光谱技术在茶叶理化指标检测中的研究进展

郭昊蔚 李春霖 龚淑英 范方媛 陈 萍

(浙江大学农业与生物技术学院茶学系，浙江 杭州 310058)

光谱检测技术是利用各种化学物质都具有发射、吸收或散射光谱谱系的特征，以此来确定物质的性质、结构以及含量的方法。这类方法能有效地弥补传统茶叶感官品质分析中的一些不足，例如环境因素、操作误差以及评茶员个体间差别和主观性，同时，随着新技术研究的深入，能实现对茶叶进行快速、无损的检测[1]。

众所周知，电磁波由于波长和波谱特性不同，可按表1进行划分[2]，γ射线和X射线波长较短，能级较高，对细胞有一定杀伤力，主要用于医疗和工业探伤，而波长较长的远红外、微波和无线电波，多用于通讯、遥控、热成像等方面。目前，主要应用于茶叶品质检测的波长范围在200 nm～5×104nm，即近紫外光到中红外光之间，能利用不同物质的化学键与分子结构差异检测出茶叶中多酚类、氨基酸类、茶多糖类等多种有效成分的含量和组成。

表1 电磁波谱划分

1 紫外-可见光谱(UV-VIS)在茶叶检测中的应用

早在上世纪90年代，王林[3]等已经用紫外光谱对茶皂素进行研究发现，茶皂素在215 nm处有强吸收峰，并证实是由配基C-21位连接的α、β不饱和共轭双键产生。刘凯等[4]通过紫外光谱特性得出茶叶籽油在230 nm处的吸收结构为共轭双键，270 nm处为三键，并且能通过此方法对茶叶籽油的氧化进行检测。根据紫外光谱特性，有学者[5]对茶籽油中掺杂其他植物油进行鉴别，在258 nm下能鉴别出掺杂大豆油和玉米油，R2分别为0.9909和0.9929，在279 nm下能鉴别出掺杂菜籽油、米糠油和棕榈油，R2分别为0.9921、0.9947和0.9976。汪东风[6]通过实验证实半乳糖醛酸在272～274 nm处有吸收峰，随后周志[7]与陈小强[8]等都获得类似结果，认为茶多糖在250～280 nm之间有多个吸收峰，尤其在257 nm处较强，而280 nm是蛋白质特征吸收峰，因此推断茶叶中多糖可能与蛋白质以共价键结合。

在茶叶内含成分检测方面，紫外-可见分光光度法应用更为广泛，茶多酚、游离氨基酸、咖啡碱、茶红素[9]、茶褐素[10,11]等多种物质均能通过氧化还原、衍生等方式进行显色，在特定波长下有吸收峰，通过测定吸收值确定含量。在多色光源下，不同波长的光通过透镜时折射率也不同，因此产生色像差，色差技术也由此产生，该技术在茶叶检测中也有广泛应用，陆建良等[12]对64个茶样进行色差分析和感官审评，结果表明绿茶、乌龙茶的感官评价总分与L值呈正相关，与a、b值负相关，而红茶则相反。苏静等[13]通过色差技术研究普洱茶色度值与茶褐素的关系，建立回归方程Y=81.305-0.656X1-3.489X2-1.429X3+59.430X4(R2=0.908)，认为色差技术可以快速定量普洱茶的茶褐素。

2 近红外光谱(NIRS)在茶叶检测中的应用

近红外光谱主要记录有机分子中含氢基团(C-H,N-H,O-H)振动的倍频与合频吸收，这些基团产生的吸收峰特征性强，便于判定和分析[14]，目前已广泛应用于食品[15]、医药[16]、农业、化工等诸多领域。

2.1 茶鲜叶和成品茶中内含成分的检测

近红外光谱技术在茶叶成分的无损检测上已有较为广泛的应用，胡永光[17]采用近红外光谱技术来快速检测茶鲜叶全氮含量，利用一阶导数和滑动平均滤波(MAF)相结合的预处理方法，建立偏最小二乘(PLSR)回归模型，能有效地预测全氮含量，相关系数达到0.8881，而他采用相同方法对绿茶杀青叶含水率进行检测，相关系数为0.819，误差仅为3.30%，能实现加工过程中茶叶含水率的快速检测[18]。

Muhammad Zareef[19]采用傅里叶变换近红外光谱(FT-NIR)对红茶内含成分进行预测，能获得较好的结果，他认为遗传偏最小二乘法(GA-PLS)是预测氨基酸和水提物定量的最佳技术，反向区间偏最小二乘法(Bi-PLS)是定量分析咖啡因和茶黄素的最佳技术，陈全胜[20]也用FT-NIR对红茶8种主要味觉成分进行研究建模，提出BP-AdaBoost模型预测效果较好。林新[21]基于近红外光谱法快速测定了绿茶的水分、茶多酚、咖啡碱、氨基酸含量，采用改进偏最小二乘法(MPLS)建立的定标模型，该模型能对水分和茶多酚进行精准预测，R2分别达到0.95和0.85。

2.2 茶叶等级、品种、产地的检测和判别

早在20世纪80年代，就有学者对不同地区、品质的134 个红茶茶样进行研究, 证明了近红外方法和感官审评法较为一致，误差相当于7个评茶师给出的结果和4个评茶师给出结果的平均值之间的误差，因此该方法在茶叶品质判别上具有可行性[22]。2005年，阎守和用近红外技术来评估红碎茶、煎茶、玉露茶的品质和价格，证明近红外的分析结果和评茶师给出的结果有很好的相关性[23]。杨丹[24]通过FT-NIR检测绿茶全氮含量，并根据嫩度等级建立了绿茶全氮量的子模型，对绿茶品质评价提供依据。LI[25]采用NIR技术结合联合区间偏最小二乘法(siPLS)，能够快速无损区分出优质扁形绿茶，准确率达到93%以上。

