一种红茶产地判别关键特征的获得方法、红茶产地判别模型及判别方法与流程

本发明涉及茶叶无损检测与溯源，具体涉及一种红茶产地判别关键特征的获得方法、红茶产地判别模型及判别方法。

背景技术：

1、红茶是世界范围内消费最广泛的茶类之一，不同产地（省份）的红茶，因其独特的地理环境、气候条件，形成了迥异的风味特征，例如正山小种、祁门红茶、滇红等。因此，对红茶产地进行快速、准确的判别，对于保障消费者权益、规范市场秩序、打击假冒伪劣、实现产品溯源以及提升品牌价值具有极其重要的意义。目前，红茶产地的判别方法主要依赖于传统感官评审和现代仪器分析技术。虽然感官评审是茶叶品质评价的基石，但其用于产地判别时，存在主观性强、重复性差、对评审人员经验依赖度高、难以量化存储和传递等缺陷。为克服感官评审的局限性，研究者们引入了多种化学分析手段，比如色谱-质谱联用技术（如gc-ms, lc-ms），通过分析茶叶中的挥发性香气成分、儿茶素、氨基酸、生物碱等化学标志物来鉴别产地。该方法虽然准确度高，但样品前处理复杂、检测周期长、设备昂贵并且需破坏样品，还需要专业的操作人员，难以适用于现场快速检测和大规模筛查。也有使用光谱技术（如近红外光谱nirs、拉曼光谱），利用有机物分子对特定光谱的吸收来建立判别模型。该方法虽能实现快速无损检测，但其模型性能依赖于化学成分信息，易受茶叶等级、加工工艺波动和储存条件的影响，稳定性与普适性有时难以保证。元素指纹分析（如icp-ms/oes）通过检测茶叶中微量元素和稀土元素的含量来追溯产地，该方法基于“产地-土壤-茶叶”的元素传递关系，准确性较好，但同样面临仪器成本极高、样品需消化处理、实验环境要求苛刻等问题，推广应用困难。

2、近年来，计算机视觉技术的发展为农产品无损检测提供了新思路。部分研究尝试通过采集茶叶或茶汤的图像，提取颜色、纹理等特征进行品质分级或种类区分。然而，在红茶产地判别领域，缺乏一套能够精确量化茶汤并与其地理起源建立稳定、可靠映射关系的模型与方法。茶汤是红茶品质最直观、最重要的指标之一，其形成与茶多酚的氧化程度、茶黄素、茶红素等色素的含量及比例密切相关，而这些物质也深刻反映产地的特征。因此，开发一种基于茶汤色泽量化数据的、用于红茶产地判别的方法，显得尤为迫切。

技术实现思路

1、本发明要解决的技术问题，在于提供一种快速、准确、客观、无损且低成本的红茶产地判别关键特征的获得方法、红茶产地判别模型及判别方法。

2、本发明是这样实现的：

3、第一方面，本发明提供一种红茶产地判别关键特征的获得方法，包括以下步骤：

4、步骤一、样本制备与标准数据采集；所述样本制备具体为：收集已知明确产地的红茶样品，涵盖所有需要鉴别的产地类别，将所述红茶样品按照标准冲泡条件进行冲泡，获得标准茶汤；所述标准数据采集包括：在标准光照环境下，使用色差计、浊度计、酶标仪分别获取所述标准茶汤的茶汤数据，所述茶汤数据包括色度、浊度、吸光度数据；

5、步骤二、提取色泽量化特征及数据分析；从所述茶汤数据中提取多维度的色泽量化特征，并对所述色泽量化特征进行pca分析与opls-da分析；所述色泽量化特征包括：明度l*、红绿色调a*值、黄蓝色调b*值、浊度、ph值、电导率及吸光度数据；

6、步骤三、构建数据集；对所述色泽量化特征进行数据预处理，得到训练集和测试集；

7、步骤四、构建关键特征获取模型；构建支持向量机模型和随机森林模型，并用所述训练集对所述支持向量机模型和所述随机森林模型进行训练，得到关键特征获取模型；

8、步骤五、模型验证；将所述测试集分别输入到所述支持向量机模型和所述随机森林模型，得到两个判别结果；采用“交叉验证法”对两个判别结果进行交叉验证，评估所述关键特征获取模型的判别准确率和稳定性，直至所述关键特征获取模型在测试集上表现稳定可靠；

9、步骤六、得出关键特征；通过所述支持向量机模型与所述随机森林模型进行特征重要性分析，其中，所述随机森林模型的特征重要性分析结果认为a*值是重要特征，380nm吸光度和浊度为相对次要特征；所述支持向量机模型的特征重要性分析结果认为b*值和电导率是重要特征，380nm吸光度和浊度为相对次要特征；特征重要性分析表明茶叶的颜色特征（a*值和b*值）是产地判别的关键指标；综合考虑两模型的准确率、稳定性以及特征重要性分析结果后，确定380nm吸光度、a*值和浊度作为红茶产地判别的关键特征。

10、进一步地，所述标准冲泡条件为：冲泡水温为90-100℃，冲泡时间为3-5分钟，茶水比为1:50。

11、进一步地，所述数据预处理具体为：对数据进行重复值、缺失值、异常值检测并提示人工补正；在人工补正后进行特征-产地标注，形成特征-产地数据集；然后采用z-score标准化对所述特征-产地数据集中的特征数据进行处理，再采用分层抽样法将所述特征-产地数据集按 7:3 的比例划分为训练集和测试集，确保训练集和测试集中各产地样本的比例与原始数据集一致。

