王銘海+龍嬌+朱曉琴

摘要 近紅外與高光譜成像技術(shù)作為一種新興、高效、準(zhǔn)確的無損快速檢測技術(shù)，在茶葉種植及生產(chǎn)經(jīng)營方面具有巨大的應(yīng)用優(yōu)勢。本文綜述了近紅外與高光譜成像技術(shù)在茶園管理、生產(chǎn)監(jiān)測、質(zhì)量等級劃分、種類及產(chǎn)地鑒別等茶葉質(zhì)量安全控制環(huán)節(jié)中的研究與應(yīng)用進展，并對其研究與應(yīng)用前景進行了展望，以期促進該技術(shù)方法能更好、更快地應(yīng)用于茶葉質(zhì)量安全控制領(lǐng)域，從而促進茶產(chǎn)業(yè)健康跨越發(fā)展。

關(guān)鍵詞 近紅外光譜；高光譜成像；茶葉；質(zhì)量安全控制；應(yīng)用

中圖分類號 S571.1；TS207.7 文獻標(biāo)識碼 A 文章編號 1007-5739（2017）12-0273-02

Abstract As a novel，efficient and accurate non-destructive rapid detection technology，the near-infrared spectroscopy and hyperspectral ima-ging technology have a great advantage in tea cultivation and production & sales areas.The important applications and research progress of above technology in tea quality and safety management were summarized including the garden management，processing monitoring，quality grade division and species & origin identification.The further research and application were also analyzed and aimed at promoting the application of the technology in tea quality and safety management field better and faster，and simultaneously boosting the industry of tea leapfrog and healthy development.

Key words near-infrared spectroscopy；hyperspectral imaging；tea；quality and safety management；application

我國作為世界茶葉產(chǎn)銷大國，具有悠久的茶葉生產(chǎn)及利用歷史。中國茶葉種植面積和產(chǎn)量均位居世界第一，2016年全國茶園總面積接近293.3萬hm2，毛茶總產(chǎn)量達到243萬t，總產(chǎn)值達到1 680億元。隨著茶產(chǎn)業(yè)的蓬勃快速發(fā)展，茶產(chǎn)品質(zhì)量安全問題已逐漸凸顯成為制約我國茶產(chǎn)業(yè)及貿(mào)易出口健康跨越發(fā)展的重要問題。

現(xiàn)有茶葉質(zhì)量安全控制手段多依靠理化分析及感官評審等傳統(tǒng)技術(shù)手段，均不同程度上存在操作繁瑣、費時耗力、人員要求高、樣品破壞性大等不足[1]，且無法實現(xiàn)對茶葉種植、加工及經(jīng)營過程中質(zhì)量安全指標(biāo)變化的實時監(jiān)控分析。光譜技術(shù)是近10年來發(fā)展最為迅速的高新實用分析技術(shù)之一，以其高效無損、經(jīng)濟準(zhǔn)確等優(yōu)勢被廣泛應(yīng)用于農(nóng)業(yè)[2-3]、醫(yī)藥[4]與食品[5-6]等諸多領(lǐng)域，該技術(shù)可較好地滿足茶葉“從茶園到舌尖”全過程中實時準(zhǔn)確、全面客觀的品質(zhì)監(jiān)測要求。

1 近紅外與高光譜成像技術(shù)簡述

1.1 近紅外光譜技術(shù)基本原理

近紅外光譜是介于可見光和中紅外光譜的光譜區(qū)域，為波長范圍為780～2 526 nm的電磁波，此波段的光譜對樣品中X-H鍵（如C-H、O-H、N-H等）振動的倍頻、合頻及差頻具有特征吸收，不同的吸收峰位置及吸收強弱可間接反映出該樣品特定物質(zhì)的分子結(jié)構(gòu)及濃度信息[7]。因此，通過獲取近紅外圖譜，并結(jié)合恰當(dāng)?shù)幕瘜W(xué)計量學(xué)方法建立分析模型，即可對茶葉中多種質(zhì)量成分及安全指標(biāo)進行實時無損定量或定性分析[8]。

