基于近红外光谱技术的茶叶质量过程控制研究进展

2016-02-06蔡海兰李琛杨普香

蚕桑茶叶通讯 2016年6期

关键词：鲜叶产地光谱

蔡海兰李琛杨普香

(江西省蚕桑茶叶研究所 330203)

基于近红外光谱技术的茶叶质量过程控制研究进展

蔡海兰李琛杨普香*

(江西省蚕桑茶叶研究所 330203)

综述了目前近红外光谱技术在茶鲜叶原料的控制、加工过程控制、成品检验中的研究进展，并对该技术在此领域的应用前景进行展望，以期为近红外光谱技术在茶叶方面更广阔的应用提供参考。

近红外光谱技术；茶叶；质量过程控制

质量过程控制是保证茶叶品质的核心。目前，对茶叶的质量控制还停留在以人为主体，通过抽样检测阶段。这种传统的质量控制模式可控性差，茶叶质量的安全性和稳定性难以得到保证。近红外光谱技术是一种快速、无损的绿色分析技术，非常适合于生产中各质量控制环节的实时快速分析和过程监控，因此，在茶叶领域中发展极为迅速。本文对近年近红外光谱技术在茶叶质量控制过程中的研究进展进行回顾，分析近红外光谱在茶叶质量控制研究中存在的问题并对其发展趋势进行展望。

1 近红外光谱技术的概述

近红外光是介于可见光与中红外区之间，波长在780～2 526nm 范围内的电磁波。近红外光谱主要是对样品中含氢基团(C-H、O-H、N-H等) 振动的倍频、合频以及差频的叠加吸收，蕴涵着样品分子结构、组成状态等信息，从而为样品的物理性质以及化学成分的定量或定性分析提供可能[1]。

与传统的分析技术相比，近红外光谱技术不破坏样品，无需对样品作预处理或预处理简单，不需要化学试剂，能够实时反映物料状态，因此可在茶叶生产过程各环节进行实时快速分析和过程监控，以实现茶叶质量全过程控制。目前，近红外光谱技术在茶鲜叶原料的控制、加工过程的控制、成品茶的检验中均有研究。

2 在鲜叶原料控制中的研究

2.1 茶鲜叶的品质分析

鲜叶质量是确保茶叶最终品质的基础。2010年，王胜鹏等[2]提出了一种以质量系数(含水量×全氮量÷粗纤维量)作为茶鲜叶质量的判别准则，通过近红外光谱技术检测茶鲜叶相关内含物含量评价其嫩度的方法，初步实现了茶鲜叶质量的快速准确评价。安徽农业大学团队[3]以黄山毛峰茶鲜叶为研究对象，建立了黄山毛峰茶鲜叶含水率、全氮量、粗纤维含量和等级的近红外预测模型，研发了一种茶鲜叶质量近红外光谱分析仪，并将此设备成功投入在黄山毛峰茶连续化生产线中[4]。

2.2 茶鲜叶的产地鉴别分析

茶鲜叶售价以质量和产地定价。对茶鲜叶进行产地鉴别分析，可实现鲜叶原料的产地可控。王胜鹏等[5]以湖北省恩施州芭蕉乡、白果乡和咸丰县茶鲜叶为研究对象，利用主成分分析法结合人工神经网络建立模型进行产地鉴别，判别率达100%，实现了对恩施玉露茶产地的快速、准确判别，也为其它地理标志产品的品质控制提供了一种有益探索。

2.3 鲜叶收购价格评估

在茶鲜叶收购时，一般是利用收购者的嗅觉、视觉和触觉等感觉器官来判定鲜叶价格，此方法的主观性大，易产生误差。王胜鹏等[6]应用近红外光谱技术结合人工神经网络方法和联合区间偏最小二乘法，建立了恩施玉露原产地鲜叶收购价格的预测模型，为快速、准确、客观地评估鲜叶收购价格提供了一种新思路。

3 在茶叶加工过程控制中的应用

鲜叶原料是制茶的基础，而加工技术则是确保制茶品质的关键。目前，绝大部分茶叶生产加工过

程多依赖于有经验的茶叶加工师傅，过程控制的人为因素影响着茶叶品质的稳定。近红外光谱分析技术的出现，可及时测定茶叶在制品的质量指标，增进工艺过程理解，为后续加工工艺提供参考。利用近红外光谱技术在茶叶生产过程的研究主要集中在茶叶含水量的在线检测方面，如对红茶干燥、绿茶杀青及初制、花茶窨制等过程含水率检测[7～10]。基于近红外光谱在线检测含水量技术，宁井铭等[11]设计了杀青自动化控制生产线，通过与PLC控制系统相结合，解决了杀青中因鲜叶大小、季节差异以及内部含水量的不同影响杀青叶质量的问题；陈寿松等[12]将茶叶含水率近红外在线检测装置应用于乌龙茶精加工生产线中，探明了茶叶输送带动静状态、摊叶厚度、测量高度、茶叶等级等因素对测定茶叶含水率精确度的影响。

