基于近紅外光譜技術的茶葉質量過程控制研究進展

蔡海蘭 李琛 楊普香

(江西省蠶桑茶葉研究所 330203)

基于近紅外光譜技術的茶葉質量過程控制研究進展

蔡海蘭 李琛 楊普香*

(江西省蠶桑茶葉研究所 330203)

綜述了目前近紅外光譜技術在茶鮮葉原料的控制、加工過程控制、成品檢驗中的研究進展，并對該技術在此領域的應用前景進行展望，以期為近紅外光譜技術在茶葉方面更廣闊的應用提供參考。

近紅外光譜技術；茶葉；質量過程控制

質量過程控制是保證茶葉品質的核心。目前，對茶葉的質量控制還停留在以人為主體，通過抽樣檢測階段。這種傳統的質量控制模式可控性差，茶葉質量的安全性和穩定性難以得到保證。近紅外光譜技術是一種快速、無損的綠色分析技術，非常適合于生產中各質量控制環節的實時快速分析和過程監控，因此，在茶葉領域中發展極為迅速。本文對近年近紅外光譜技術在茶葉質量控制過程中的研究進展進行回顧，分析近紅外光譜在茶葉質量控制研究中存在的問題并對其發展趨勢進行展望。

1 近紅外光譜技術的概述

近紅外光是介于可見光與中紅外區之間，波長在780～2 526nm 范圍內的電磁波。近紅外光譜主要是對樣品中含氫基團(C-H、O-H、N-H等) 振動的倍頻、合頻以及差頻的疊加吸收，蘊涵著樣品分子結構、組成狀態等信息，從而為樣品的物理性質以及化學成分的定量或定性分析提供可能[1]。

與傳統的分析技術相比，近紅外光譜技術不破壞樣品，無需對樣品作預處理或預處理簡單，不需要化學試劑，能夠實時反映物料狀態，因此可在茶葉生產過程各環節進行實時快速分析和過程監控，以實現茶葉質量全過程控制。目前，近紅外光譜技術在茶鮮葉原料的控制、加工過程的控制、成品茶的檢驗中均有研究。

2 在鮮葉原料控制中的研究

2.1 茶鮮葉的品質分析

鮮葉質量是確保茶葉最終品質的基礎。2010年，王勝鵬等[2]提出了一種以質量系數(含水量×全氮量÷粗纖維量)作為茶鮮葉質量的判別準則，通過近紅外光譜技術檢測茶鮮葉相關內含物含量評價其嫩度的方法，初步實現了茶鮮葉質量的快速準確評價。安徽農業大學團隊[3]以黃山毛峰茶鮮葉為研究對象，建立了黃山毛峰茶鮮葉含水率、全氮量、粗纖維含量和等級的近紅外預測模型，研發了一種茶鮮葉質量近紅外光譜分析儀，并將此設備成功投入在黃山毛峰茶連續化生產線中[4]。

2.2 茶鮮葉的產地鑒別分析

茶鮮葉售價以質量和產地定價。對茶鮮葉進行產地鑒別分析，可實現鮮葉原料的產地可控。王勝鵬等[5]以湖北省恩施州芭蕉鄉、白果鄉和咸豐縣茶鮮葉為研究對象，利用主成分分析法結合人工神經網絡建立模型進行產地鑒別，判別率達100%，實現了對恩施玉露茶產地的快速、準確判別，也為其它地理標志產品的品質控制提供了一種有益探索。

2.3 鮮葉收購價格評估

在茶鮮葉收購時，一般是利用收購者的嗅覺、視覺和觸覺等感覺器官來判定鮮葉價格，此方法的主觀性大，易產生誤差。王勝鵬等[6]應用近紅外光譜技術結合人工神經網絡方法和聯合區間偏最小二乘法，建立了恩施玉露原產地鮮葉收購價格的預測模型，為快速、準確、客觀地評估鮮葉收購價格提供了一種新思路。

