近红外分析技术在茶叶检测方面的研究进展

聂钰洪 周晓微 张蓓

摘要 介绍了近红外分析技术的主要方法，综述了近几年国内外近红外分析技术在茶叶检测方面及茶叶鉴别方面的研究进展，分析了该技术目前在茶叶检测方面所遇到的问题，并展望了近红外分析技术在茶叶检测方面的应用前景。

关键词 近红外光谱；茶叶；品质测定；真伪鉴别

中图分类号 O657.3 文献标识码 A 文章编号 1007-5739（2016）04-0289-02

Recent Advance on the Application of Near-infrared Spectroscopy in Tea

NIE Yu-hong ZHOU Xiao-wei ZHANG Bei

（School of Food and Bioengineering，Zhengzhou University of Light Industry，Zhengzhou Henan 450002）

Abstract The main approaches of near infrared reflectance spectroscopy were introduced in this paper. Recent advance of near infrared reflectance spectroscopy on identification and detection of tea were presented.With the recent developments reviewed，the problems encountered were also discussed.The application prospects of near infrared reflectance spectroscopy in tea detection were analyzed.

Key words near-infrared reflectance spectroscopy；tea；determination of the quality；identification

随着社会发展和消费水平的提高，人们越来越注重身体健康，而茶叶作为一种良好的保健饮品也越来越被人们喜欢。当前对茶叶质量的检测多采用感官检验评审的方式。这种方式的弊端是评审的结果受评审场地，以及评审人员的知识水平、健康状况等因素的影响[1]。随着当前茶叶产业的迅猛发展，利用科学仪器对产业品质进行检测十分必要。目前，近红外光谱分析技术在茶叶的定性和定量检测中被广发应用[2]。

1 近红外光谱分析技术背景简介与发展现状

英国天文学家William Herschel在天文观察中发现了近红外光谱（near infrared reflectance spectroscopy，NIRS）[3]。美国材料检测协会（ASTM）将近红外光谱区定义为波长780～2 526 nm（波数为12 820～3 959/cm）的光谱区。近红外光谱具有吸收频率特征性强、受分子内外环境影响小、光谱特性更稳定的特点。近红外光谱主要反映的是有机物分子中含氢基团的倍频吸收与合频吸收。NIRS技术的优点主要有以下几个：一是能够分析的对象数量较多、涵盖门类较多。二是在分析前对样品不需要进行复杂的前处理，分析的操作简单、速度较快。三是分析不破坏样品，通过光谱扫描完成。四是对环境污染较小[4]。NIRS技术使用方便、对环境污染小、检测速度快、效率高，在农业[5]、食品工业[6]、中医药[7-10]、和石油化工[11]等领域中得到了非常广泛的应用。

日本是最早利用NIRS技术对茶叶开展研究的国家，目前已研制出专用的近红外分析仪来快速检测茶叶中的水分、全氮量、粗纤维、茶多酚、咖啡碱、氨基酸等主要成分[12]。但是由于国外的茶叶种类少，因此NIRS技术在茶叶产地、真伪鉴别等定性分析方面的研究较少。

国内NIRS技术应用于茶叶检测方面，主要集中在绿茶理化成分的测定方面，茶叶、茶汤、茶提取物中的理化成分测定，茶叶品质评价的研究等。因为我国茶叶的种类繁多，所以NIRS技术在茶叶的产地、品种及真伪鉴定等方面的研究也较为广泛。

2 近红外光谱分析方法简介

近红外光谱分析中常用的数据处理计量方法主要有以下幾类。

2.1 多元线性回归法（MLR）

多元线性回归是化学计量学中最基本的分析方法[4]，是分析一个随机变量与多个变量之间线性关系的统计方法。当变量Y的影响因素有多个而不止1个时，可以建立多元线性回归模型：Yi=β0+β1X1+β2X2+...+βkXk+ε。利用变量Y与X的n组样本数据，按照一定准则，可求得估值b0，b1，...，bk，建立起样本回归模型：Y=b0+b1X1+b2X2+...+bkXk+ε。