除了在线监测茶叶含水量，对茶叶在制品其他质量指标的监测研究也在初步探索。张成等[13]应用近红外光谱偏最小二乘法，建立了红茶烘焙过程中茶红素的定量预测模型，较为准确地预测样品中茶红素质量分数，为建立一种红茶品质数字化评价方法提供参考。宁井铭等[14]提出了利用近红外光谱结合人工神经网络的方法，构建普洱茶发酵程度鉴别模型，能够对普洱茶发酵程度进行控制。该团队[15]还利用近红外光谱技术结合联合区间偏最小二乘法建立祁门红茶加工过程中氨基酸与儿茶素含量动态变化检测模型，为茶叶加工过程中品质在线检测提供了理论依据。

我国近红外技术在茶叶加工过程中的实际应用还有待开发，未来可利用近红外品质相关模型与茶叶生产加工过程中的控制系统相结合建立茶叶生产过程的在线监测系统，实现对茶叶生产过程中的成分动态变化的实时监控。

4 在成品茶检验中的应用

4.1 成品茶的产地溯源

俗话说“高山云雾出好茶”，茶叶的品质特性与原料的产地密切相关。不同产地来源的农产品，因其气候、土壤、水质等生长环境的不同，导致农产品中有机成分的组成和含量存在差异，而这些成分的差异可反映在近红外光谱上[16]。因此，基于近红外光谱技术构建茶叶之间的差异性模型可达到产地溯源的目的。随着茶叶产地品牌保护意识的提高，基于近红外技术建立的茶叶产地判别模型方面的研究不断(见表1)，且模型的判别率高。但在研究中也发现茶叶的年份、环境、保存条件等外界因素极容易导致NIR模型的不适应，影响产地判别的准确性[17]。因此在后续研究中研究者还应该对所建立的茶叶产地判别模型进行维护，对模型的适应性进一步深入研究。

4.2 茶叶种类识别

近红外光谱与适合的化学计量学方法相结合，可以成功应用于不同茶类间的判别、同一茶类不同品类间以及同一品类不同原料品种间的判别。对于绿茶、红茶和乌龙茶，Chen等[32]、蔡健荣等[33]、陈全胜等[34]分别采用了结合支持向量机、K最近邻法、SIMCA模式识别原理实现茶类的精确判别。张龙等[35]基于主成分分析和典则判别分析对不同发酵类型茶叶(绿茶、乌龙茶、红茶、黑茶)进行了较好的分类，同时获取了茶叶各组分近红外吸收在判别分析中的贡献。采用主成分分析法结合神经网络技术，李晓丽等[36]对绿茶类的西湖龙井、浙江龙井、羊岩勾青、雪水云绿、庐山云雾实现判别；廖步岩等[37]采用主成分分析和系统聚类方法在毛峰与炒青的鉴别上也取得了较为满意的结果。周健等[38]采用主成分分析和系统聚类等分析方法实现了对滇青、青饼和普洱茶(熟饼)定性判别。同时，周健等[39～40]基于近红外对成品茶原料品种(龙井43、群体种、迎霜和乌牛早)进行了识别，证实了近红外识别原料品种的可行性。程权等[41]采用近红外光谱技术结合PCA-欧氏距离分类同样对加工工艺相同的几种闽南乌龙茶品种进行了快速识别。

4.3 成品茶生产时间的判别

目前，利用近红外光谱对成品茶的年份鉴别还处起步阶段，其相关报道较少。但相关报道结果均表明，不同年份茶样的近红外光谱在峰形、吸收峰强度、峰频率等方面均存在明显不同。随着茶叶年份的增加，其内含主要化学成分不断减少，近红外光的吸收值和波峰的尖锐程度也不断减少。唐林等[42]采用近红外光谱分析技术，对54份6个不同年份的普洱茶进行聚类分析，识别准确率为94.444%。马健[43]利用近红外光谱法和聚类分析法对40份不同年份的信阳毛尖茶叶进行分类和预测，发现其聚类特性明显，识别准确率为100%。王胜鹏等[44]应用近红外光谱结合主成分分析法和最小二乘支持向量机法建立恩施玉露茶保存年份的预测模型，该模型较为准确地预测了验证集的储藏年份。周建[45]基于近红外采用PLS法实现了对以某一天为界限的茶叶生产时间的精确识别。

