一种茶叶货架期预测方法与流程

1.本发明属于茶叶贮藏的技术领域，尤其涉及一种茶叶货架期预测方法。


背景技术：

2.茶叶品质在贮藏过程中或因贮藏不当易陈化甚至变质，这已成为学术、商业界人士及消费者的共识，目前在茶叶货架期预测方法上尚缺少明晰的理论指导和自身的规范技术，商业、贸易及消费过程中茶叶陈化、变质、发霉时有发生。国内外对茶叶的贮藏保鲜研究主要集中在通过对茶叶保鲜中的温度、水分、除氧以及光照四大条件的控制来实现。然而，基于茶叶贮藏温度和湿度对茶叶的货架期进行预测的研究较少，通过建立货架寿命预测模型并对其进行研究,可从理论上预测茶叶的保质期，同时还能对影响茶叶品质的关键因素进行严格控制，最终延长货架期。


技术实现要素：

3.本发明的目的就是解决背景技术中的问题，提出一种茶叶货架期预测方法。
4.为实现上述目的，本发明提出了一种茶叶货架期预测方法，包括以下几个步骤：
5.检测茶叶表面的第一温度和茶叶贮藏环境空气的第二温度和相对湿度；
6.根据上述第二温度和相对湿度计算环境空气的露点温度；
7.将第一温度与露点温度按茶叶水分聚集模型公式进行对比，得到二进制的茶叶水分聚集变量；
8.根据基于线性回归的预测模型公式计算茶叶的预测货架期；
9.其中，所述露点温度的计算公式如下：t
dewpoint
(t)＝t
airpoint
(t)-[(100-rh(t))/5]，该公式中，t
dew point
(t)为t时刻环境空气的露点温度，t
air point
(t)为茶叶贮藏环境空气的第二温度，rh为茶叶贮藏环境空气的相对湿度；
[0010]
所述茶叶水分聚集模型公式如下：该公式中，t
suface
(t)为t时刻茶叶表面的第一温度，t
dewpoint
(t)为环境空气的露点温度，f(t)为茶叶水分聚集变量；
[0011]
所述预测模型公式如下：y＝b*(b/b0)-[(b
0-b)/k0]*f(t)，该公式中，y为茶叶的预测货架期，b为茶叶水分聚集变量为0时茶叶的基线货架期，b0为茶叶品质参数的初始值，b为茶叶在某贮藏时刻t的品质参数，k0为回归系数常数0.06，f(t)为茶叶水分聚集变量。
[0012]
作为优选，所述基线货架期为180，所述茶叶品质参数的初始值为10。
[0013]
作为优选，所述茶叶为绿茶茶叶。
[0014]
本发明的有益效果：本发明通过将温湿度转化为水分聚集值预测茶叶货架期，预测精准度和可靠性高，操作方法简单，温湿度参数获取容易。
[0015]
本发明的特征及优点将通过实施例进行详细说明。
具体实施方式
[0016]
为使本技术实施例的目的、技术方案和优点更加清楚，下面对本技术实施例中的技术方案进行清楚、完整地描述。
[0017]
实施例1
[0018]
本实施例提供了一种茶叶货架期预测方法，包括以下几个步骤：
[0019]
将绿茶茶叶在贮藏温度为-18℃的条件下贮藏180天；
[0020]
贮藏180天后，用温度计检测绿茶茶叶表面的第一温度t
suface
(t)＝-19.5℃，用电子温湿度计监测茶叶贮藏环境空气的第二温度t
air point
(t)＝-18℃、相对湿度rh＝95％；
[0021]
根据上述第二温度和相对湿度计算环境空气的露点温度；
[0022]
将第一温度与露点温度按茶叶水分聚集模型公式进行对比，得到二进制的茶叶水分聚集变量；
[0023]
根据基于线性回归的预测模型公式计算茶叶的预测货架期；
[0024]
其中，露点温度的计算公式如下：t
dewpoint
(t)＝t
airpoint
(t)-[(100-rh(t))/5]，该公式中，t
dewpoint
(t)为t时刻环境空气的露点温度，t
air point
(t)为茶叶贮藏环境空气的第二温度，rh为茶叶贮藏环境空气的相对湿度；
[0025]
茶叶水分聚集模型公式如下：该公式中，t
suface
(t)为t时刻茶叶表面的第一温度，t
dewpoint
(t)为环境空气的露点温度，f(t)为茶叶水分聚集变量；
[0026]
预测模型公式如下：y＝b*(b/b0)-[(b
0-b)/k0]*f(t)，该公式中，y为茶叶的预测货架期，b为茶叶水分聚集变量为0时茶叶的基线货架期，b0为茶叶品质参数的初始值，b为茶叶在某贮藏时刻t的品质参数，k0为回归系数常数0.06，f(t)为茶叶水分聚集变量；
[0027]
本实施例中露点温度t
dew point
(t)＝-19℃，由于t
suface
(t)《t
dew point
(t)，f(t)＝1，说明茶叶表面有水分聚集，在贮藏前茶叶感官品质得分b0＝10和贮藏180天后品质得分b＝8，计算茶叶的预测货架期y＝111天。
[0028]
实施例2
[0029]
本实施例提供了一种茶叶货架期预测方法，除了绿茶茶叶在贮藏温度为4℃的条件下贮藏180天，t
suface
(t)＝5.5℃，t
air point
(t)＝4℃，相对湿度rh＝85％，露点温度t
dewpoint
(t)＝1℃，由于t
suface
(t)》t
dewpoint
(t)，f(t)＝0，说明茶叶表面无水分聚集，在贮藏前茶叶感官品质得分b0＝10和贮藏180天后品质得分b＝9.5，计算茶叶的预测货架期y＝171天，其余步骤同实施例1相同。
[0030]
实施例3
[0031]
本实施例提供了一种茶叶货架期预测方法，除了绿茶茶叶在贮藏温度为25℃的条件下贮藏180天，t
suface
(t)＝27.5℃，t
airpoint
(t)＝25℃，相对湿度rh＝55％，露点温度t
dew point
(t)＝16℃，由于t
suface
(t)》t
dew point
(t)，f(t)＝0，说明茶叶表面无水分聚集，在贮藏前茶叶感官品质得分b0＝10和贮藏180天后品质得分b＝7，计算茶叶的预测货架期y＝126天，其余步骤同实施例1相同。
[0032]
上述实施例中茶叶感官品质评价是由10位有经验的审评员参照gb/t23776-2018《茶叶感官评审方法》对绿茶茶叶进行感官评定(评定标准见表1)，总体感官品质评分＝色泽*40％+香气*20％+汤色*20％+滋味*20％。假定贮藏前的茶叶品质为满分10分。
[0033]
表1茶叶感官评价标准
[0034][0035]
将实施例1至实施例3的绿茶茶叶分别在-18℃、4℃、25℃贮藏温度下贮藏，对茶叶预测货架期与货架期实测值进行计算测试(具体结果如下表2所示)，经测试三者绿茶茶叶的货架期实测值分别为119天、164天和120天，通过本发明方法计算的茶叶预测货架期与货架期实测值的误差在
±
10％以内，可以用来预测不同贮藏温度下茶叶的品质和货架期，表明该茶叶货架期预测方法仅通过测试温湿度就可以对茶叶的货架期进行精准可靠预测，综合本方法建立的茶叶货架期预测模型可以为茶叶贮藏期品质变化提供一定的理论指导，有效通过控制茶叶贮藏的温湿度尽可能保证茶叶的货架期相对较长。
[0036]
表2不同货架温度下茶叶货架期的预测值与实测值
[0037]
贮藏温度/℃货架期预测值/天货架期实测值/天相对误差/％-18111119-6.72％41711644.27％251261205％
[0038]
上述实施例是对本发明的说明，不是对本发明的限定，任何对本发明简单变换后的方案均属于本发明的保护范围。