3 在茶葉加工過程控制中的應用

鮮葉原料是制茶的基礎，而加工技術則是確保制茶品質的關鍵。目前，絕大部分茶葉生產加工過

程多依賴于有經驗的茶葉加工師傅，過程控制的人為因素影響著茶葉品質的穩定。近紅外光譜分析技術的出現，可及時測定茶葉在制品的質量指標，增進工藝過程理解，為后續加工工藝提供參考。利用近紅外光譜技術在茶葉生產過程的研究主要集中在茶葉含水量的在線檢測方面，如對紅茶干燥、綠茶殺青及初制、花茶窨制等過程含水率檢測[7～10]?；诮t外光譜在線檢測含水量技術，寧井銘等[11]設計了殺青自動化控制生產線，通過與PLC控制系統相結合，解決了殺青中因鮮葉大小、季節差異以及內部含水量的不同影響殺青葉質量的問題；陳壽松等[12]將茶葉含水率近紅外在線檢測裝置應用于烏龍茶精加工生產線中，探明了茶葉輸送帶動靜狀態、攤葉厚度、測量高度、茶葉等級等因素對測定茶葉含水率精確度的影響。

除了在線監測茶葉含水量，對茶葉在制品其他質量指標的監測研究也在初步探索。張成等[13]應用近紅外光譜偏最小二乘法，建立了紅茶烘焙過程中茶紅素的定量預測模型，較為準確地預測樣品中茶紅素質量分數，為建立一種紅茶品質數字化評價方法提供參考。寧井銘等[14]提出了利用近紅外光譜結合人工神經網絡的方法，構建普洱茶發酵程度鑒別模型，能夠對普洱茶發酵程度進行控制。該團隊[15]還利用近紅外光譜技術結合聯合區間偏最小二乘法建立祁門紅茶加工過程中氨基酸與兒茶素含量動態變化檢測模型，為茶葉加工過程中品質在線檢測提供了理論依據。

我國近紅外技術在茶葉加工過程中的實際應用還有待開發，未來可利用近紅外品質相關模型與茶葉生產加工過程中的控制系統相結合建立茶葉生產過程的在線監測系統，實現對茶葉生產過程中的成分動態變化的實時監控。

4 在成品茶檢驗中的應用

4.1 成品茶的產地溯源

俗話說“高山云霧出好茶”，茶葉的品質特性與原料的產地密切相關。不同產地來源的農產品，因其氣候、土壤、水質等生長環境的不同，導致農產品中有機成分的組成和含量存在差異，而這些成分的差異可反映在近紅外光譜上[16]。因此，基于近紅外光譜技術構建茶葉之間的差異性模型可達到產地溯源的目的。隨著茶葉產地品牌保護意識的提高，基于近紅外技術建立的茶葉產地判別模型方面的研究不斷(見表1)，且模型的判別率高。但在研究中也發現茶葉的年份、環境、保存條件等外界因素極容易導致NIR模型的不適應，影響產地判別的準確性[17]。因此在后續研究中研究者還應該對所建立的茶葉產地判別模型進行維護，對模型的適應性進一步深入研究。

4.2 茶葉種類識別

近紅外光譜與適合的化學計量學方法相結合，可以成功應用于不同茶類間的判別、同一茶類不同品類間以及同一品類不同原料品種間的判別。對于綠茶、紅茶和烏龍茶，Chen等[32]、蔡健榮等[33]、陳全勝等[34]分別采用了結合支持向量機、K最近鄰法、SIMCA模式識別原理實現茶類的精確判別。張龍等[35]基于主成分分析和典則判別分析對不同發酵類型茶葉(綠茶、烏龍茶、紅茶、黑茶)進行了較好的分類，同時獲取了茶葉各組分近紅外吸收在判別分析中的貢獻。采用主成分分析法結合神經網絡技術，李曉麗等[36]對綠茶類的西湖龍井、浙江龍井、羊巖勾青、雪水云綠、廬山云霧實現判別；廖步巖等[37]采用主成分分析和系統聚類方法在毛峰與炒青的鑒別上也取得了較為滿意的結果。周健等[38]采用主成分分析和系統聚類等分析方法實現了對滇青、青餅和普洱茶(熟餅)定性判別。同時，周健等[39～40]基于近紅外對成品茶原料品種(龍井43、群體種、迎霜和烏牛早)進行了識別，證實了近紅外識別原料品種的可行性。程權等[41]采用近紅外光譜技術結合PCA-歐氏距離分類同樣對加工工藝相同的幾種閩南烏龍茶品種進行了快速識別。