1.2 高光譜成像技術(shù)基本原理

高光譜成像技術(shù)興起于20世紀(jì)80年代，其兼具光譜分析和圖像識別雙重分析能力，該技術(shù)可比普通多光譜成像獲取更大范圍內(nèi)的光譜特征參數(shù)（主要包括空間、光譜和輻射三重信息），這些數(shù)據(jù)信息可用來生成復(fù)雜模型，用以判別、分類、識別圖像中的物質(zhì)，同時也能夠更客觀、準(zhǔn)確、全面地反映出被測產(chǎn)品固有特性[9]。該技術(shù)可被應(yīng)用于茶葉種植管理、病蟲害監(jiān)測及等級產(chǎn)地鑒別等質(zhì)量安全控制領(lǐng)域。

2 近紅外與高光譜成像技術(shù)在茶葉質(zhì)量安全控制中的應(yīng)用

2.1 茶葉種植管理監(jiān)測

利用近紅外與高光譜成像技術(shù)實時快速監(jiān)測茶園鮮葉中葉綠素、氮素、水分、農(nóng)殘及病蟲害等生長指標(biāo)對于全面客觀掌握茶樹長勢、估測產(chǎn)量、營養(yǎng)診斷、灌溉施肥及蟲害防治等方面都具有重要指導(dǎo)意義。

趙杰文等[10]以茶樹為研究對象，利用高光譜成像技術(shù)結(jié)合7種不同的特征參數(shù)提取算法分析了茶樹葉片中葉綠素含量及其分布，結(jié)果表明，基于二次土壤調(diào)節(jié)植被指數(shù)提取算法的模型分析效果最佳，可較為準(zhǔn)確地測定出葉片表面葉綠素的分布。王勝鵬等[11]結(jié)合偏最小二乘法（PLS）建立了不同葉位置及嫩度茶鮮葉含水量、粗纖維和總氮的近紅外光譜預(yù)測模型，取得了較滿意的預(yù)測結(jié)果，并提出了基于NIRS技術(shù)評價茶鮮葉質(zhì)量的新方法。鄭建鴻等[12]利用熒光高光譜圖像技術(shù)和光譜角算法快速無損檢測了鮮茶葉表面的多菌靈農(nóng)藥殘留，并達到了預(yù)期的監(jiān)測效果。劉建雄等[13]基于遭茶尺蠖啃食的茶園高光譜圖像數(shù)據(jù)，建立了690～790 nm與520～580 nm頻譜范圍的茶尺蠖啃食程度的擬合模型，研究表明，特征光譜信息能夠有效反映出茶園遭茶尺蠖啃食的嚴(yán)重程度，說明利用高光譜成像技術(shù)實時監(jiān)測茶尺蠖危害可行。

2.2 生產(chǎn)加工監(jiān)測

通過近紅外與高光譜成像技術(shù)對茶葉咖啡堿、茶多酚、氨基酸、水分等內(nèi)部質(zhì)量與安全指標(biāo)進行無損快速監(jiān)測分析，對于促進茶葉工藝提升、保證產(chǎn)品質(zhì)量安全具有重要意義。孫耀國等[14]基于3個波段（4 000～5 376、5 376～7 143、7 143～10 000 cm-1）近紅外光譜信息，建立了綠茶中茶多酚、咖啡堿和氨基酸3類化學(xué)物的PLS分析模型，在進一步優(yōu)化波長范圍的基礎(chǔ)上，得到了較滿意的預(yù)測分析結(jié)果，模型對氨基酸、咖啡堿和茶多酚的預(yù)測相關(guān)系數(shù)分別達到0.994、0.920和0.960。陳壽松等[15]開發(fā)出一種茶葉含水率的近紅外在線快速監(jiān)測技術(shù)，并綜合分析了茶葉傳輸帶動靜狀態(tài)、攤?cè)~厚度、測定高度、茶葉等級等因素對在線測定茶葉含水量精確度的影響。胡永光等[16]使用FieldSpec 3型便攜式地物光譜儀，基于SPXY樣品劃分算法，分別建立了192個綠茶殺青葉料樣品的PLS、PCR與BP網(wǎng)絡(luò)分析模型，結(jié)果表明，基于5個主成分的PLS模型預(yù)測效果最佳。吳瑞梅等[17]利用近紅外光譜技術(shù)快速分析綠茶湯的氨酚比（即氨基酸與茶多酚的含量比值），從而提出了基于NIRS技術(shù)的綠茶滋味品質(zhì)估測模型。