12、进一步地，所述支持向量机模型的构建及训练具体是：针对红茶产地判别任务，分别测试线性核linear、径向基核rbf、多项式核poly的性能，经初步验证，径向基核rbf能更好地捕捉特征与产地间的非线性关系，故选择径向基核rbf作为最终核函数；采用网格搜索结合5折交叉验证优化超参数并最终确定惩罚系数c=10，径向基核rbf核参数γ=0.1为最优超参数组合，得到支持向量机模型；采用所述训练集及所述最优超参数组合对得到的支持向量机模型进行训练，学习样本的特征与产地标签之间的映射关系；

13、所述随机森林模型的构建及模型训练具体是：设定基础参数：节点分裂最小样本数min_samples_split、决策树数量n_estimators以及决策树最大深度max_depth；采用随机搜索结合5折交叉验证优化超参数并以交叉验证集的平均准确率为评价指标最终确定n_estimators=300，max_depth=15， min_samples_split=2为最优超参数组合得到随机森林模型；采用所述训练集数据及所述最优超参数组合对得到的随机森林模型进行训练。

14、第二方面，本发明提供一种红茶产地判别模型，构建过程包括：

15、数据准备：将每个已知红茶产地的样本的380nm吸光度、a*值和浊度测量值作为一组特征数据，与其产地标签一一对应，形成特征-标签数据集，将所述特征-标签数据集进行数据预处理后分为训练集和测试集；

16、模型构建：构建支持向量机模型和随机森林模型，并利用所述训练集进行训练，形成能够根据关键特征得出红茶产地的初始判别模型；

17、模型验证：将所述测试集分别输入到所述支持向量机模型和所述随机森林模型，得到两个判别结果；采用“交叉验证法”对两个判别结果进行交叉验证，评估所述关键特征获取模型的判别准确率和稳定性，直至所述关键特征获取模型在测试集上表现稳定可靠，则验证通过；

18、模型输出：输出验证通过的判别模型，作为红茶产地判别模型。

19、进一步地，所述支持向量机模型的构建及训练具体是：针对红茶产地判别任务，分别测试线性核linear、径向基核rbf、多项式核poly的性能，经初步验证，径向基核rbf能更好地捕捉特征与产地间的非线性关系，故选择径向基核rbf作为最终核函数；采用网格搜索结合5折交叉验证优化超参数并最终确定惩罚系数c=10，径向基核rbf核参数γ=0.1为最优超参数组合，得到支持向量机模型；采用所述训练集及所述最优超参数组合对得到的支持向量机模型进行训练，学习样本的特征与产地标签之间的映射关系；

20、所述随机森林模型的构建及模型训练具体是：设定基础参数：节点分裂最小样本数min_samples_split、决策树数量n_estimators以及决策树最大深度max_depth；采用随机搜索结合5折交叉验证优化超参数并以交叉验证集的平均准确率为评价指标，最终确定n_estimators=300，max_depth=15， min_samples_split=2为最优超参数组合得到随机森林模型；采用所述训练集数据及所述最优超参数组合对得到的随机森林模型进行训练。

21、第三方面，本发明提供一种红茶产地判别的方法，基于所述的红茶产地判别模型进行，包括以下步骤：

22、s1、将待测红茶样本按照标准冲泡条件进行冲泡，获得标准茶汤；在标准光照环境下，使用色差计、浊度计、酶标仪分别测得所有待测红茶样本的80nm吸光度、a*值和浊度三个关键特征值，将每个待测红茶样本的三个关键特征值组合为一组输入数据；

23、s2、产地判别：将所有待测红茶样本的对应的输入数据输入到所述红茶产地判别模型中；

24、s3、结果输出：所述红茶产地判别模型根据输入的关键特征值，计算出其最可能归属的产地类别，并输出判别结果。

25、本发明具有如下优点：

26、1. 客观性强，结果准确可靠：本发明通过色差计等获取茶汤量化数据，减少人为主观因素的影响，将传统的感官评价转化为客观的数字指标。采用机器学习模型对多维色泽特征进行挖掘和分析，能够捕捉人眼难以分辨的细微颜色差异，从而大大提高了产地判别的准确率和可靠性。

27、2. 检测快速，效率极高：本发明方法从样本冲泡到结果输出，整个过程可在数分钟内完成，相较于需要数小时甚至数天的色谱、质谱等仪器分析方法，检测效率得到了革命性提升，非常适合于生产线、市场现场等需要快速出结果的场景。

28、3. 成本低廉，易于推广：本发明所依赖的核心硬件（如色差计、浊度计）成本远低于动辄数十万乃至上百万元的大型分析仪器（如gc-ms, hplc, icp-ms）。同时，该方法对操作人员专业技能要求不高，极大地降低了技术门槛和应用成本，具备大规模推广应用潜力。

29、4. 无损检测，环保经济：整个判别过程仅需对茶叶进行冲泡和检测，无需破坏、消耗茶叶样品，检测后的茶汤仍可用于感官评审或其他用途，实现了真正意义上的无损检测，节约了样品成本，符合绿色环保的理念。

30、5. 方法标准化，重现性好：本发明规定了标准的样本制备和数据采集流程，确保了不同人员、不同时间、不同地点进行操作时，数据来源的一致性和可比性，保证了方法优异的重复性和重现性，为建立统一的行业标准奠定了基础。