4.3 成品茶生產時間的判別

目前，利用近紅外光譜對成品茶的年份鑒別還處起步階段，其相關報道較少。但相關報道結果均表明，不同年份茶樣的近紅外光譜在峰形、吸收峰強度、峰頻率等方面均存在明顯不同。隨著茶葉年份的增加，其內含主要化學成分不斷減少，近紅外光的吸收值和波峰的尖銳程度也不斷減少。唐林等[42]采用近紅外光譜分析技術，對54份6個不同年份的普洱茶進行聚類分析，識別準確率為94.444%。馬健[43]利用近紅外光譜法和聚類分析法對40份不同年份的信陽毛尖茶葉進行分類和預測，發現其聚類特性明顯，識別準確率為100%。王勝鵬等[44]應用近紅外光譜結合主成分分析法和最小二乘支持向量機法建立恩施玉露茶保存年份的預測模型，該模型較為準確地預測了驗證集的儲藏年份。周建[45]基于近紅外采用PLS法實現了對以某一天為界限的茶葉生產時間的精確識別。

表1 近紅外光譜技術在成品茶產地溯源中的應用

4.4 茶葉的品質評價與定級定價

潘燕飛[46]以花茶、綠茶、普洱茶、烏龍茶為研究對象，發現不同等級中茶葉品質的差異會導致特征譜帶出現波數、強度、形狀的明顯差異，這為不同品質茶葉的鑒別提供有力的依據。2005年，閻守和[47]應用近紅外光譜法評估了茶廠生產產品分級的合理性以及試評日本綠茶和德國紅茶的市場價格與其品質的相關性。利用近紅外光譜技術結合人工神經網，馬池忠等[48]建立了茶葉品質因子與茶葉等級之間的復雜模型。吳瑞梅等[49]以綠茶滋味化學鑒定法作為參考測量，利用近紅外光譜技術對綠茶茶湯滋味單因子品質進行快速評價，結果表明近紅外光譜技術檢測綠茶滋味品質是可行的。周小芬[50]和劉洪林等[51]利用該技術進一步對茶葉綜合品質的系統評價進行了研究，分別得到了大佛龍井和工夫紅茶的干茶色澤、湯色、香氣、滋味、葉底多個單因子及各因子總分的定量分析模型，證明了近紅外光譜客觀評價技術與感官評價的一致性。

5 展望

我國茶葉品類繁多，其工藝的獨特性和復雜的物質基礎給茶葉的質量控制帶來了巨大的挑戰。近紅外光譜分析技術與傳統分析手段相比有著不可比擬的優勢，其快速、非破壞性、無污染、重現性好、整體分析等優點非常適合對復雜體系的分析處理和重復性大樣本的分析，非常適合于茶葉質量的控制。目前，近紅外技術在茶葉質量控制上的研究還處于起步階段，要從實驗室走向生產實際還有很多的問題需要解決，近紅外光譜分析技術在許多方面還可以發揮作用。比如，能否根據每類茶的工藝特點，建立一套完善的近紅外在線檢測體系，實時監控茶葉生產加工過程；能否通過分析原料及在制品加工過程中物理性質及關鍵性化學成分指標變化來控制茶葉的質量狀況，建立完善的近紅外檢測茶葉的模型庫并不斷擴充模型。這些研究成果應用到生產實際中將會對茶葉質量的可控性和穩定性起到積極推動作用。

[1]嚴衍祿. 近紅外光譜分析基礎與應用[M]. 中國輕工業出版社, 2005.

[2]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量近紅外評價方法[J]. 茶葉科學, 2011, 31(1): 66～71.

[3]王曼, 張正竹, 寧井銘, 等. 基于近紅外光譜的黃山毛峰茶鮮葉品質分析及等級快速評價[J]. 食品工業科技, 2014, 35(22): 57～60.

[4]任廣鑫, 寧井銘, 吳衛國, 等. 黃山毛峰茶連續化生產線加工工藝參數的研究[J]. 安徽農業大學學報, 2013, 40(1): 124～129.

[5]王勝鵬, 龔自明, 高士偉, 等. 近紅外光譜結合神經網絡判別茶鮮葉產地[J]. 中國計量學院學報, 2014, 25(4): 419～423.

[6]王勝鵬, 龔自明. 近紅外光譜技術的恩施玉露原產地鮮葉收購價格評估[J]. 中國計量學院學報, 2016(2): 167～171.

[7]陳琳, 董春旺, 高明珠, 等. 基于近紅外光譜的紅茶干燥中含水率無損檢測方法[J]. 茶葉科學, 2016, 36(2): 184～190.

