1．不进行预处理

如图12-10所示，由所建模型可以看出，树状图两分支的新、老茶叶掺杂度高，无法正确分类。

图12-10 样本数据不进行预处理的聚类分析结果

2. SNV

如图12-11所示，由所建模型可以看出，树状图两分支的新、老茶叶掺杂度高，无法正确分类。

3．一阶导数

如图12-12所示，由所建模型可以看出，树状图两分支的新、老茶叶掺杂度高，无法正确分类。

4．一阶导数＋SNV

如图12-13所示，由所建模型可以看出，树状图两分支的新、老茶叶掺杂度高，无法正确分类。

图12-11 样本数据SNV的聚类分析结果

图12-12 样本数据一阶导数的聚类分析结果

5．二阶导数

如图12-14所示，由所建模型可以看出，树状图两分支的新、老茶叶掺杂度高，无法正确分类。

6．二阶导数＋SNV

如图12-15所示，由所建模型可以看出，树状图两分支的新、老茶叶掺杂度高，无法正确分类。

图12-13 样本数据一阶导数＋SNV的聚类分析结果

图12-14 样本数据二阶导数的聚类分析结果

7．小结

通过建模分析对比(见表12-2)，可以发现但凡是采用了中红外光，无论使用哪一种建模方法均不可能正确分类，结果都显示为树状图的两分支新、老茶叶高程度混杂，无法分类。

图12-15 样本数据二阶导数＋SNV的聚类分析结果

表12-2 新、老茶叶中红外光谱建模结果分析对比表

综合近红外光和中红外光的建模结果看来，用近红外光对新、老茶叶分类最准确，可靠性最高。

在本节实验中，以72个茶叶样本为研究对象。其中36个为新茶样本，36个为老茶样本。得出以近红外光除不进行预处理的其他方法作为预处理方法，基于其中62个样本，通过聚类分析的方法建立了新、老茶的定性分类模型。并对剩余的10个样本逐一做聚类分析测试，成功地得到了正确的分类结果。验证了结论正确性的同时，也为茶叶的新、老鉴别提供了一种新的技术，也确实达到了目前市场上对茶叶鉴别技术提出的简单、快速、无损的要求。

文章来源：《多光谱食品品质检测技术与信息处理研究》

版权与免责声明：转载目的在于传递更多信息。

如其他媒体、网站或个人从本网下载使用，必须保留本网注明的"稿件来源"，并自负版权等法律责任。

如涉及作品内容、版权等问题，请在作品发表之日起两周内与本网联系，否则视为放弃相关权利。