技术特征：
1.一种茶叶货架期预测方法，其特征在于，包括以下几个步骤：检测茶叶表面的第一温度和茶叶贮藏环境空气的第二温度和相对湿度；根据上述第二温度和相对湿度计算环境空气的露点温度；将第一温度与露点温度按茶叶水分聚集模型公式进行对比，得到二进制的茶叶水分聚集变量；根据基于线性回归的预测模型公式计算茶叶的预测货架期；其中，所述露点温度的计算公式如下：t
dewpoint
(t)＝t
airpoint
(t)-[(100-rh(t))/5]，该公式中，t
dewpoint
(t)为t时刻环境空气的露点温度，t
airpoint
(t)为茶叶贮藏环境空气的第二温度，rh为茶叶贮藏环境空气的相对湿度；所述茶叶水分聚集模型公式如下：该公式中，t
suface
(t)为t时刻茶叶表面的第一温度，t
dewpoint
(t)为环境空气的露点温度，f(t)为茶叶水分聚集变量；所述预测模型公式如下：y＝b*(b/b0)-[(b
0-b)/k0]*f(t)，该公式中，y为茶叶的预测货架期，b为茶叶水分聚集变量为0时茶叶的基线货架期，b0为茶叶品质参数的初始值，b为茶叶在某贮藏时刻t的品质参数，k0为回归系数常数0.06，f(t)为茶叶水分聚集变量。2.如权利要求1所述的一种茶叶货架期预测方法，其特征在于：所述茶叶的基线货架期为180，所述茶叶品质参数的初始值为10。3.如权利要求1或2所述的一种茶叶货架期预测方法，其特征在于：所述茶叶为绿茶茶叶。

技术总结
本发明公开了一种茶叶货架期预测方法，包括以下几个步骤：检测茶叶表面的第一温度和茶叶贮藏环境空气的第二温度和相对湿度；根据上述第二温度和相对湿度计算环境空气的露点温度；将第一温度与露点温度按茶叶水分聚集模型公式进行对比，得到二进制的茶叶水分聚集变量；根据基于线性回归的预测模型公式计算茶叶的预测货架期，该预测方法将温湿度转化为水分聚集值预测茶叶货架期，茶叶货架期预测精准度和可靠性高，操作方法简单，温湿度参数获取容易。易。


技术研发人员：徐艳群 李贞彪 黄静 许勇泉 王根女 罗自生 陈佳 张佳靓 叶田 洪鹏
受保护的技术使用者：恒枫食品科技有限公司
技术研发日：2023.07.10
技术公布日：2023/10/15