APP下载

近红外与高光谱成像技术在茶叶质量安全控制中的应用

2017-07-29王铭海龙娇朱晓琴

现代农业科技 2017年12期
关键词:近红外光谱茶叶应用

王铭海+龙娇+朱晓琴

摘要 近红外与高光谱成像技术作为一种新兴、高效、准确的无损快速检测技术,在茶叶种植及生产经营方面具有巨大的应用优势。本文综述了近红外与高光谱成像技术在茶园管理、生产监测、质量等级划分、种类及产地鉴别等茶叶质量安全控制环节中的研究与应用进展,并对其研究与应用前景进行了展望,以期促进该技术方法能更好、更快地应用于茶叶质量安全控制领域,从而促进茶产业健康跨越發展。

关键词 近红外光谱;高光谱成像;茶叶;质量安全控制;应用

中图分类号 S571.1;TS207.7 文献标识码 A 文章编号 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

我国作为世界茶叶产销大国,具有悠久的茶叶生产及利用历史。中国茶叶种植面积和产量均位居世界第一,2016年全国茶园总面积接近293.3万hm2,毛茶总产量达到243万t,总产值达到1 680亿元。随着茶产业的蓬勃快速发展,茶产品质量安全问题已逐渐凸显成为制约我国茶产业及贸易出口健康跨越发展的重要问题。

现有茶叶质量安全控制手段多依靠理化分析及感官评审等传统技术手段,均不同程度上存在操作繁琐、费时耗力、人员要求高、样品破坏性大等不足[1],且无法实现对茶叶种植、加工及经营过程中质量安全指标变化的实时监控分析。光谱技术是近10年来发展最为迅速的高新实用分析技术之一,以其高效无损、经济准确等优势被广泛应用于农业[2-3]、医药[4]与食品[5-6]等诸多领域,该技术可较好地满足茶叶“从茶园到舌尖”全过程中实时准确、全面客观的品质监测要求。

1 近红外与高光谱成像技术简述

1.1 近红外光谱技术基本原理

近红外光谱是介于可见光和中红外光谱的光谱区域,为波长范围为780~2 526 nm的电磁波,此波段的光谱对样品中X-H键(如C-H、O-H、N-H等)振动的倍频、合频及差频具有特征吸收,不同的吸收峰位置及吸收强弱可间接反映出该样品特定物质的分子结构及浓度信息[7]。因此,通过获取近红外图谱,并结合恰当的化学计量学方法建立分析模型,即可对茶叶中多种质量成分及安全指标进行实时无损定量或定性分析[8]。

1.2 高光谱成像技术基本原理

高光谱成像技术兴起于20世纪80年代,其兼具光谱分析和图像识别双重分析能力,该技术可比普通多光谱成像获取更大范围内的光谱特征参数(主要包括空间、光谱和辐射三重信息),这些数据信息可用来生成复杂模型,用以判别、分类、识别图像中的物质,同时也能够更客观、准确、全面地反映出被测产品固有特性[9]。该技术可被应用于茶叶种植管理、病虫害监测及等级产地鉴别等质量安全控制领域。

2 近红外与高光谱成像技术在茶叶质量安全控制中的应用

2.1 茶叶种植管理监测

利用近红外与高光谱成像技术实时快速监测茶园鲜叶中叶绿素、氮素、水分、农残及病虫害等生长指标对于全面客观掌握茶树长势、估测产量、营养诊断、灌溉施肥及虫害防治等方面都具有重要指导意义。

赵杰文等[10]以茶树为研究对象,利用高光谱成像技术结合7种不同的特征参数提取算法分析了茶树叶片中叶绿素含量及其分布,结果表明,基于二次土壤调节植被指数提取算法的模型分析效果最佳,可较为准确地测定出叶片表面叶绿素的分布。王胜鹏等[11]结合偏最小二乘法(PLS)建立了不同叶位置及嫩度茶鲜叶含水量、粗纤维和总氮的近红外光谱预测模型,取得了较满意的预测结果,并提出了基于NIRS技术评价茶鲜叶质量的新方法。郑建鸿等[12]利用荧光高光谱图像技术和光谱角算法快速无损检测了鲜茶叶表面的多菌灵农药残留,并达到了预期的监测效果。刘建雄等[13]基于遭茶尺蠖啃食的茶园高光谱图像数据,建立了690~790 nm与520~580 nm频谱范围的茶尺蠖啃食程度的拟合模型,研究表明,特征光谱信息能够有效反映出茶园遭茶尺蠖啃食的严重程度,说明利用高光谱成像技术实时监测茶尺蠖危害可行。

