王 杰，張 瑩，常 睿，陳善敏，袁林穎，鐘應(yīng)富，鄔秀宏，徐 澤

（重慶市農(nóng)業(yè)科學(xué)院茶葉研究所，重慶市茶葉工程技術(shù)研究中心，重慶 402160）

永川秀芽是針形綠茶的典型代表，由重慶市農(nóng)業(yè)科學(xué)院茶葉研究所（原四川省農(nóng)業(yè)科學(xué)院茶葉研究所）自1959年開始研制生產(chǎn)，并于1964年經(jīng)著名茶學(xué)專家陳椽教授指導(dǎo)命名。其具有外形緊圓細(xì)直、色澤鮮潤翠綠、湯色清澈綠亮、香氣鮮嫩高長、滋味鮮醇回甘、葉底嫩勻明亮的品質(zhì)特征[1-2]。

永川秀芽的加工工序主要包括殺青、揉捻、理?xiàng)l（做形）、干燥等[3]。目前已實(shí)現(xiàn)了連續(xù)化、機(jī)械化、標(biāo)準(zhǔn)化生產(chǎn)，但在實(shí)際加工過程中，仍主要通過人為感知茶葉含水率、色澤等變化，不斷調(diào)節(jié)優(yōu)化工藝參數(shù)。因此，具有一定的主觀性和不確定性。若要精準(zhǔn)獲取在制品的品質(zhì)信息，需要借助理化檢驗(yàn)的手段，但檢驗(yàn)過程會(huì)耗費(fèi)大量時(shí)間，且需要專業(yè)的實(shí)驗(yàn)技術(shù)人員操作。這顯然無法實(shí)時(shí)、快速、無損地獲取用于指導(dǎo)生產(chǎn)的品質(zhì)信息，已成為永川秀芽加工技術(shù)實(shí)現(xiàn)數(shù)字化、智能化的主要制約因素。

隨著現(xiàn)代檢驗(yàn)技術(shù)的發(fā)展，電子舌、電子鼻、近紅外光譜、高光譜等新技術(shù)、新裝備被用于測(cè)定茶葉化學(xué)成分、判定茶葉品種等級(jí)、判別加工工序適度等，逐漸成為茶葉品質(zhì)數(shù)字化評(píng)價(jià)的常用手段[4-9]。此外，基于不同顏色模型的茶葉智能識(shí)別與檢測(cè)技術(shù)也受到了廣泛關(guān)注。李莎莎等[10]通過設(shè)計(jì)紅茶發(fā)酵葉圖像采集系統(tǒng)，基于RGB直方圖對(duì)比算法提出了判別紅茶發(fā)酵適度的方法，判別準(zhǔn)確率可達(dá)到93.2%。Suprijanto等[11]通過提取紅碎茶外形特征（面積、周長、彎曲能）和茶湯顏色特征（紅色通道均值（R）、綠色通道均值（G）、藍(lán)色通道均值（B）），利用直方圖分析法和建立多層感知器神經(jīng)網(wǎng)絡(luò)模型，可實(shí)現(xiàn)對(duì)紅碎茶品質(zhì)的精準(zhǔn)評(píng)價(jià)，且準(zhǔn)確率達(dá)到100%。Liang Gaozhen等[12]利用計(jì)算機(jī)視覺系統(tǒng)采集紅茶萎凋葉圖像，通過顏色空間變化提取R、G、B、色調(diào)均值（H）、飽和度均值（S）、亮度均值（V）、亮度（L*）、紅綠度（a*）、黃藍(lán)度（b*）以及紋理特征，結(jié)合偏最小二乘（partial least square，PLS）法和支持向量機(jī)建立了萎凋葉的含水率定量預(yù)測(cè)模型，為實(shí)現(xiàn)紅茶加工的含水率在線監(jiān)測(cè)提供了新思路。綜上分析，建立基于顏色、形狀等特征識(shí)別和PLS等算法，對(duì)于茶葉品質(zhì)評(píng)價(jià)和工序判別有較高的識(shí)別準(zhǔn)確率，具有潛在的應(yīng)用價(jià)值。

針對(duì)當(dāng)前人為經(jīng)驗(yàn)判斷和傳統(tǒng)理化檢驗(yàn)的缺陷，本實(shí)驗(yàn)基于不同顏色模型探究永川秀芽初制過程中的色澤變化，并結(jié)合PLS方法建立在制品的含水率定量預(yù)測(cè)模型，以期為實(shí)現(xiàn)永川秀芽的數(shù)字化、智能化加工提供理論基礎(chǔ)。