2.3 質(zhì)量等級劃分

當(dāng)前茶葉質(zhì)量等級劃分多以感官評審（如外形、香氣、湯色、滋味、葉底等）結(jié)合內(nèi)部品質(zhì)檢測進行劃分，但感官評審技術(shù)性強、對環(huán)境等客觀因素要求較高，且受評茶員的主觀影響較大。Hall等[18]在1988年最早對不同地區(qū)、品質(zhì)的134個紅茶樣品進行了研究，證明了近紅外方法與感官評審法的效果具有高度一致性。周小芬等[19]以大佛龍井茶為分析對象，采用NIRS-PLS模型，分別建立了干茶色澤、湯色、香氣、滋味、葉底單因子得分、五因子總分及六因子總分共7個定量分析模型，結(jié)果表明，五因子總分模型預(yù)測性能最好（Rp為96.65%，RMSEP為1.52），進一步說明了NIRS技術(shù)對大佛龍井茶品質(zhì)等級劃分具有較強可行性。陳全勝等[20]設(shè)計了一套高光譜圖像系統(tǒng)采集系統(tǒng)，對4個等級200個樣品的炒青綠茶進行了判定，判別分析模型訓(xùn)練集總體回判率為 97%，預(yù)測集總體識別率達94%，結(jié)果表明高光譜成像技術(shù)可同時兼顧茶葉內(nèi)外品質(zhì)分析，可應(yīng)用于茶葉質(zhì)量等級劃分。于英杰等[21]應(yīng)用高光譜技術(shù)結(jié)合支持向量機分類算法對5個不同等級的鐵觀音樣品進行了等級判別分析，在最優(yōu)模型下，所建模型對未知等級樣品的正確判別率達到92.86%，表明此技術(shù)可適用于鐵觀音茶葉等級的無損快速準(zhǔn)確劃分。

2.4 種類及產(chǎn)地鑒別

利用近紅外與高光譜成像技術(shù)對茶葉種類及產(chǎn)地進行快速準(zhǔn)確鑒定是鑒別茶葉真?zhèn)?、?guī)范茶葉市場秩序和實現(xiàn)茶葉源產(chǎn)地及名優(yōu)茶品牌保護的有力措施。陳 波等[22]利用4 000～9 000 cm-1的近紅外光譜譜圖，通過聚類分析對西湖龍井、洞庭碧螺春、廬山云霧茶等5種中國名產(chǎn)進行識別，結(jié)果表明，NIRS技術(shù)在茶葉種類識別方面具有很好的效果。陳全勝等[23]以碧螺春茶（真碧螺春初產(chǎn)地為江蘇，偽碧螺春樣品初產(chǎn)地分別為安徽、湖南和江西等地）為研究對象，通過采集228個樣品5 500～6 500 cm-1范圍內(nèi)的近紅外光譜信息，結(jié)合支持向量機模式識別算法，建立了碧螺春茶的真?zhèn)舞b別模型，所建判別模型對訓(xùn)練集樣品的回判鑒別率達到93.48%，對預(yù)測集樣品的預(yù)測鑒別率達84.44%。章海亮等[24]通過采集不同茶葉樣品在380～1 023 nm波長范圍內(nèi)的512幅光譜圖像，并綜合主成分分析法建立了龍井翠綠、廬山云霧、婺源毛尖等6個品牌名優(yōu)綠茶的LS-SVM區(qū)分識別模型，預(yù)測集識別率達到了100%，并采用ROC曲線對該分類模型進行了評估分析，結(jié)果表明，高光譜成像技術(shù)結(jié)合LS-SVM模型可實現(xiàn)對綠茶品牌的鑒別。蔡健榮等[25]采集了試驗樣品的漫反射高光譜圖像數(shù)據(jù)，并利用灰度共生矩陣算法提取出4個紋理特征參量，結(jié)合支持向量機（SVM）模式識別方法構(gòu)建了碧螺春茶葉真?zhèn)舞b別分析模型，訓(xùn)練集和預(yù)測集的判別率分別達到100.00%和96.25%，取得了很好的鑒別效果。