在茶叶品种鉴别方面，陈全胜[26]采用龙井、碧螺春、祁红和铁观音作为样品，通过标准归一化(SNV)预处理后利用SIMCA模式识别方法进行建模，四类模型的对未知茶样的识别率分别是90%，80%，100%和100%，证明该方法确实是一种快速识别茶样的方法。李晓丽[27]对5个品种绿茶进行可见-近红外光谱扫描，通过神经网络把6个主成分和茶叶品种进行对应，学习了125个样本，建立3层BP人工神经网络模型，茶叶品种的识别率高达100%。任广鑫[28]则是对安徽、湖北、云南、缅甸、印度、肯尼亚和斯里兰卡七个产地的红碎茶进行扫描，选取4个主成分因子，以一阶导数+SNV为建模的预处理方法时，所建立的识别模型效果最佳，对未知产地红茶识别准确率达到92.8%，并且认为该方法还可以鉴别安徽、湖北等中小叶种与印度、云南等大叶种的原料种类。

2.3 茶叶真伪及其他方面鉴定

在其他方面的检测，近红外也有广泛的应用，赵开飞[29]基于近红外光谱技术对抹茶掺伪进行定性判别，对纯抹茶、掺伪抹茶、掺糖抹茶、掺糊精抹茶、掺桑叶粉抹茶、掺大麦苗粉抹茶进行研究，认为PCA-LDA模型结果最优，预测集识别率均在87.5%以上，辨别率非常高。宁井铭基于近红外技术，对普洱茶的发酵程度[30]和储存年份[31]进行判别，在发酵程度方面，ANN 模型交互验证识别率和预测识别率分别为98.9%和97.8%，而陈化程度与红外特征谱的1120～1570 cm-1和400～853 cm-1两个波数间吸收峰的强度和峰形密切相关，因此，能为普洱茶的研究提供较为快捷、可靠、准确的方法。

3 其它光谱技术在茶叶检测中的应用

3.1 高光谱成像技术(HSI)

高光谱成像技术结合了空间图像数据信息和光谱技术所获得的物质光谱特征，是对物体内部、外部的全面检测技术[32]。由于其“图谱结合”的特性，被用于各领域的无损检测，在茶叶方面，赵杰文[33]对茶树叶片中叶绿素含量及分布进行分析，根据二次土壤调节植被指数(Modified second soil-adjusted vegetation index，MSAV12)预测模型可以较为准确地估算出叶片表面叶绿素的分布情况，可以为进一步分析植物的营养信息提供服务。张民和戴春霞分别对鲜叶中的茶多酚和含水率进行预测分析，均能获得较准确的结果[34-35]，对茶鲜叶品质把控和后续加工能提供有力保障。

宁井铭[36]基于近红外和高光谱成像，通过灰度级共生矩阵(GLCM)从选定的主波长的图像提取纹理特征对绿茶，黄茶，白茶，黑茶和乌龙茶共206个样品进行分类，确定Lib-SVM是输入数据融合的最佳模型，正确的分类率达到98.39%，而蒋帆用高光谱技术对龙井茶等级进行判定，认为在RBF核函数下，所建立的模型最佳，对未知样本进行验证时识别率达到 89%[37]。因此图像处理技术和高光谱技术在茶叶品质检测方面具有很大的潜力。

3.2 荧光光谱技术(LIF)

荧光是物质吸收电磁辐射后受到激发跃迁，再衰变回到基态，变化期间再发射与激发辐射波长相同或不同的辐射发光现象，物质的荧光光谱主要由分子的能级结构决定，因此能反映出物质内部化学信息。早期主要用于茶叶中微量元素以及重金属测定[38-39]，而Liang Mei[40]等人采用激光诱导荧光光谱技术结合奇异值分解(SVD)和线性判断分析(LDA)评价方法，实现了乌龙茶和茉莉花茶的分类和质量评估，Seetohul[41]等人采用总发光光谱法(TLS)结合PCA和LDA进行数据分类，11种来自斯里兰卡的红茶能做到准确分类，正确率100%。

3.3 拉曼光谱技术

拉曼光谱是光照射到物质上发生的非弹性散射所产生的，通过分子内部各种简正振动频率及相关能级的情况来鉴定分子中存在的官能团，可以与红外光谱互补，衍生出来的技术包括表面增强拉曼光谱(SERS)、共焦显微拉曼光谱、傅里叶变换拉曼光谱等[42]。李晓丽团队对该技术在茶叶相关检测中的应用有较多研究，包括类胡萝卜素含量[43]、茶叶中非法添加色素[44]以及茶树云纹叶枯病[45]的检测。郑华军[46]等人证实了SERS检测技术对茶叶中咖啡碱和L-茶氨酸都有很高的灵敏性，并得出了对应的回归方程Y=10041.0-0.9X807-3.1X1327+1.4X1269+1.3X958(R2=0.9997)和Y=5676.5+30.7X1458-26.7X1251(R2=0.9899)，咖啡碱和L-茶氨酸检测极限分别达到10-9mol/L和10-7mol/L。

4 结语

除了上述研究，还有中红外光谱、多光谱成像技术等多种光谱技术在茶叶上有着越来越广泛的应用，但是也存在不少问题，例如仪器的灵敏度有待提高，数据库的建立有待完善，建模所需的样品量巨大，所建模型局限性较强，较难实现模型通用，检测方法受环境因素的影响较大，以及仪器的便携性等[47-48]，因此在实际生产中实用性有待提高，但是随着光谱技术、计量学方法和计算机技术的不断发展, 以及人们对仪器性能有更深的了解和认识，光谱技术在茶产业中一定会拥有更广阔的前景。