Effect of variable selection and rapid determination of total tea polyphenols contents in Fuzhuan tea by near-infrared spectroscopy

• Jing-Xue Liu ^[1] ; Jia-Ying Xin ^[1] ; Ting-Ting Gao ^[2] ; Feng-Lin Li ^[2] ; Xie Tian ^[2]
  1. [1] Harbin University of Commerce

     Harbin University of Commerce

     China

     
  2. [2] Jilin Agricultural Science and Technology University
• Localización: CyTA: Journal of food, ISSN 1947-6337, ISSN-e 1947-6345, Vol. 20, Nº. 1, 2022, págs. 236-243
• Idioma: inglés
• Títulos paralelos:
  • Efecto de la selección variable y determinación rápida del contenido total de polifenoles en el té Fuzhuan mediante espectroscopia de infrarrojo cercano
• Enlaces
  • Texto completo
• Resumen
  • español

    Este estudio midió el contenido total de polifenoles en el té Fuzhuan empleando espectroscopia de infrarrojo cercano (NIR) junto con un método de calibración multivariante adecuado. Con este objetivo, y para calibrar los modelos de regresión, se obtuvieron de manera comparativa los mínimos cuadrados parciales (PLS), los PLS de intervalo de sinergia (si-PLS) y los PLS basados en algoritmos genéticos (ga-PLS). Para evaluar el rendimiento del modelo final se utilizaron el error cuadrático medio de predicción (RMSEP), el coeficiente de determinación (Rp2) y el valor P entre los valores verdaderos y los predichos del conjunto de predicción. El modelo ga-PLS mostró el mejor rendimiento en comparación con los modelos PLS y si-PLS. El modelo óptimo obtuvo Rp2 = 0.9996 y RMSEP = 0.0488 para el conjunto de predicción, utilizando sólo 37 puntos de datos espectrales. No se observaron diferencias significativas entre el contenido de polifenoles del té verdadero y el predicho en el conjunto de predicción (P > 0.05). Se concluye que, para predecir rápidamente el contenido total de polifenoles en el té Fuzhuan, puede utilizarse la espectroscopia NIR junto con el algoritmo ga-PLS.

  • English

    This study attempted to measure the total polyphenols contents in Fuzhuan tea by near-infrared (NIR) spectroscopy coupled with an appropriate multivariate calibration method. Partial least squares (PLS), synergy interval PLS (si-PLS), and genetic algorithm-based PLS (ga-PLS) were carried out comparatively to calibrate regression models. The root mean square error of prediction (RMSEP), determination coefficient (Rp2), and P-value between the true and predicted values of prediction set were used to evaluate the performance of the final model. The ga-PLS model showed the best performance compared with the PLS and si-PLS models. The optimal model obtained Rp2 = 0.9996 and RMSEP = 0.0488 for the prediction set using only 37 spectral data points. No significant difference was observed between the true and predicted tea polyphenol contents in the prediction set (P > 0.05). NIR spectroscopy together with the ga-PLS algorithm can be used to rapidly predict the total polyphenol contents in Fuzhuan tea.