[8]胡永光, 陳培培, 趙夢龍. 綠茶殺青葉料含水率可見-近紅外光譜檢測[J]. 農業機械學報, 2013, 44(8): 174～179.

[9]李曉麗, 程術希, 何勇. 基于漫反射光譜的初制綠茶含水率無損檢測方法[J]. 農業工程學報, 2010 (5): 195～201.

[10]蔣迎. 傅里葉變換近紅外光譜對花茶窨制過程的水分測定方法[J]. 中國茶葉, 2003, 25(5): 24～25.

[11]寧井銘, 孫磊, 張正竹, 等. 基于近紅外技術的綠茶殺青自動控制系統設計與試驗[J]. 安徽農業大學學報, 2013, 40(6): 899～902.

[12]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用研究[J]. 茶葉科學, 2014, 34(4): 337～343.

[13]張成, 葉陽, 朱宏凱, 等. 不同焙火溫度對紅茶中茶紅素的影響及近紅外預測模型的建立[J]. 西南師范大學學報: 自然科學版, 2015, 40(4): 42～46.

[14]寧井銘, 宛曉春, 張正竹, 等. 近紅外光譜技術結合人工神經網絡判別普洱茶發酵程度[J]. 農業工程學報, 2013, 29(11): 255～260.

[15]寧井銘, 顏玲, 張正竹, 等. 祁門紅茶加工中氨基酸和兒茶素快速檢測模型建立[J]. 光譜學與光譜分析, 2015(12): 37.

[16]Liu L, Cozzolino D, Cynkar W U, et al. Geographic classification of spanish and australian tempranillo red wines by visible and near-infrared spectroscopy combined with multivariate analysis[J]. Journal of Agricultural and Food Chemistry, 2006, 54(18): 6754～6759.

[17]王冬, 潘立剛, 王紀華,等. 基于線性漸變分光微型近紅外儀的西湖龍井真偽模型不適應性析因及修正研究[J]. 光譜學與光譜分析, 2014(11):2938～2943.

[18] Ren GX, Wang SP, Ning JM, et al. Quantitative analysis and geographical traceability of black tea using Fouriertrans form near-infrared spectroscopy (FT-NIRS) [J]. Food Res Int, 2013, 53(2): 822～826.

[19]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偽[J]. 光學學報, 2006, 26(6):933～937.

[20]袁鑫, 譚紅, 楊鴻波, 等. 貴定云霧茶近紅外識別模型的初步建立[J]. 中國農學通報, 2013, 29(3): 215～220.

[21]Xu L, Shi P T, Fu X S, et al. Protected geographical indication identification of a Chinese green tea (Anji-white) by near-infrared spectroscopy and chemometric class modeling techniques[J]. Journal of Spectroscopy, 2013(1).

[22]莊新港, 王麗麗, 吳雪原,等. 基于近紅外的移動窗口BP神經網絡實現山東綠茶產地溯源(英文)[J]. 紅外與毫米波學報, 2016, 35(2):200～205.

[23]占茉莉, 李勇, 魏益民,等. 應用FT-IR光譜指紋分析和模式識別技術溯源茶葉產地的研究[J]. 核農學報, 2008, 22(6):829～833.

[24]周健, 成浩, 賀巍,等. 基于近紅外的PLS量化模型鑒定西湖龍井真偽的研究[J]. 光譜學與光譜分析, 2009, 29(5):1251～1254.

[25]張龍, 王飛娟, 潘家榮,等. 近紅外光譜和模式識別技術在西湖龍井與浙江龍井茶葉鑒別中的應用[J]. 紅外, 2012, 33(3):44～48.

[26]張龍, 潘家榮, 朱誠. 基于近紅外光譜的西湖龍井茶產地的精細判別[J]. 紅外, 2015, 36(12):41～46.

[27]Chen Q, Zhao J, Lin H. Study on discrimination of Roast green tea ( Camellia sinensis, L.) according to geographical origin by FT-NIR spectroscopy and supervised pattern recognition[J]. Spectrochimica Acta Part A Molecular & Biomolecular Spectroscopy, 2009, 72(4):845～850.

[28]Yan S M, Liu J P, Xu L, et al. Rapid discrimination of the geographical origins of an Oolong tea (Anxi-Tieguanyin) by near-infrared spectroscopy and partial least squares discriminant analysis.[J]. Journal of Analytical Methods in Chemistry, 2014.