3 結(jié)語

綜上所述，近紅外與高光譜成像技術(shù)作為茶葉傳統(tǒng)理化分析及感官評審方法的可行替代方法之一，在茶葉質(zhì)量安全控制各環(huán)節(jié)具有巨大的技術(shù)優(yōu)勢，但也不容忽視地受到模型建立難度大、適應(yīng)性（穩(wěn)定性）不強、檢測靈敏度不高、光譜儀成本高昂等諸多實際因素的制約，導(dǎo)致該項新型技術(shù)在我國茶產(chǎn)業(yè)中快速普及及推廣尚待時日。為切實提高近紅外和高光譜成像技術(shù)在茶葉質(zhì)量安全控制領(lǐng)域應(yīng)用的實用性、推進該技術(shù)在茶葉領(lǐng)域的應(yīng)用進程，可從以下幾個方面深入研究：一是延伸對茶園土壤有機質(zhì)、礦質(zhì)元素、重金屬污染物及更多茶樹病蟲害等方面的探究，以全面、客觀地指導(dǎo)茶葉精準(zhǔn)種植；二是擴展進行多茶類、多品種茶產(chǎn)品的在線監(jiān)測、品質(zhì)分析、質(zhì)量判別、真?zhèn)舞b定；三是加強對分析模型轉(zhuǎn)移、傳遞等方面的研究，以增強模型的通用性與穩(wěn)健性。

4 參考文獻

[1] 郭桂義，王廣銘.我國茶葉產(chǎn)品國家標(biāo)準(zhǔn)理化指標(biāo)分析[J].中國茶葉加工，2014（3）：45-52.

[2] 王加多，周向陽，金同銘，等.近紅外光譜檢測技術(shù)在農(nóng)業(yè)和食品分析上的應(yīng)用[J].光譜學(xué)與光譜分析，2004，24（4）：447-450.

[3] 劉燕德，張光偉.高光譜成像技術(shù)在農(nóng)產(chǎn)品檢測中的應(yīng)用[J].食品與機械，2012，28（5）：223-226.

[4] 肖雪，梁瓊麟，王義明.近紅外光譜技術(shù)在醫(yī)藥領(lǐng)域中的應(yīng)用進展[J].現(xiàn)代儀器，2011，5（17）：9-12.

[5] 劉建學(xué)，楊瑩，韓四海.高光譜成像技術(shù)在食品品質(zhì)無損檢測中的應(yīng)用[J].食品工業(yè)科技，2016，37（3）：389-393.

[6] 李文采，劉飛，田寒友，等.基于高光譜成像技術(shù)的雞肉菌落總數(shù)快速無損檢測[J].肉類研究，2017，31（3）：35-39.

[7] 王銘海.獼猴桃、桃和梨品質(zhì)特性的近紅外光譜無損檢測模型優(yōu)化研究[D].楊凌：西北農(nóng)林科技大學(xué)，2013.

