Year-To Differentiation of Black Tea Through Spectroscopic and Chemometric Analysis

Abstract

Bu çalışmada, hasat yılının siyah çayın çeşitli spektral profilleri üzerindeki etkisi incelenerek, iki hasat yılından siyah çay örneklerinin ayırt edilmesi amaçlanmıştır. Her metodolojinin avantajlarından yararlanılarak, orta kızılötesi, UV-görünür ve floresan spektroskopisinin yetenekleri, çok değişkenli istatistiksel yöntemlerle birlikte kapsamlı bir şekilde incelenmiştir. Değişen iklim koşulları ve mevsimsel döngüler nedeniyle, çay gibi gıda ürünlerinin bileşimi bir hasat yılından diğerine daha değişken hale gelmiş ve genel ürün kalitesini etkilemiştir. Bu nedenle, 2021 ve 2022'de hasat edilen 205 çay örneğini incelemek için orta kızılötesi, UV-görünür ve floresan spektroskopisi kullanılmıştır. Orta kızılötesi spektrumlar hem demlenmiş hem de toz örnek formları için toplanırken, yalnızca demlenmiş örnekler diğer spektroskopik yöntemler kullanılarak analiz edilmiştir. Örnekleri hasat yılına göre sınıflandırmak için PLS-DA, OPLS-DA ve SIMCA modelleri geliştirilmiştir. Orta kızılötesi verilere dayanan modeller toz örnekler için %93,33 ve aşılanmış örnekler için %90,33 doğru sınıflandırma oranlarına ulaşmıştır. Ek olarak, floresan ve UV-görünür spektral veriler sırasıyla %98,3 ve %100 başarı oranlarıyla oldukça doğru sonuçlar vermiştir. SIMCA diğer çok değişkenli yöntemlerle karşılaştırıldığında daha düşük performans gösterse de bulgular spektroskopik tekniklerin kemometrik yaklaşımlarla entegre edilmesinin siyah çayı farklı yıllarda etkili bir şekilde izleyebileceğini böylece, çay üretiminde kalite kontrol ve sınıflandırma süreçlerinin iyileştirilmesine katkıda bulunabilir.

In this study, the impact of the harvest year on various spectral profiles of black tea samples was examined, aiming to differentiate black tea samples from two harvest years. Utilizing the advantages of each methodology, the capabilities of mid-infrared, UV-visible and fluorescence spectroscopy have been extensively studied in combination with multivariate statistical methods. Due to changing climate conditions and seasonal cycles, the composition of food products like tea has become more variable from one harvest year to the next, influencing the overall product quality. Therefore, mid-infrared, UV-visible, and fluorescence spectroscopy were used to examine 205 tea samples that were harvested in 2021 and 2022. Mid-infrared spectra were gathered for both infused and powdered sample forms, whereas only the infused samples were analyzed using the other spectroscopic methods. Partial least-squares discriminant analysis (PLS-DA), orthogonal partial least-squares discriminant analysis (OPLS-DA) and soft independent modeling of class analogy (SIMCA) models were developed to classify the samples by harvest year. Models based on mid-infrared data achieved correct classification rates of 93.33% for powdered samples and 90.33% for infused samples. Additionally, fluorescence and UV-visible spectral data yielded highly accurate results, with success rates of 98.3% and 100%, respectively. Although SIMCA showed lower performance compared to other multivariate methods, these findings suggest that integrating spectroscopic techniques with chemometric approaches can effectively monitor black tea across different years. This could contribute to improved quality control and classification processes in tea production.