表1 近红外光谱技术在成品茶产地溯源中的应用

4.4 茶叶的品质评价与定级定价

潘燕飞[46]以花茶、绿茶、普洱茶、乌龙茶为研究对象，发现不同等级中茶叶品质的差异会导致特征谱带出现波数、强度、形状的明显差异，这为不同品质茶叶的鉴别提供有力的依据。2005年，阎守和[47]应用近红外光谱法评估了茶厂生产产品分级的合理性以及试评日本绿茶和德国红茶的市场价格与其品质的相关性。利用近红外光谱技术结合人工神经网，马池忠等[48]建立了茶叶品质因子与茶叶等级之间的复杂模型。吴瑞梅等[49]以绿茶滋味化学鉴定法作为参考测量，利用近红外光谱技术对绿茶茶汤滋味单因子品质进行快速评价，结果表明近红外光谱技术检测绿茶滋味品质是可行的。周小芬[50]和刘洪林等[51]利用该技术进一步对茶叶综合品质的系统评价进行了研究，分别得到了大佛龙井和工夫红茶的干茶色泽、汤色、香气、滋味、叶底多个单因子及各因子总分的定量分析模型，证明了近红外光谱客观评价技术与感官评价的一致性。

5 展望

我国茶叶品类繁多，其工艺的独特性和复杂的物质基础给茶叶的质量控制带来了巨大的挑战。近红外光谱分析技术与传统分析手段相比有着不可比拟的优势，其快速、非破坏性、无污染、重现性好、整体分析等优点非常适合对复杂体系的分析处理和重复性大样本的分析，非常适合于茶叶质量的控制。目前，近红外技术在茶叶质量控制上的研究还处于起步阶段，要从实验室走向生产实际还有很多的问题需要解决，近红外光谱分析技术在许多方面还可以发挥作用。比如，能否根据每类茶的工艺特点，建立一套完善的近红外在线检测体系，实时监控茶叶生产加工过程；能否通过分析原料及在制品加工过程中物理性质及关键性化学成分指标变化来控制茶叶的质量状况，建立完善的近红外检测茶叶的模型库并不断扩充模型。这些研究成果应用到生产实际中将会对茶叶质量的可控性和稳定性起到积极推动作用。

[1]严衍禄. 近红外光谱分析基础与应用[M]. 中国轻工业出版社, 2005.

[2]王胜鹏, 宛晓春, 林茂先, 等. 基于水分、全氮量和粗纤维含量的茶鲜叶原料质量近红外评价方法[J]. 茶叶科学, 2011, 31(1): 66～71.

[3]王曼, 张正竹, 宁井铭, 等. 基于近红外光谱的黄山毛峰茶鲜叶品质分析及等级快速评价[J]. 食品工业科技, 2014, 35(22): 57～60.

[4]任广鑫, 宁井铭, 吴卫国, 等. 黄山毛峰茶连续化生产线加工工艺参数的研究[J]. 安徽农业大学学报, 2013, 40(1): 124～129.

[5]王胜鹏, 龚自明, 高士伟, 等. 近红外光谱结合神经网络判别茶鲜叶产地[J]. 中国计量学院学报, 2014, 25(4): 419～423.

[6]王胜鹏, 龚自明. 近红外光谱技术的恩施玉露原产地鲜叶收购价格评估[J]. 中国计量学院学报, 2016(2): 167～171.

[7]陈琳, 董春旺, 高明珠, 等. 基于近红外光谱的红茶干燥中含水率无损检测方法[J]. 茶叶科学, 2016, 36(2): 184～190.

[8]胡永光, 陈培培, 赵梦龙. 绿茶杀青叶料含水率可见-近红外光谱检测[J]. 农业机械学报, 2013, 44(8): 174～179.

[9]李晓丽, 程术希, 何勇. 基于漫反射光谱的初制绿茶含水率无损检测方法[J]. 农业工程学报, 2010 (5): 195～201.

[10]蒋迎. 傅里叶变换近红外光谱对花茶窨制过程的水分测定方法[J]. 中国茶叶, 2003, 25(5): 24～25.

[11]宁井铭, 孙磊, 张正竹, 等. 基于近红外技术的绿茶杀青自动控制系统设计与试验[J]. 安徽农业大学学报, 2013, 40(6): 899～902.

[12]陈寿松, 郑功宇, 金心怡, 等. 茶叶含水率近红外在线快速测定及其应用研究[J]. 茶叶科学, 2014, 34(4): 337～343.

[13]张成, 叶阳, 朱宏凯, 等. 不同焙火温度对红茶中茶红素的影响及近红外预测模型的建立[J]. 西南师范大学学报: 自然科学版, 2015, 40(4): 42～46.