[8] 王志嵐，陳華才，尹軍峰，等.近紅外光譜分析技術(shù)在茶葉中的應(yīng)用[J].現(xiàn)代農(nóng)業(yè)科技，2008（15）：110-111.

[9] 彭彥穎，孫旭東，劉燕德.果蔬品質(zhì)高光譜成像無損檢測研究進展[J].激光與紅外，2010，40（6）：586-592.

[10] 趙杰文，王開亮，歐陽琴，等.高光譜技術(shù)分析茶樹葉片中葉綠素含量及分布[J].光譜學(xué)與光譜分析，2011，31（2）：512-515.

[11] 王勝鵬，宛曉春，林茂先，等.基于水分、全氮量和粗纖維含量的茶鮮葉原料質(zhì)量近紅外評價方法[J].茶葉科學(xué)，2011，31（1）：66-71.

[12] 鄭建鴻，吳瑞梅，熊俊飛，等.基于光譜角算法的鮮茶葉表面農(nóng)藥殘留熒光高光譜圖像無損檢測研究[J].激光雜志，2016，37（6）：57-60.

[13] 劉建雄，李明，陶棟材，等.基于高光譜技術(shù)的茶尺蠖危害程度研究[J].湖南農(nóng)業(yè)大學(xué)學(xué)報（自然科學(xué)版），2013，39（3）：315-318.

[14] 孫耀國，林敏，呂進，等.近紅外光譜法測定綠茶中氨基酸、咖啡堿和茶多酚的含量[J].光譜實驗室，2004，21（5）：940-943.

[15] 陳壽松，鄭功宇，金心怡，等.茶葉含水率近紅外在線快速測定及其應(yīng)用研究[J].食品科學(xué)，2014，34（4）：337-343.

[16] 胡永光，陳培培，趙夢龍，等.綠茶殺青葉料含水率可見-近紅外光譜檢測[J].農(nóng)業(yè)機械學(xué)報，2013，44（8）：174-179.

[17] 吳瑞梅，吳彥紅，艾施榮，等.茶葉外形品質(zhì)的高光譜圖像量化分析[J].江西農(nóng)業(yè)大學(xué)學(xué)報，2013，35（2）：413-418.

[18] HALL M N，ROBERTSON A，SCOTTER C N G.Near-infrared reflecta-nce prediction of quality，theaflavin content and moisture content of black tea[J].Food Chem，1988，27（1）：61-75.

[19] 周小芬，葉陽，周竹定，等.基于近紅外光譜法的大佛龍井茶品質(zhì)評價研究[J].光譜學(xué)與光譜分析，2012，32（11）：2971-2975.

[20] 陳全勝，趙杰文，蔡健榮，等.利用高光譜圖像技術(shù)評判茶葉的質(zhì)量等級[J].光學(xué)學(xué)報，2008，28（4）：669-674.

[21] 于英杰，王瓊瓊，王冰玉，等.基于高光譜技術(shù)的鐵觀音茶葉等級判別[J].食品科學(xué)，2014，35（22）：159-163.

[22] 陳波，靳保輝，梁宏，等.近紅外光譜技術(shù)與聚類分析鑒別中國名茶[J].光譜實驗室，2012，29（5）：2901-2905.

[23] 陳全勝，趙杰文，張海東，等.基于支持向量機的近紅外光譜鑒別茶葉的真?zhèn)蝃J].光學(xué)學(xué)報，2006，26（6）：933-937.

[24] 章海亮，李曉麗，朱逢樂，等.應(yīng)用高光譜成像技術(shù)鑒別綠茶品牌研究[J].光譜學(xué)與光譜分析，2014，34（5）：1373-1377.

[25] 蔡健榮，韓智義.碧螺春茶葉的真?zhèn)舞b別技術(shù)[J].農(nóng)機化研究，2013，（4）：140-143.