2.2 生产加工监测

通过近红外与高光谱成像技术对茶叶咖啡碱、茶多酚、氨基酸、水分等内部质量与安全指标进行无损快速监测分析,对于促进茶叶工艺提升、保证产品质量安全具有重要意义。孙耀国等[14]基于3个波段(4 000~5 376、5 376~7 143、7 143~10 000 cm-1)近红外光谱信息,建立了绿茶中茶多酚、咖啡碱和氨基酸3类化学物的PLS分析模型,在进一步优化波长范围的基础上,得到了较满意的预测分析结果,模型对氨基酸、咖啡碱和茶多酚的预测相关系数分别达到0.994、0.920和0.960。陈寿松等[15]开发出一种茶叶含水率的近红外在线快速监测技术,并综合分析了茶叶传输带动静状态、摊叶厚度、测定高度、茶叶等级等因素对在线测定茶叶含水量精确度的影响。胡永光等[16]使用FieldSpec 3型便携式地物光谱仪,基于SPXY样品划分算法,分别建立了192个绿茶杀青叶料样品的PLS、PCR与BP网络分析模型,结果表明,基于5个主成分的PLS模型预测效果最佳。吴瑞梅等[17]利用近红外光谱技术快速分析绿茶汤的氨酚比(即氨基酸与茶多酚的含量比值),从而提出了基于NIRS技术的绿茶滋味品质估测模型。

2.3 质量等级划分

当前茶叶质量等级划分多以感官评审(如外形、香气、汤色、滋味、叶底等)结合内部品质检测进行划分,但感官评审技术性强、对环境等客观因素要求较高,且受评茶员的主观影响较大。Hall等[18]在1988年最早对不同地区、品质的134个红茶样品进行了研究,证明了近红外方法与感官评审法的效果具有高度一致性。周小芬等[19]以大佛龙井茶为分析对象,采用NIRS-PLS模型,分别建立了干茶色泽、汤色、香气、滋味、叶底单因子得分、五因子总分及六因子总分共7个定量分析模型,结果表明,五因子总分模型预测性能最好(Rp为96.65%,RMSEP为1.52),进一步说明了NIRS技术对大佛龙井茶品质等级划分具有较强可行性。陈全胜等[20]设计了一套高光谱图像系统采集系统,对4个等级200个样品的炒青绿茶進行了判定,判别分析模型训练集总体回判率为 97%,预测集总体识别率达94%,结果表明高光谱成像技术可同时兼顾茶叶内外品质分析,可应用于茶叶质量等级划分。于英杰等[21]应用高光谱技术结合支持向量机分类算法对5个不同等级的铁观音样品进行了等级判别分析,在最优模型下,所建模型对未知等级样品的正确判别率达到92.86%,表明此技术可适用于铁观音茶叶等级的无损快速准确划分。

2.4 种类及产地鉴别

利用近红外与高光谱成像技术对茶叶种类及产地进行快速准确鉴定是鉴别茶叶真伪、规范茶叶市场秩序和实现茶叶源产地及名优茶品牌保护的有力措施。陈 波等[22]利用4 000~9 000 cm-1的近红外光谱谱图,通过聚类分析对西湖龙井、洞庭碧螺春、庐山云雾茶等5种中国名产进行识别,结果表明,NIRS技术在茶叶种类识别方面具有很好的效果。陈全胜等[23]以碧螺春茶(真碧螺春初产地为江苏,伪碧螺春样品初产地分别为安徽、湖南和江西等地)为研究对象,通过采集228个样品5 500~6 500 cm-1范围内的近红外光谱信息,结合支持向量机模式识别算法,建立了碧螺春茶的真伪鉴别模型,所建判别模型对训练集样品的回判鉴别率达到93.48%,对预测集样品的预测鉴别率达84.44%。章海亮等[24]通过采集不同茶叶样品在380~1 023 nm波长范围内的512幅光谱图像,并综合主成分分析法建立了龙井翠绿、庐山云雾、婺源毛尖等6个品牌名优绿茶的LS-SVM区分识别模型,预测集识别率达到了100%,并采用ROC曲线对该分类模型进行了评估分析,结果表明,高光谱成像技术结合LS-SVM模型可实现对绿茶品牌的鉴别。蔡健荣等[25]采集了试验样品的漫反射高光谱图像数据,并利用灰度共生矩阵算法提取出4个纹理特征参量,结合支持向量机(SVM)模式识别方法构建了碧螺春茶叶真伪鉴别分析模型,训练集和预测集的判别率分别达到100.00%和96.25%,取得了很好的鉴别效果。