2.2 主成分分析法（PCA）

数据降维后进行多元统计分析是主成分分析的基本原理[13-15]。在研究的过程中，采用多指标变量的方法，得到的结果在一定程度上出现了重叠。主成分分析法避免了多变量测定方法测定结果容易出现重叠的弊端，将原变量进行转换，使少数几个新变量成为原变量的线性组合，新变量之间互不相关。同时，这些变量也能够尽可能多地表征出原变量的数据结构特征。

2.3 偏最小二乘法（PLS）

就目前的研究情况来看，偏最小二乘法是逐渐发展，已经成为近NIRS技术中应用最多的回归方法[16]。利用非线性迭代方法对吸光度矩阵X和浓度矩阵Y进行分解，以特征向量的相关性来建立X和Y之间的内部联系。偏最小二乘法最适合运用在多组分复杂样品的分析过程中，检测速度快、结果准确度高、预测性强、能消除一定的非线性的能力。

2.4 人工神经网络法（ANN）

人工神经网络属于非线性校正算法，是由大量简单处理单元（神经元）广泛互连而成的非线性动力学系统。它不仅结构可变，还有自学习、自适应、巨量并行性、存储分布性的特点。与偏最小二乘法方法相比，人工神经网络更加准确和抗干扰[17]。

2.5 极限学习法（ELM）

极限学习机法是从单隐含层前馈神经网络发展而来的一种新型算法。随机产生输入层与隐含层的连接权值和隐含层神经元的阈值，只需要设置隐含层神经元的个数，便可以获得唯一的最优解。

3 近红外光谱分析技术在茶叶检测方面的研究

3.1 茶叶水分含量的测定

茶叶水分含量的高低对茶叶品质的影响非常大。当水分含量小于5%时，茶叶香气变化比较小；而当水分含量高于6.5%时，则茶叶品质下降得比较快。刘辉军等[18]利用径向基函数和趋势变换法，建立了绿茶的水分检测模型，预测的相关系数达到0.933。张月玲[19]利用偏最小二乘法和9阶卷积平滑结合二阶导数法，建立绿茶的含水量模型，相关系数达到了0.99以上。王胜鹏等[20]通过交叉验证和偏最小二乘法，建立了茶鲜叶的含水量近红外光谱模型，当主成分数为7时，相关系数为0.92。

3.2 茶多酚和儿茶素含量的测定

茶叶中，茶多酚的含量为18%～36%，在人体内能够清除自由基，是茶叶中最重要的成分之一。Chen Q S等[21]利用偏最小二乘法，建立茶多酚总量的检测模型，相关系数为0.93。徐立恒等[22]利用二阶导数和偏最小二乘法，建立茶多酚模型，预测的相关系数为0.989。吴瑞梅等[23]利用GA法和偏最小二乘法，建立绿茶汤中茶多酚的模型，避开了水的强吸收峰影响，模型预测集均方根误差为0.685%，相对标准差为5.26%。

儿茶素类物质是茶多酚中最主要的活性物质，占茶叶干重的12%～24%。陈华才等[24]使用偏最小二乘法和标准归一化处理的方式，建立儿茶素类物质的预测模型，相关系数达到0.997。同时，又采用径向基函数神经网络法，优化了的茶多酚总儿茶素含量的模型，相关系数达到了0.992[25]。芦永军等[26]使用偏最小二乘法和定标波长的方式（选取6 000～5 200 /cm波数范围内的光谱数据点），建立了定标精度很高的检测模型，相关系数达到0.994 7。

3.3 咖啡碱含量的测定

咖啡因是茶叶中的重要滋味物质之一，能够刺激中枢神经，起到提神醒脑的作用。孙耀国等[27]利用偏最小二乘法，直接对完整茶叶中的咖啡碱的含量建模，相关系数达到0.92。罗一帆等[28]和Chen Q S等[29]利用相同的方法构建获咖啡碱的含量的模型，相关系数也分别达到了0.96和0.968的高精确度。

