申请/专利权人:安徽农业大学
申请日:2023-12-15
公开(公告)日:2024-03-26
公开(公告)号:CN117761041A
主分类号:G01N21/78
分类号:G01N21/78;G01N21/01;G01N21/17
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.12#实质审查的生效;2024.03.26#公开
摘要:本发明公开了一种利用功能化染料构建CSA监测黄大茶焙火程度的方法,基于纳米改性和PSNMOF多孔材料改性TPP染料的新型比色传感器,用于监测黄大茶的焙火程度。基于PSNMOF@N‑TPP的CNN模型均达到100%的判别率,优于基于原始TPP的CNN模型90%。结果表明,所提出的方法可以有效提高LYT焙烧度的监测精度。
主权项:1.一种利用功能化染料构建CSA监测黄大茶焙火程度的方法,其特征在于:S1:将功能化染料溶解在N-N-二甲基乙酰胺溶液中,配制成2mgmL的溶液,超声30分钟,避光保存;S2:选择C2反相硅胶板作为可视化传感器阵列的固体基底,将S1配制的功能化染料溶液滴加到C2反相硅胶板上,干燥后即可获得CSA以进行后续实验;S3:将不同焙火程度的黄大茶样品和S2获得的CSA置于干燥的培养皿中,在65℃的烤箱中反应6分钟,每个茶叶样品设置6-8个平行实验,通过平板扫描仪收集CSA的响应信息,获取RGBHSVLab色差并提取变量:ΔR=Ra-RbΔG=Ga-GbΔB=Ba-BbΔH=Ha-HbΔS=Sa-SbΔV=Va-VbΔL=La-LbΔa=aa-abΔb=ba-bb其中:下标a表示反应后,下标b表示反应前;S4:采用CNN算法,将卷积次数设定为500,输入不同黄大茶样品的ΔR、ΔG、ΔB、ΔH、ΔS、ΔV、ΔL、Δa、Δb数据,利用卷积运算提取特征,直至模型训练完成;随后即可使用训练好的CNN模型对新的待测样品进行预测和分类。
全文数据:
权利要求:
百度查询: 安徽农业大学 一种利用功能化染料构建CSA监测黄大茶焙火程度的方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。