3 结语

综上所述,近红外与高光谱成像技术作为茶叶传统理化分析及感官评审方法的可行替代方法之一,在茶叶质量安全控制各环节具有巨大的技术优势,但也不容忽视地受到模型建立难度大、适应性(稳定性)不强、检测灵敏度不高、光谱仪成本高昂等诸多实际因素的制约,导致该项新型技术在我国茶产业中快速普及及推广尚待时日。为切实提高近红外和高光谱成像技术在茶叶质量安全控制领域应用的实用性、推进该技术在茶叶领域的应用进程,可从以下几个方面深入研究:一是延伸对茶园土壤有机质、矿质元素、重金属污染物及更多茶树病虫害等方面的探究,以全面、客观地指导茶叶精准种植;二是扩展进行多茶类、多品种茶产品的在线监测、品质分析、质量判别、真伪鉴定;三是加强对分析模型转移、传递等方面的研究,以增强模型的通用性与稳健性。

4 参考文献

[1] 郭桂义,王广铭.我国茶叶产品国家标准理化指标分析[J].中国茶叶加工,2014(3):45-52.

[2] 王加多,周向阳,金同铭,等.近红外光谱检测技术在农业和食品分析上的应用[J].光谱学与光谱分析,2004,24(4):447-450.

[3] 刘燕德,张光伟.高光谱成像技术在农产品检测中的应用[J].食品与机械,2012,28(5):223-226.

[4] 肖雪,梁琼麟,王义明.近红外光谱技术在医药领域中的应用进展[J].现代仪器,2011,5(17):9-12.

[5] 刘建学,杨莹,韩四海.高光谱成像技术在食品品质无损检测中的应用[J].食品工业科技,2016,37(3):389-393.

[6] 李文采,刘飞,田寒友,等.基于高光谱成像技术的鸡肉菌落总数快速无损检测[J].肉类研究,2017,31(3):35-39.

[7] 王铭海.猕猴桃、桃和梨品质特性的近红外光谱无损检测模型优化研究[D].杨凌:西北农林科技大学,2013.

[8] 王志岚,陈华才,尹军峰,等.近红外光谱分析技术在茶叶中的应用[J].现代农业科技,2008(15):110-111.

[9] 彭彦颖,孙旭东,刘燕德.果蔬品质高光谱成像无损检测研究进展[J].激光与红外,2010,40(6):586-592.

[10] 赵杰文,王开亮,欧阳琴,等.高光谱技术分析茶树叶片中叶绿素含量及分布[J].光谱学与光谱分析,2011,31(2):512-515.

[11] 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.

[12] 郑建鸿,吴瑞梅,熊俊飞,等.基于光谱角算法的鲜茶叶表面农药残留荧光高光谱图像无损检测研究[J].激光杂志,2016,37(6):57-60.

[13] 刘建雄,李明,陶栋材,等.基于高光谱技术的茶尺蠖危害程度研究[J].湖南农业大学学报(自然科学版),2013,39(3):315-318.

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

[15] 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].食品科学,2014,34(4):337-343.

[16] 胡永光,陈培培,赵梦龙,等.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.

[17] 吴瑞梅,吴彦红,艾施荣,等.茶叶外形品質的高光谱图像量化分析[J].江西农业大学学报,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,叶阳,周竹定,等.基于近红外光谱法的大佛龙井茶品质评价研究[J].光谱学与光谱分析,2012,32(11):2971-2975.

[20] 陈全胜,赵杰文,蔡健荣,等.利用高光谱图像技术评判茶叶的质量等级[J].光学学报,2008,28(4):669-674.

[21] 于英杰,王琼琼,王冰玉,等.基于高光谱技术的铁观音茶叶等级判别[J].食品科学,2014,35(22):159-163.

[22] 陈波,靳保辉,梁宏,等.近红外光谱技术与聚类分析鉴别中国名茶[J].光谱实验室,2012,29(5):2901-2905.

[23] 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.

[24] 章海亮,李晓丽,朱逢乐,等.应用高光谱成像技术鉴别绿茶品牌研究[J].光谱学与光谱分析,2014,34(5):1373-1377.

[25] 蔡健荣,韩智义.碧螺春茶叶的真伪鉴别技术[J].农机化研究,2013,(4):140-143.

猜你喜欢

近红外光谱茶叶应用
《牛采茶叶》
2021年5月国际茶叶拍卖市场行情
乱倒茶叶导致美国独立
基于近红外光谱法的藜麦脂肪含量快速检测
GM(1,1)白化微分优化方程预测模型建模过程应用分析
煤矿井下坑道钻机人机工程学应用分析
气体分离提纯应用变压吸附技术的分析
会计与统计的比较研究
便携式茶叶