3.4 氨基酸含量的测定

茶叶中的氨基酸具有降压、拮抗由咖啡碱引起的对神经系统的兴奋等作用，其组成、含量以及其降解产物和转化产物均与茶叶的香气和滋味密切相关。徐立恒等[22]使用偏最小二乘法和定标波长的方式（选取5 000～4 000/cm波数范围内的光谱数据点），建立了炒青绿茶的氨基酸模型，相关系数达到0.99。孙耀国等[27]在优化波长范围的基础上，利用二阶导数预处理方式得到不同绿茶的氨基酸模型，相关系数达到0.99。

3.5 茶叶的种类鉴定和真伪鉴别

NIRS不但能够对茶叶进行定量分析，还能够对茶叶进行定性分析，确定茶叶的种类，实现茶叶产地、品种、生产时间等信息的精确判别。赵杰文等[30]通过多元散射校正预处理方法和定标波长的方式（选取6 500～5 300/cm波数范围内的光谱数据点），结合马氏距离识别模式鉴别了龙井、碧螺春、毛峰和铁观音这4种中国名茶，就鉴别率而言，校正集样本达到了98.75%，预测集样本达到了95%。利用NIRS技术对碧螺春[31]、西湖龙井[32-33]等茶叶进行了真伪鉴定。CHEN Q S等[34]运用NIRS技术对4个地区的烘青绿茶进行了产地鉴别，选出了最优的支持向量机模型，预测率高达到100%。

4 问题与展望

目前，NIRS技术在茶叶上已经得到比较广泛的应用，但是仍然还存在一些需要解决的问题。在NIRS技术中选取代表性样品来建模时，受到建模样品生产季节、外形、产地等因素的影响。为了保证模型的全面性和完整性，在建模过程中需要大量的样品，导致模型建立需要采集的样本数量大、成本高、地域广，给模型建立设置了难题。因为我国茶叶种类繁多，建立适合所有茶类的、精确度和准确度达到检测要求的通用性模型是十分困难的。

随着光学技术、计算机技术的快速发展，NIRS技术在茶叶品质检测、茶类产地鉴别和茶叶真假鉴定等方面还会有更大的发展前景。同时，利用NIRS技术对原料生产的过程进行在线分析和实时监测也将会是一个重要的发展方向。

5 参考文献

[1] 杨丹，刘新，王川丕，等.近红外光谱技术在茶叶及茶制品上应用[J].浙江农业科学，2012（9）：1290-1294.

[2] 曹干.现代近红外光谱分析技术在农业研究中的应用[J].广州农业科学，2004（3）：9-10.

[3] BLANCO M，VILLARROYA I.NIR spectroscopy：a rapid-response anal-ytical tool[J].Trends in analytical chemistry，2002，21（4）：240-250.

[4] 嚴衍禄.近红外光谱分析技术与应用[M].北京：中国轻工业出版社，2005.

[5] SUBEDI P P，WALSH K B.Assessment of potato dry matter concentration using short-wave near-infrared spectmscopy[J].Potato Research，2009，6（52）：67-77.

[6] IRUDAYARAJ J，XU F，TEWARI J.Rapid detemination of invert cane sugar adulteration in honey using FTIR spectroscopy and multivariate analysis[J].Joumal of Food science，2003，6（68）：2045.

[7] 曾焕俊，韩莹.维U颠茄铝胶囊Ⅱ近红外判别模型的建立[J].中国药品标准，2011，4（12）：303-306.

[8] LAASONEN M，HARMIA-PULKKINEN T，SIMARD CL，et al.Fast ide-ntification of Echinacea parpareadried roots using near-infraredspectros-copy[J].Anal Chem，2002（74）：2493-2499.

[9] SERGIO H，FRASSON S，CELIO P.Identification of counterfeit drugs using near infrared spectroscopy[J].Analyst，2001（126）：2218-2224.

[10] HAILEY P，DOHERTY P，TAPSELL P，et al.Automated system for the on-line monitoring of powder blending processes using near-infrared spectroscopy.Part I.System development and control[J].Journal of Phar-maceutical&Biomedical Analysis，1996，14（5）：551-559.

