日照绿茶真伪鉴别与产地溯源方面取得新突破

        茶叶所加工团队聚焦茶叶产地溯源难题，基于热重 - 红外联用技术（TG - FTIR）与机器学习智能算法，为高纬度日照绿茶产区的真伪鉴别带来新突破。本研究针对日照绿茶和其他低纬度茶区绿茶，首次利用热重-红外联用技术（TG-FTIR）结合机器学习方法对中国不同纬度产区绿茶的热解特性进行了全方面解析。通过工业分析和元素分析，对理化性质进行了表征。在TG-FTIR分析仪上进行了三种加热速率（β：10、20、30℃/min）的热解试验，表征了热解过程中产生烟雾的红外光谱图（3D+2D）的官能团，对不同纬度茶叶的热解特性进行了差异性分析。采用三种无模型方法（Kissinger、Ozawa和Starink法）计算了动力学参数：活化能Ea、指前因子A；热力学参数：焓变∆H、吉布斯自由能∆G和熵变∆S，详细阐述了不同纬度热解动力学参数间的差异。采用主成分分析（PCA）对不同纬度茶样的Ea值进行了聚类分析，结果呈现明显的聚类趋势。基于不同纬度茶样的纬度、年平均温度、平均海拔值和茶多酚含量。分别绘制了各地区的纬度、年平均温度、平均海拔和对各地区动力学参数和热力学参数的相关性热图，探究了这些因素对各地区动力学参数和热力学参数之间的直接关系。最后建立了热解动力学参数（Ea、∆H、∆G和∆S）的线性（PLSR）和非线性（RF、SVR）回归预测模型，将α、不同α对应的温度T和升温速率β三个参数作为模型的输入，比较了5种预处理方法，发现基于S-G预处理的RF模型精度均最高，可以在不依赖传统公式计算的情况下对茶叶的热解动力学参数进行准确预测，为快速获取生物质热解动力学参数提供了一种智能化方法。研究成果发表于《Food Research International》。