1 材料與方法

1.1 材料

實(shí)驗(yàn)于2021年2月底至4月上旬在重慶云嶺茶業(yè)科技有限責(zé)任公司開展，原料采用福鼎大白茶一芽一葉鮮葉。

1.2 儀器與設(shè)備

CR410便攜式色差計(jì) 柯尼卡美能達(dá)（中國）投資有限公司；iPhone 11手機(jī) 美國Apple公司；便攜式攝影棚（80 cm×80 cm×80 cm，配有白色PVC背景布、LED燈片（色溫5 500 K）） 上海春影電子商務(wù)有限公司；DHG-9240A電熱恒溫鼓風(fēng)干燥箱 上海一恒科學(xué)儀器有限公司。永川秀芽初制設(shè)備型號(hào)見表1。

表1 永川秀芽初制設(shè)備型號(hào)Table 1 Equipment used for the initial production process of Yongchuan Xiuya tea

1.3 方法

1.3.1 永川秀芽初制工序與取樣方法

經(jīng)11 道初制工序后制得永川秀芽毛茶，初制工序及參數(shù)見表2。每道工序結(jié)束后隨機(jī)抽取在制品300～400 g，其中3 g用于測(cè)定含水率，其余在制品用于測(cè)定色差和采集圖像。本實(shí)驗(yàn)共采集19 批次樣品，總計(jì)209 個(gè)茶樣，其中校正集樣本140 個(gè)，預(yù)測(cè)集樣本69 個(gè)。毛茶后續(xù)還需經(jīng)復(fù)烘、精制、拼配、包裝等工序后制得成品茶。

表2 永川秀芽初制工序參數(shù)Table 2 Operating parameters for initial production process of Yongchuan Xiuya tea

1.3.2 圖像采集

為保證采集圖像數(shù)據(jù)的一致性、便捷性，特利用手機(jī)和便攜式攝影棚在同一光源條件下采集在制品圖像，并固定手機(jī)與樣品的位置。

現(xiàn)代建筑行業(yè)經(jīng)過多年的發(fā)展，其施工技術(shù)水平和管理理念模式已經(jīng)有了長足的進(jìn)步，不過仍然存在部分建筑企業(yè)施工技術(shù)水平較低，管理模式落后，對(duì)于工程項(xiàng)目的模型數(shù)據(jù)共享工作不到位，最終影響到項(xiàng)目成本管理的準(zhǔn)確性。

1.3.3 含水率測(cè)定

參照GB 5009.3—2016《食品中水分的測(cè)定》中的直接干燥法[13]。

1.3.4 色澤測(cè)定

1.3.4.1 CIE LAB顏色模型分量

利用色差計(jì)測(cè)定在制品的L*、a*、b*，并計(jì)算衍生值：色調(diào)彩度（Cab）、色調(diào)飽和度（Sab）、色相（b/a）、色調(diào)角（Hab）。

1.3.4.2 RGB、HSV、HSL顏色模型分量

利用采集的圖像提取R、G、B，并計(jì)算衍生值：色彩均值（I）、灰度均值（Gr）；利用RGB顏色模型轉(zhuǎn)換HSV顏色模型，獲取H、S、V；利用RGB顏色模型轉(zhuǎn)換HSL顏色模型，獲取H（與HSV模型中H的含義和轉(zhuǎn)換方法一致）、飽和度均值（s）（與HSV模型中S的含義和轉(zhuǎn)換方法不一致）、明度均值（L）；共計(jì)獲取顏色模型分量17 個(gè)。

式（1）～（8）中：R’、G’、B’分別為R、G、B的標(biāo)準(zhǔn)化值，取值范圍均為0～1；Vmax、Vmin分別為R’、G’、B’中的最大值與最小值；δ為Vmax與Vmin的差值；r、g、b分別為R’、G’、B’的轉(zhuǎn)換值，取值范圍均為1/2～2/3。

1.4 數(shù)據(jù)處理

利用ImageJ 1.53軟件提取圖像R、G、B值；利用Origin 9.0繪制折線圖；利用SPSS 22.0軟件完成差異顯著性檢驗(yàn)（Duncan多重檢驗(yàn)分析，P＜0.05）；利用TBtools 1.068軟件完成熱圖與聚類分析；利用MATLAB 2014a軟件完成PLS分析。