[11] 张宇佳，徐晓轩，宋宁，等.基于近红外漫反射光谱的烃源岩生烃潜量的确定[J].光谱学与光谱分析，2011，4（12）：955-959.

[12] 吉川聪一郎.用近红外光光度法进行茶叶品质评价：蒸青玉露茶和锅炒玉露茶主要成分的分析[J].[日]茶叶研究报告，1997，85（增刊1）：88-89.

[13] 吴建国.作物种子品质研究中近红外光谱分析模型的创建和应用[D].杭州：浙江大学，2004.

[14] 夏柏杨，任竿.近红外光谱分析技术的一些数据处理方法的讨论[J].光谱实验室，2005，22（3）：629-634.

[15] BLANCO M，COELLO J，ITURRIAGA H，et al.Calibration in non-linear near infrared reflectance spectroscopy：a comparison of several methods[J].Analytica Chimica Acta，1999，384（2）：207.

[16] GELADI P，KOWALSK B R.An example of 2-block predictive partiall east-squares regression with simulated data[J].Analytica Chimica Acta，1986，185：19-32.

[17] 夏贤明，丁宁.用近红外光谱法检测绿茶中品质成分的研究[J].分析化学，1991，19（8）：945-948.

[18] 刘辉军，吕进，林敏，等.基于RBF网络和NIRS的绿茶水分含量分析模型[J].中国计量学院学报，2005，16（3）：88-190.

[19] 张月玲.绿茶品质相关成分的近红外定标模型的初步建立[D].杭州：浙江大学，2006.

[20] 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.

[21] CHEN Q S，ZHAO J W，ZHANG H D，et al.Feasibility study on qualita-tive and quantitative analysis in tea by nearinfrared spectroscopy with multivariate calibration[J].Analytica Chimica Acta，2006，572（1）：77-84.

[22] 徐立恒，吕进，林敏，等.茶叶中3类主要组分的近红外光谱分析作为茶叶质量的快速评定方法[J].理化检验：化学分册，2006（5）：334-336.

[23] 吴瑞梅，岳鹏翔，赵杰文，等.特征变量筛选在近红外光谱测定绿茶汤中茶多酚的应用[J].农业机械学报，2011，12（42）：154-157.

[24] 陈华才，吕进，俸春红，等.近红外光谱法测定茶多酚中总儿茶素含量[J].中国计量学院学报，2005，16（1）：17-20.

[25] 陈华才，吕进，陈星旦，等.基于径向基函数网络的茶多酚总儿茶素近红外光谱检测模型的研究[J].光学精密工程，2006，14（1）：58-62.

[26] 芦永军，陈华才，吕进，等.茶多酚中总儿茶素的近红外光谱分析[J].分析化学研究简报，2005，33（6）：835-837.

[27] 孙耀国，林敏，吕迸.近红外光谱法测定绿茶中氨基酸、咖啡碱和茶多酚的量[J].光谱实验室，2004，21（5）：940-943.

[28] 罗一帆，郭振飞，朱振宇.近红外光谱测定茶叶中茶多酚和茶多糖的人工神经网络模型研究[J].光谱学与光谱分析，2005，25（8）：1230-1233.

[29] CHEN Q S，ZHAO J W，HUANG X Y，et al.Simultaneous determination of total polyphenols and caffeine contents of green tea by near-infrared reflectance spectroscopy[J].Microchemical Journal，2006，83：42-47.

[30] 赵杰文，陈全胜，张海东，等.近红外光谱分析技术在茶叶鉴别中的应用研究[J].光谱学与光谱分析，2006，26（9）：1601-1604.

[31] 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.

[32] 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.

[33] 张娅玲，吕才有，张超，等.普洱茶的傅里叶变换红外光谱研究[J].食品科學，2009，30（7）：173-175.

[34] CHEN Q S，ZHAO J W，LIN H.Study on diserjmination of Roast green tea（Camellia sinensis L）according to geographical origin by FT-NIR spe-ctroscopy and supewised pattern recognitlon[J].Spectrochimica Acta Part A：MoIecular and Biomolecular spectmscopy，2009，72（4）：845-850.