[14]宁井铭, 宛晓春, 张正竹, 等. 近红外光谱技术结合人工神经网络判别普洱茶发酵程度[J]. 农业工程学报, 2013, 29(11): 255～260.

[15]宁井铭, 颜玲, 张正竹, 等. 祁门红茶加工中氨基酸和儿茶素快速检测模型建立[J]. 光谱学与光谱分析, 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, 潘立刚, 王纪华,等. 基于线性渐变分光微型近红外仪的西湖龙井真伪模型不适应性析因及修正研究[J]. 光谱学与光谱分析, 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]陈全胜, 赵杰文, 张海东,等. 基于支持向量机的近红外光谱鉴别茶叶的真伪[J]. 光学学报, 2006, 26(6):933～937.

[20]袁鑫, 谭红, 杨鸿波, 等. 贵定云雾茶近红外识别模型的初步建立[J]. 中国农学通报, 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]庄新港, 王丽丽, 吴雪原,等. 基于近红外的移动窗口BP神经网络实现山东绿茶产地溯源(英文)[J]. 红外与毫米波学报, 2016, 35(2):200～205.

[23]占茉莉, 李勇, 魏益民,等. 应用FT-IR光谱指纹分析和模式识别技术溯源茶叶产地的研究[J]. 核农学报, 2008, 22(6):829～833.

[24]周健, 成浩, 贺巍,等. 基于近红外的PLS量化模型鉴定西湖龙井真伪的研究[J]. 光谱学与光谱分析, 2009, 29(5):1251～1254.

[25]张龙, 王飞娟, 潘家荣,等. 近红外光谱和模式识别技术在西湖龙井与浙江龙井茶叶鉴别中的应用[J]. 红外, 2012, 33(3):44～48.

[26]张龙, 潘家荣, 朱诚. 基于近红外光谱的西湖龙井茶产地的精细判别[J]. 红外, 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. 地理标志产品武夷岩茶的产地识别技术研究[D]. 中国计量学院, 2015.

[30]周健, 成浩, 王丽鸳,等. 基于杠杆率校正的PLS-DA法对正半岩武夷岩茶的识别研究[J]. 茶叶科学, 2009, 29(1):34～40.

[31]胡燕, 齐桂年. 我国不同产地黑茶的FTIR指纹图谱分析[J]. 核农学报, 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]蔡健荣, 吕强, 张海东, 等. 利用近红外光谱技术识别不同类别的茶叶[J]. 安徽农业科学, 2007, 35(14): 4083～4084.

[34]陈全胜, 赵杰文, 张海东, 等. SIMCA 模式识别方法在近红外光谱识别茶叶中的应用[J]. 食品科学, 2006, 27(4): 186～189.

[35]张龙, 潘家荣, 朱诚. 基于近红外光谱的不同发酵类型茶叶判别[J]. 食品科学, 2012, 33(20): 149～152.

[36]李晓丽, 何勇, 裘正军. 一种基于可见-近红外光谱快速鉴别茶叶品种的新方法[J]. 光谱学与光谱分析, 2007, 27(2): 279～282.

[37]廖步岩, 张正竹, 夏涛,等. 近红外光谱分析技术在茶叶品质属性甄别中的应用[J]. 安徽农业大学学报, 2009, 36(2):287～291.

[38]周健, 成浩, 叶阳, 等. 滇青、青饼和普洱茶 (熟饼) 近红外指纹图谱分析[J]. 核农学报, 2009, 23(1): 110～113.

[39]周健, 成浩, 叶阳, 等. 基于近红外的 Fisher 分类法识别茶叶原料品种的研究[J]. 光学学报, 2009, 29(4): 1117～1121.

[40]周健, 成浩, 曾建明, 等. 基于近红外的多相偏最小二乘模型组合分析实现茶叶原料品种鉴定与溯源的研究[J]. 光谱学与光谱分析, 2010 (10): 2650～2653.

[41]程权, 杨方, 王丹红, 等. 近红外光谱技术对闽南乌龙茶品种的识别研究[J]. 光谱学与光谱分析, 2014, 34(3): 656～659.

[42]唐林, 张艳诚, 李家华, 等. 基于近红外光谱的普洱茶年份检测研究[J]. 广东农业科学, 2014, 41(17): 93～96.

[43]马健. 基于近红外光谱和聚类法的信阳毛尖的年份鉴别[J]. 信阳农业高等专科学校学报, 2015(3) :108～111.

[44]王胜鹏, 龚自明, 高士伟, 等. 基于近红外光谱技术的恩施玉露茶保存年份的快速无损鉴别[J]. 华中农业大学学报, 2015, 34(5): 111～114.