[29]言思敏. 地理標志產品武夷巖茶的產地識別技術研究[D]. 中國計量學院, 2015.

[30]周健, 成浩, 王麗鴛,等. 基于杠桿率校正的PLS-DA法對正半巖武夷巖茶的識別研究[J]. 茶葉科學, 2009, 29(1):34～40.

[31]胡燕, 齊桂年. 我國不同產地黑茶的FTIR指紋圖譜分析[J]. 核農學報, 2014, 28(4):684～691.

[32]Chen Q, Zhao J, Fang C H, et al. Feasibility study on identification of green, black and Oolong teas using near-infrared reflectance spectroscopy based on support vector machine (SVM)[J]. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 2007, 66(3): 568～574.

[33]蔡健榮, 呂強, 張海東, 等. 利用近紅外光譜技術識別不同類別的茶葉[J]. 安徽農業科學, 2007, 35(14): 4083～4084.

[34]陳全勝, 趙杰文, 張海東, 等. SIMCA 模式識別方法在近紅外光譜識別茶葉中的應用[J]. 食品科學, 2006, 27(4): 186～189.

[35]張龍, 潘家榮, 朱誠. 基于近紅外光譜的不同發酵類型茶葉判別[J]. 食品科學, 2012, 33(20): 149～152.

[36]李曉麗, 何勇, 裘正軍. 一種基于可見-近紅外光譜快速鑒別茶葉品種的新方法[J]. 光譜學與光譜分析, 2007, 27(2): 279～282.

[37]廖步巖, 張正竹, 夏濤,等. 近紅外光譜分析技術在茶葉品質屬性甄別中的應用[J]. 安徽農業大學學報, 2009, 36(2):287～291.

[38]周健, 成浩, 葉陽, 等. 滇青、青餅和普洱茶 (熟餅) 近紅外指紋圖譜分析[J]. 核農學報, 2009, 23(1): 110～113.

[39]周健, 成浩, 葉陽, 等. 基于近紅外的 Fisher 分類法識別茶葉原料品種的研究[J]. 光學學報, 2009, 29(4): 1117～1121.

[40]周健, 成浩, 曾建明, 等. 基于近紅外的多相偏最小二乘模型組合分析實現茶葉原料品種鑒定與溯源的研究[J]. 光譜學與光譜分析, 2010 (10): 2650～2653.

[41]程權, 楊方, 王丹紅, 等. 近紅外光譜技術對閩南烏龍茶品種的識別研究[J]. 光譜學與光譜分析, 2014, 34(3): 656～659.

[42]唐林, 張艷誠, 李家華, 等. 基于近紅外光譜的普洱茶年份檢測研究[J]. 廣東農業科學, 2014, 41(17): 93～96.

[43]馬健. 基于近紅外光譜和聚類法的信陽毛尖的年份鑒別[J]. 信陽農業高等專科學校學報, 2015(3) :108～111.

[44]王勝鵬, 龔自明, 高士偉, 等. 基于近紅外光譜技術的恩施玉露茶保存年份的快速無損鑒別[J]. 華中農業大學學報, 2015, 34(5): 111～114.

[45]周健. 基于近紅外的茶葉成分分析與信息識別的研究[D]. 北京: 中國農業科學院, 2008.

[46]潘燕飛. 傅立葉紅外光譜法用于茶葉品質的鑒定[J]. 煙臺大學學報: 自然科學與工程版, 2008, 21(4): 266～272.

[47]閻守和. 應用近紅外光譜法 (NIRS) 評估茶的品質及其商品價[J]. 上海茶葉, 2005 (4): 20～22.

[48]馬池忠, 杜玉紅, 董西立, 等. 近紅外光譜分析和人工神經網絡技術在茶葉感官品質評定中的應用[J]. 中國標準化, 2007(7): 47～48.

[49]吳瑞梅, 趙杰文, 陳全勝, 等. 近紅外光譜技術結合特征變量篩選快速檢測綠茶滋味品質[J]. 光譜學與光譜分析, 2011, 31(7): 1782～1785.

[50]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評價研究[J]. 光譜學與光譜分析, 2012, 32(11): 2971～2975.

[51]劉洪林. 基于近紅外光譜技術(NIRS)對工夫紅茶審評品質客觀評價研究[J]. 食品工業科技, 2016, 37(5)：311～315.

江西省現代茶葉產業技術體系專項。

*通訊作者