2 結(jié)果與分析

2.1 永川秀芽在制品含水率變化

含水率在永川秀芽初制過程中的變化趨勢(shì)見圖1?？梢园l(fā)現(xiàn)，鮮葉攤放結(jié)束時(shí)含水率為76.29%，經(jīng)蒸汽熱風(fēng)殺青、烘二青、理?xiàng)l、毛火、足火后，在制品含水率顯著降低，分別為64.44%、55.05%、22.37%、13.31%、9.00%。其原因可能是上述工序的溫度較高，水分散失速率相對(duì)較快。與蒸汽熱風(fēng)殺青葉相比，微波殺青葉的含水率略有降低，但差異不顯著?？赡苁怯捎谖⒉⑶鄷r(shí)間較短（本實(shí)驗(yàn)中微波殺青時(shí)間為30～60 s），水分散失速率較慢。滑金杰等[16]研究發(fā)現(xiàn)，隨著微波殺青的進(jìn)行，在制品的含水率在前90 s緩慢下降，與本實(shí)驗(yàn)結(jié)果較為一致。此外，兩次攤涼、初揉、復(fù)揉結(jié)束時(shí)，含水率未發(fā)生顯著變化，說明兩次攤涼、揉捻時(shí)溫度較低，對(duì)在制品含水率的影響不顯著。

圖1 永川秀芽初制過程中含水率變化Fig.1 Change in moisture content during initial production process of Yongchuan Xiuya tea

2.2 永川秀芽在制品色澤變化

2.2.1 CIE LAB顏色模型分量變化

在CIE LAB顏色模型中，L*值越大表示亮度越高；a*正值為紅色，負(fù)值為綠色，值越大（小）表示紅（綠）色度越高；b*正值為黃色，負(fù)值為藍(lán)色，值越大（小）表示黃（藍(lán)）色度越高[17]。另外，由L*、a*、b*值產(chǎn)生了系列衍生指標(biāo)值，其中Cab值越大表示樣品顏色越鮮艷；Sab值越大表示樣品越明亮；b/a中，當(dāng)b*＞0、a*＜0時(shí)，值越大表示樣品越綠，值越小表示樣品越黃；Hab的取值范圍為0～360°，0（360°）、90、180、270°分別代表紅色、黃色、綠色、藍(lán)色，90～180°則是由黃色到黃綠色，再逐漸轉(zhuǎn)變成綠色的過程[18-19]。由表3可知，隨著加工過程進(jìn)行，L*值逐漸降低，表明在制品色澤逐漸變暗，且初揉、烘二青、理?xiàng)l結(jié)束時(shí)變化顯著。Cab、Sab值總體呈降低趨勢(shì)，但前者在復(fù)揉結(jié)束后顯著增加，后者在初揉、復(fù)揉結(jié)束時(shí)均顯著增加。a*值在加工中始終為負(fù)，表明在制品色澤以綠色為主；除復(fù)揉外，a*值總體呈上升趨勢(shì)，且理?xiàng)l葉的a*值變化幅度最大。b*值在加工中始終為正，表明在制品色澤以黃色為主；除復(fù)揉外，b*值總體呈下降趨勢(shì)，且理?xiàng)l葉的b*值降低幅度最大。從攤放開始到復(fù)揉結(jié)束，b/a值的變化幅度并不顯著，且Hab值保持在120°左右，但理?xiàng)l結(jié)束后，b/a值和Hab值均顯著降低，在制品的色澤均顯著變黃?？梢园l(fā)現(xiàn)，在永川秀芽初制過程中，在制品的CIE LAB顏色模型分量均會(huì)在理?xiàng)l后發(fā)生顯著變化，主要表現(xiàn)為色澤變暗、變黃。

表3 永川秀芽在制品CIE LAB顏色模型分量變化Table 3 Change in CIE LAB color model components of Yongchuan Xiuya tea

2.2.2 RGB顏色模型分量變化

RGB模型是一種由紅、綠、藍(lán)三原色混合再生成其他顏色的模型，任何一種顏色都可以使用紅、綠、藍(lán)三原色定量表示。在RGB模型中，R值越大表示顏色越紅；G值越大表示顏色越綠；B值越大表示顏色越藍(lán)[20]。另外，由R、G、B值可計(jì)算產(chǎn)生I和Gr，其中I值越大表示色彩越明亮；Gr值越大表示黑白圖像的顏色越淺、層次越清晰[21]。由表4可知，在R、G、B這3 個(gè)分量中，G值高于R、B值，說明在制品的色澤以綠色為主。隨著加工過程進(jìn)行，雖然R、G、I、Gr值在部分工序結(jié)束后略有增加，但變化均不顯著，總體呈現(xiàn)降低趨勢(shì)，且理?xiàng)l后的變化幅度最大，說明在制品的色澤逐漸變暗，紅色度、綠色度和黑白圖像的清晰度均逐漸降低，且理?xiàng)l后的降低幅度最大。從攤放開始到理?xiàng)l結(jié)束，B值未發(fā)生顯著變化，直至毛火、足火結(jié)束，在制品的B值顯著高于攤放葉。可以發(fā)現(xiàn)，除B值外，在制品的R、G、I、Gr值在理?xiàng)l結(jié)束后均發(fā)生了顯著變化，且表現(xiàn)為色澤明亮度、紅色度、綠色度等降低。

表4 RGB顏色模型分量變化Table 4 Change in RGB color model components

2.2.3 HSV、HSL顏色模型分量變化

HSV是一種按照人眼對(duì)色彩的感知原理構(gòu)建的模型，由H、S、V這3 個(gè)分量構(gòu)成，其中H的取值范圍為0～360°，0（360°）、60、120、180、240、300°分別處于紅色、黃色、綠色、青色、藍(lán)色、品紅色位置；S、L的取值范圍均為0～1，值越大表示顏色越鮮艷、色彩越明亮[15]。在HSL模型中，顏色被認(rèn)為是H、s、L的合成，s取值范圍為0～1，值越大表示顏色越鮮艷；L的取值范圍同樣為0～1，值越大表示色彩越明亮[15]。由表5可知，在HSV、HSL模型中，在制品H值的范圍為70～85°，顏色位置在黃色與綠色之間（即表現(xiàn)為黃綠色），且毛火、足火結(jié)束后，H值顯著降低，說明在制品的色澤進(jìn)一步變黃。隨著加工過程進(jìn)行，S、V、s、L值在理?xiàng)l結(jié)束后均顯著下降，表明理?xiàng)l工序會(huì)使在制品的色澤明亮度、鮮艷度顯著降低。

表5 HSV、HSL顏色模型分量變化Table 5 Change in HSV and HSL color model components

2.3 含水率、色澤的熱圖與聚類分析

利用TBtools將11 道工序樣品的含水率和17 個(gè)顏色模型分量標(biāo)準(zhǔn)化處理后進(jìn)行熱圖與聚類分析，結(jié)果見圖2?？梢园l(fā)現(xiàn)，除a*、B值外，含水率和其余15 個(gè)顏色模型分量隨著加工工序的進(jìn)行而降低。使用歐式距離算法和complete linkage聚類方法，可將11 道工序的在制品劃分為兩大類，第1大類又可分為2 個(gè)亞類，第1亞類為攤放、蒸汽熱風(fēng)殺青、微波殺青、第1次攤涼和初揉，第2亞類為烘二青、第2次攤涼和復(fù)揉；第2大類也可分為2 個(gè)亞類，第1亞類為理?xiàng)l，第2亞類為毛火、足火。從聚類結(jié)果可以看出，受理?xiàng)l工序的影響，第1大類和第2大類樣品的含水率、顏色模型分量差異較大，即在制品的含水率、色澤變化顯著，這與2.2節(jié)結(jié)果一致。結(jié)合4 個(gè)亞類結(jié)果還可發(fā)現(xiàn)，烘二青、毛火對(duì)在制品的含水率、色澤影響也較為顯著。

圖2 含水率、色澤的熱圖與聚類分析結(jié)果Fig.2 Heatmap and cluster analysis of moisture content and color parameters

2.4 含水率定量預(yù)測(cè)模型評(píng)價(jià)

PLS作為一種在化學(xué)計(jì)量學(xué)及其他領(lǐng)域應(yīng)用廣泛的建模方法，它能夠建立兩塊數(shù)據(jù)之間的聯(lián)系，消除冗余數(shù)據(jù)信息，進(jìn)而實(shí)現(xiàn)降維的目的[22-23]。采用PLS建立了永川秀芽在制品含水率的定量預(yù)測(cè)模型，模型評(píng)價(jià)結(jié)果見表6，模型預(yù)測(cè)值與實(shí)際值的散點(diǎn)圖如圖3所示。

表6 含水率定量預(yù)測(cè)模型評(píng)價(jià)結(jié)果Table 6 Performance parameters of quantitative prediction model

圖3 校正集（A）和預(yù)測(cè)集（B）含水量的PLS模型預(yù)測(cè)值與實(shí)際值散點(diǎn)圖Fig.3 Scatter plots for PLS model predicted versus measured moisture content in calibration (A) and predication (B) sets

在PLS模型建立過程中，常采用交互驗(yàn)證法優(yōu)化模型，以最低的交互驗(yàn)證均方根誤差（root mean square error of cross-validation，RMSECV）值確定建模的最佳主成分個(gè)數(shù)。由表6可知，參與建模的最佳主成分個(gè)數(shù)為6 個(gè)，校正集、預(yù)測(cè)集含水率的取值范圍、均值、標(biāo)準(zhǔn)差（standard deviation，SD）較為接近。結(jié)合圖3可以發(fā)現(xiàn)，實(shí)際值與預(yù)測(cè)值散點(diǎn)的集中程度較高且分布較為均勻，表明定量預(yù)測(cè)模型的效果較好。本實(shí)驗(yàn)選定的模型性能的評(píng)價(jià)指標(biāo)還包括：校正集相關(guān)系數(shù)（Rc）、RMSECV、預(yù)測(cè)集相關(guān)系數(shù)（Rp）、預(yù)測(cè)均方根誤差（root-mean-square error of prediction，RMSEP）、相對(duì)分析誤差（relative percent deviation，RPD）。通常RMSECV、RMSEP值越小，且Rc、Rp值越大，模型的預(yù)測(cè)效果越好，RMSECV、RMSEP間的差值越小，模型的泛化能力越好。RPD為校正集SD與RMSEP的比值，當(dāng)RPD＞2.0時(shí)，表明模型具有極好的預(yù)測(cè)能力；當(dāng)RPD為1.8～2.0時(shí)，表明模型效果較好，可用于樣品的定量分析；當(dāng)RPD為1.4～1.8時(shí)，表明模型可對(duì)樣品作粗略預(yù)測(cè)和關(guān)聯(lián)評(píng)估；而RPD＜1.4時(shí)，表明模型效果很差，無法應(yīng)用[24]。由表6可知，Rc、Rp分別為0.979和0.980，RMSECV、RMSEP分別為0.044 7、0.044 3，且兩者差值僅為0.000 4，RPD為5.04（＞2.0），說明建立的模型具有極好的預(yù)測(cè)能力和泛化能力，可極好地預(yù)測(cè)永川秀芽在制品的含水率。

3 結(jié)論

綠茶加工實(shí)質(zhì)上是茶鮮葉經(jīng)過殺青、揉捻、干燥等工序逐步失水成型的過程。在制品的含水率會(huì)直接影響物理特性與內(nèi)含成分含量的變化，進(jìn)而影響成品茶的感官品質(zhì)。通過建立快速、無損的在制品含水率檢測(cè)方法，對(duì)優(yōu)化茶葉加工工藝、穩(wěn)定茶葉風(fēng)味品質(zhì)等具有重要意義[25-26]。本實(shí)驗(yàn)探究了永川秀芽初制過程中的含水率和色澤變化，發(fā)現(xiàn)在制品含水率逐漸降低，色澤逐漸變暗、變黃，尤其是理?xiàng)l工序?qū)υ谥破泛?、色澤的影響最為顯著。利用PLS建立了含水率的定量預(yù)測(cè)模型，可極好地預(yù)測(cè)永川秀芽在制品的含水率。

“智慧茶業(yè)”是未來茶產(chǎn)業(yè)發(fā)展的必然趨勢(shì)，茶葉加工技術(shù)的數(shù)字化、智能化轉(zhuǎn)型升級(jí)顯得尤為重要[27-28]。本實(shí)驗(yàn)基于4 種不同的顏色模型分量，結(jié)合PLS方法建模，為實(shí)現(xiàn)永川秀芽在制品含水率的在線監(jiān)測(cè)提供了一種新方法，后期以此為基礎(chǔ)可開發(fā)相關(guān)智能識(shí)別方法（軟件），將理論模型用于指導(dǎo)實(shí)際生產(chǎn)。此外，我國茶葉種類繁多、工序復(fù)雜，后續(xù)可針對(duì)不同種類、不同季節(jié)、不同等級(jí)的茶葉在制品進(jìn)行深入探究，以求建立更有廣泛代表性的含水率預(yù)測(cè)模型。