来源：期刊VIP网 时间：
作者：章海亮;周燕;罗微;詹白勺;张晶;刘雪梅;
单位：华东交通大学电气与自动化工程学院;华东交通大学土木建筑学院;
摘要：快速、无损检测鲜茶叶成分含量对鲜茶品质鉴定具有重要的参考价值。可见-近红外（Vis-NIR）光谱技术已被用于植物样本中化学成分的定性与定量分析，具有简单、快速和无损检测的优点。本研究采用残差注意力卷积神经网络（RACNN）对鲜茶叶的内部成分含量进行预测。收集样本在Vis-NIR波段范围内的反射率光谱数据及鲜茶叶中没食子酸（GA）、没食子儿茶素（GC）、表没食子儿茶素（EGC）和表儿茶素没食子酸酯（ECG）等成分的含量。在对光谱数据进行预处理的基础上，采用偏最小二乘回归（PLSR）模型对4种成分的含量进行预测，并确定了最佳的预处理方式。随后，采用随机森林（RF）算法提取了特征波段。最后，对比了PLSR、卷积神经网络（CNN）和RACNN模型的性能。结果显示，对于GA, RACNN模型效果最佳，其验证集决定系数（R~2）为0.946，验证集均方根误差（RMSEP）为1.173；对于GC, RACNN模型效果最佳，其验证集R~2为0.928, RMSEP为6.081；对于EGC, RACNN模型效果最佳，其验证集R~2为0.891,RMSEP为15.197；对于ECG, RACNN模型效果最佳，其验证集R~2为0.878, RMSEP为7.837。本研究通过Vis-NIR光谱技术结合化学计量学方法建立的RACNN模型可实现鲜茶叶中成分含量的准确检测。
关键词：可见-近红外光谱;;茶叶;;偏最小二乘回归;;随机森林;;残差注意力卷积神经网络
基金资助：国家自然科学基金项目（Nos.32260622,62265007）;; 江西省自然科学基金项目（Nos.20232ACB205026,20224BAB212007）资助~~
