摘要:提出一种量化判定乌龙茶产地的方法。共收集主要乌龙茶产区闽南、闽北、广东和台湾等地的代表性乌龙茶样品130个,用高效液相色谱方法检测其没食子酸、儿茶素、咖啡碱和茶氨酸等理化成分的含量。用遗传算法和连续投影算法筛选出重要的化合物,基于这些化合物指标分别用支持向量机、反向传播人工神经网络及随机森林模型对闽南、闽北、广东和台湾4个产区的乌龙茶进行分类和预测。结果表明,用遗传算法筛选的3个化合物(咖啡碱、EGCG和ECG)结合反向传播人工神经网络模型BPNN能够实现对4个产区乌龙茶的高效判别,且训练集和预测集的判别率分别为97.13%和98.34%。该研究结果能为乌龙茶产地的鉴别提供科学依据。
关键词:乌龙茶 产地 鉴定 化学成分
单位:安徽农业大学茶树生物学与资源利用国家重点实验室; 安徽合肥230036
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社