2011-07-13 2013-01-17 Hong Wang Assuring food safety using nano-structure based spectral sensing
CN103472051A (zh) * 2013-09-20 2013-12-25 华东交通大学 一种水果农药残留的表面增强拉曼光谱检测方法
CN104142321A (zh) * 2014-07-24 2014-11-12 江西农业大学 茶叶中农药残留的表面增强拉曼光谱快速检测方法
CN104597035A (zh) * 2015-02-04 2015-05-06 吉林大学 一种利用sers技术检测钾离子的方法
CN109765214A (zh) * 2019-03-29 2019-05-17 北京中科遗传与生殖医学研究院有限责任公司 基于表面增强拉曼光谱的***不育患者血清的检测方法
CN109839370A (zh) * 2019-03-18 2019-06-04 安徽农业大学 一种基于原位拉曼光谱技术的茶鲜叶质量评判方法及应用
CN110849866A (zh) * 2019-11-29 2020-02-28 中国人民解放军军事科学院军事医学研究院 一种利用拉曼散射鉴别新生隐球菌和格特隐球菌的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130017298A1 (en) * 2011-07-13 2013-01-17 Hong Wang Assuring food safety using nano-structure based spectral sensing
CN103472051A (zh) * 2013-09-20 2013-12-25 华东交通大学 一种水果农药残留的表面增强拉曼光谱检测方法
CN104142321A (zh) * 2014-07-24 2014-11-12 江西农业大学 茶叶中农药残留的表面增强拉曼光谱快速检测方法
CN104597035A (zh) * 2015-02-04 2015-05-06 吉林大学 一种利用sers技术检测钾离子的方法
CN109839370A (zh) * 2019-03-18 2019-06-04 安徽农业大学 一种基于原位拉曼光谱技术的茶鲜叶质量评判方法及应用
CN109765214A (zh) * 2019-03-29 2019-05-17 北京中科遗传与生殖医学研究院有限责任公司 基于表面增强拉曼光谱的***不育患者血清的检测方法
CN110849866A (zh) * 2019-11-29 2020-02-28 中国人民解放军军事科学院军事医学研究院 一种利用拉曼散射鉴别新生隐球菌和格特隐球菌的方法

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
刘琨等: "微波法制备银胶体及其在表面增强拉曼散射中的应用", 《光散射学报》 *
张会敏等: "基于表面增强拉曼光谱的小鼠流感血清检测技术" *
杨鑫等: "便携式拉曼光谱仪结合化学计量法的水质分析" *
贾伟: "《医学代谢组学》", 31 January 2011, 上海科学技术出版社 *
郑玲: "不同产地和陈化年限普洱茶的表面增强拉曼光谱鉴别分析研究", 《光谱学与光谱分析》 *
郑玲等: "不同发酵时间普洱茶的表面增强拉曼光谱鉴别分析", 《发光学报》 *
金心怡等: "《茶叶加工工程》", 31 December 2003, 中国农业出版社 *
陈永坚: "基于拉曼光谱的茶氨酸研究及茶叶种类判别分析", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 *
陈永坚: "茶叶表面增强拉曼光谱的初步研究", 《光谱学与光谱分析》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113720929A (zh) * 2021-07-12 2021-11-30 中国农业科学院茶叶研究所 一种白化与黄化品种成品茶的判别方法
CN114019100A (zh) * 2021-10-29 2022-02-08 中国农业科学院茶叶研究所 基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法
CN114019100B (zh) * 2021-10-29 2024-03-26 中国农业科学院茶叶研究所 基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法

Similar Documents

Publication Publication Date Title
Chandrasekaran et al. Potential of near-infrared (NIR) spectroscopy and hyperspectral imaging for quality and safety assessment of fruits: An overview
Magwaza et al. Analytical methods for determination of sugars and sweetness of horticultural products—A review
dos Santos et al. A review on the application of vibrational spectroscopy in the wine industry: From soil to bottle
Bogdanov et al. Physico-chemical methods for the characterisation of unifloral honeys: a review
CN102960096B (zh) 基于近红外光谱的水稻单籽粒活力无损检测筛选方法
CN108645829B (zh) 一种快速识别蜂蜜品种和掺假蜂蜜的方法
Choi et al. Discriminating the origin of basil seeds (Ocimum basilicum L.) using hyperspectral imaging analysis
CN113049571A (zh) 一种基于拉曼光谱判别绿茶新陈的方法
Tian et al. Non-destructive prediction of soluble solids content of pear based on fruit surface feature classification and multivariate regression analysis
CN113008817A (zh) 一种基于高光谱成像技术快速鉴别苦杏仁真伪优劣的方法
CN111220592B (zh) 基于表面增强拉曼光谱的羟基山椒素快速检测方法
CN110646407A (zh) 一种基于激光诱导击穿光谱技术的水产品中磷元素含量的快速检测方法
Porep et al. Implementation of an on‐line near infrared/visible (NIR/VIS) spectrometer for rapid quality assessment of grapes upon receival at wineries
Mirghani et al. A new method for determining gossypol in cottonseed oil by FTIR spectroscopy
CN116008245A (zh) 桑叶拉曼光谱指纹图谱的建立结合机器学习算法在桑叶属地来源鉴定中的应用
D Pallua et al. Advances of infrared spectroscopic imaging and mapping technologies of plant material
Quan et al. Species and geographical origin authenticity of green coffee beans using UV–VIS spectroscopy and PLS–DA prediction model
CN106940292A (zh) 基于多光谱成像技术的虫蛀巴旦木原料快速无损鉴别方法
Manley et al. Applications: food science
Thyholt et al. Near infrared spectroscopy of dry extracts from high moisture food products on solid support—a review
CN110865046B (zh) 一种食用油反式脂肪酸异构体含量的快速检测方法
WO2006135267A2 (en) A new method and apparatus for monitoring fruit quality and ripeness using light-induced luminescence
Hong et al. Determination of tomato quality by near infrared spectroscopy
CN111521580A (zh) 一种基于便携式近红外光谱仪的鱼片新鲜度检测方法
CN113252624B (zh) 一种基于荧光光谱的苹果黄酮含量无损检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination