茶叶数字化加工技术研究进展

沈帅，袁海波，朱宏凯，江用文

中国农业科学院茶叶研究所，浙江 杭州 310008

茶产业是我国传统特色优势产业，也是共建“一带一路”的优势特色外向型产业。加强茶叶产业发展是推进农村供给侧结构性改革的重要内容，是实现乡村振兴战略的有利推手。茶产业发展的核心，是生产深受广大消费者欢迎的高品质产品，而先进的加工技术和生产设备是生产高质量茶产品的必要保障。所谓“工欲善其事，必先利其器”，先进的茶叶加工生产装置或设备对于稳定产品质量、提高生产效率、减少人力投入等方面具有重要意义。近年来，随着现代信息化技术和无损检测技术高速发展，光谱技术、机器视觉、电特性等多项先进技术已应用到茶叶加工过程，推动传统茶叶加工生产方式朝着数字化、智能化方向转型与升级。本文总结了近年来有关茶叶加工技术装备的论文、专利等研究成果，重点综述了近10年茶叶加工数字化与智能化技术研究进展，对比传统加工技术的不足和最新加工技术的优势，分析了目前茶叶加工技术仍然存在的问题，并提出了我国茶叶数字化加工未来发展的方向。

1 茶叶数字化加工研究现状

近年来，茶叶加工基础理论研究日渐深入，关键工序的工艺特性及在制品理化特征等日益明晰；利用光谱技术、电化学技术、机器视觉技术、电子鼻、电子舌等高新技术手段反映茶叶品质质量的技术方法不断进步；促使茶叶加工技术水平朝着数字化和智能化的方向大步迈进。诸如通过对茶叶中多酚类物质、全氮量、粗纤维等成分的快速检测，以及含水率、形状、颜色和嫩度等指标，实现茶鲜叶品质质量的智能感知；对光谱信息、图像信息、电参数的采集处理，实现萎凋、揉捻、发酵、干燥等多个关键加工工序的适度判定。

1.1 鲜叶品质质量检测与分级

在茶叶加工过程中，对鲜叶质量等级的判定是确定加工过程技术参数的前提，即茶叶加工过程中的“分级付制”。不同质量、不同等级的原料只有采用相应的加工技术参数，才能实现产品加工质量的最优化。同时，对鲜叶等级和质量的在线科学快速评判，也是实现茶叶数字化和智能化加工的技术基础。王胜鹏等利用近红外光谱技术，以含水率、粗纤维总量和全氮量作为鲜叶质量的判断依据，建立了茶鲜叶原料质量的在线评价模型，为评价茶鲜叶原料的质量提供了准确、快捷的新方法。常春等利用茶鲜叶图像的面积、周长、长轴长度、短轴长度等几何特征，以及图像的对比度、平滑度等纹理特征进行BP（Backpropagation）神经网络模型的构建，可将茶鲜叶按嫩度等级进行准确分类。王曼等利用近红外光谱技术建立了黄山毛峰鲜叶中含水率、全氮量和粗纤维含量的近红外定量模型，通过分析近红外光谱-鲜叶内成分-鲜叶等级间相关性，得到鲜叶等级近红外预测模型。在此基础上嵌入开发了适用性良好的SNIR-2101 茶叶品质分析仪，为茶鲜叶品质分析和等级快速评价提供新策略。高震宇等针对风选、筛选等分选方法难以做到茶鲜叶精确细分的问题，结合计算机视觉技术和深度学习算法，设计了1 套茶鲜叶智能分选系统，搭建了基于7 层结构的卷积神经网络判别模型，可以实现茶鲜叶的智能识别和等级分选。戴春霞等利用高光谱技术提取高光谱图像感兴趣区域并结合偏最小二乘回归（PLSR）建立茶鲜叶的含水率预测模型，实现对鲜叶新鲜程度的快速评判，进而实现对茶鲜叶质量的智能监控。Wang等通过智能手机开发了1 种基于近红外光谱技术的多品种鲜叶质量指标原位分析工具，通过偏最小二乘法（PLS）模型对茶多酚、氨基酸含量及酚氨比进行精准预测，可实现多品种鲜叶品质质量的数字化快速定量评价。

1.2 摊放程度分析与检测

摊放是茶叶加工的重要工序，摊青叶含水率是判断摊放程度的重要质量参数，并直接影响摊放过程品质成分的转化，最终影响到成品茶的质量。因此，进行摊放过程中摊青叶含水率实时、准确和无损检测，实现摊青叶含水率的在线精准控制，对于茶叶摊放工序的数字化、智能化生产具有重要意义。

王胜鹏等利用近红外光谱技术提出了一种预测绿茶摊青叶含水率的方法，通过将鲜叶样品近红外光谱全部转化为成对的数据点，利用联合区间偏最小二乘法（siPLS）建立含水率预测模型，实现绿茶摊青叶含水率的快速预测。Liu等利用近红外光谱技术通过VCPA-GA提取特征波长建立了PLSR 和支持向量回归（SVR）预测模型，可以准确无损地预测绿茶摊青叶的含水率，解决了摊青叶含水率定量预测，对绿茶加工设备的数字化具有重要的指导意义。

1.3 萎凋程度检测与判别

萎凋作为红茶加工过程中的首道工序，其过程伴随含水率和叶绿素含量逐渐下降，叶片失水收缩并产生茶黄素，导致萎凋叶外观和颜色发生较大变化。在实际生产中，准确评估萎凋程度是提高红茶品质的前提。

宁井铭等提出了一种将图像和光谱信息融合后分别与线性判别分析法（LDA）和PLS 结合的技术，以光谱和纹理特征值融合数据建立红茶萎凋程度的线性判别模型和儿茶素与氨基酸比值的PLS 预测模型，萎凋程度判别准确率达到94.64%，此方法可实现对红茶萎凋程度数字化判别。梁高震等基于机器视觉技术获取萎凋叶图像的色泽和纹理特征信息，分析图像特征变量的变化规律及其与含水率的关联，采用PLS、极限学习机（ELM）和SVR 算法，分别建立萎凋叶含水率定量预测模型，结果表明SVR 模型能够更好表征图像信息与含水率之间的量化解析关系，为工夫红茶萎凋过程在制品含水率在线检测装备的开发提供理论基础。An 等提出了一种基于卷积神经网络（CNN）置信度的萎凋叶含水率检测方法，此方法利用深度学习算法可以更好地表征图像与水分的相关性，与传统的线性PLS 和非线性SVR 算法相比，该方法可更大程度地提取图像中与水分相关的信息，模型具有较好泛化性，可以快速无损地预测萎凋叶含水率。Wang等采用近红外光谱、电子眼和比色传感阵列多技术融合来评估萎凋程度，使用支持向量机（SVM）对低级、中级数据融合进行建模和比较，中级融合策略比低级融合策略模型性能更优，SVM模型的最佳判别准确率为97.50%，此开发的多技术融合系统可为红茶叶萎凋过程的数字化监控提供技术支撑。Shen 等依靠微型近红外光谱与智能手机相结合，开发了基于Elman 神经网络（ENN）的萎凋叶含水率预测模型。该方法通过ENN结合了主成分分析（PCA），既可以提取光谱特征，又可以进行动态信息处理，提高了模型的抗干扰能力和训练效率，为预测萎凋叶含水率提供了一种便携、准确、快速、无损的方法。

1.4 杀青程度判别与控制

杀青是绿茶、青茶、黄茶和黑茶加工的关键工序，其本质在于通过短时高温钝化叶内酶活性（主要是多酚氧化酶PPO 和过氧化物酶POD），抑制鲜叶中多酚类物质氧化，以防止叶片红变，同时使叶内部分水分蒸发、散发青气、叶子变蔫变软，为后续揉捻做形创造条件。杀青后叶子含水率根据鲜叶老嫩程度不同，一般保持在58%～62%之间。通过对杀青叶含水率的准确判断，可有效检测生产中绿茶的杀青程度。陈培培利用可见-近红外光谱和高光谱成像技术，通过对龙井43 杀青叶高光谱信息的预处理和特征提取，分别建立含水率的光谱和成像检测模型，从而为实现绿茶杀青叶含水率数字化在线检测提供技术支撑。胡永光等基于可见-近红外光谱分析建立绿茶杀青叶含水率的PLSR预测模型，含水率预测的平均相对误差为3.30%，为实现绿茶杀青叶含水率的数字化在线检测提供思路。毛晓文以模糊PID控制技术和近红外水分在线检测技术为核心，研究了利用绿茶杀青自动系统，解决杀青效果稳定性的问题，为数字化生产优质绿茶提供了参考。此外，蒋建军等在传统的锅式杀青装置基础上，嵌入PEN 3 电子鼻的气味在线检测装备，研究不同锅温下PEN 3 电子鼻传感器的响应值与杀青品质的关系，提出基于气味在线检测技术的绿茶锅式杀青系统，根据酶促氧化物以及绿茶香气的响应值来反馈控制杀青锅温，此方法可用于实时检测杀青过程中的挥发性成分，并准确地根据挥发性成分的变化规律作出反馈控制，可为实现数字化的杀青处理赋能。吴鑫等利用机器视觉对微波杀青过程中在制品的色泽和纹理特征实时监测，通过建立ELM、遗传神经网络（GABP）、CNN 模型可对杀青叶含水率、茶多酚和氨基酸含量进行在线检测，该方法在快速检测茶叶杀青品质和茶叶数字化杀青作业中具有很好的应用前景。

1.5 揉捻程度检测与判别

揉捻是茶叶外形塑造和利于冲泡的关键工序。在揉捻挤压力的作用下在制品卷紧成条、细胞破碎、茶汁外溢，其物理、化学特性等发生相应变化，近而直接影响成品茶的品质。近年来揉捻研究主要集中在揉捻数字化和基础研究等方面，主要包括对揉捻过程中在制品基本物理特性、外观纹理、力学特性、电学特性、光学特性、显微结构及主要化学成分的变化进行了相关研究，经相关分析初步建立了揉捻程度的评价方法及揉捻机数字化控制策略。

林燕萍利用质构仪探究闽南乌龙茶包揉过程揉捻叶的力学特性对包揉质量的影响机理，为进一步研究乌龙茶包揉数字化技术与工艺，开发包揉数字化设备提供理论科学依据。张哲等研究了绿茶揉捻过程中含水率、柔软性、弹塑性及孔隙率等物理特性的变化规律，发现了揉捻叶含水率与揉捻时间呈负相关；茶叶的弹性与揉捻时间基本呈线性正相关，柔软性和可塑性均为先增加后减小，孔隙率随揉捻时间呈开口向上的抛物线趋势，丰富了茶叶揉捻数字化的理论基础。叶阳等基于揉捻叶电参数的复阻抗Z 值由大到小，复阻抗Z值降低速度由快到慢，当复阻抗Z值降低并趋于平稳后而首次出现回升时，此时即为揉捻适度，建立了红茶揉捻数字化的判定方法。刘飞研究了工夫红茶揉捻过程中揉捻压力及揉捻在制品主要化学特性、基本物理特性、外观纹理、力学特性、电学特性、光学特性、显微结构的变化，建立了基于多信息融合的揉捻成条率判定方法。徐海卫等通过分析揉捻叶在揉桶中的受力情况，建立了桶式揉捻机揉捻过程中的揉捻叶受力模型，得到最佳施压模型和揉捻盘转速之间参数关系，可为实现茶叶揉捻加工工艺的数字化作业提供参考。

1.6 发酵和渥堆的品质质量检测与程度判别

发酵是茶叶品质形成的关键工序，此过程伴随氧化、聚合、缩合等一系列生化反应，主要影响红茶、普洱茶的特定品质形成。在实际生产中主要根据发酵叶在指定时间下颜色、香气的变化判断发酵质量，其数字化水平较低。近年来，科研工作者通过图像、光学、电化学以及融合技术研究茶叶发酵过程，为发酵工序数字化提供了新的方法和思路。

（1）视觉角度解析发酵品质的方法研究。Borah 等使用曼哈顿距离算法（Manhattan norm）分析不同发酵时刻的在制品图像与适度发酵样品图像信息的联系，明确样品图像中RGB（red，green，blue）三通道的DPV值若均小于0.3为发酵适度的结论，为发酵程度的数字化判别提供理论依据。Singh等利用红茶发酵叶图像中RGB和灰度信息，构建了茶叶外形综合指标TQI 的评价方法，为茶叶发酵质量的数字化监测提供解决方案。Dong 等通过机器视觉技术分析了红茶发酵过程图片信息的RGB、Lab 和HSV（hue，saturation，value）颜色空间变化规律，以颜色特征参数作为发酵程度模型的输入来建立茶色素的非线性定量预测模型，计算机图像的颜色特征和随机森林模型（RF）、SVM 非线性算法可对红茶发酵过程中品质指标进行数字化评价。

（2）光学光谱检测理化成分方法研究。理化检测方法在判别红茶发酵程度和定量预测发酵中关键理化成分方面虽然较精确，但存在耗时长、操作复杂和成本高等缺陷，无法在实际生产中快速感知发酵的主要成分信息，由于茶多酚、儿茶素、茶氨酸、茶黄素和茶红素内C-H、O-H 基伸缩振动以及苯环中较多的C-C、C-O对光谱的特定波长具有不同吸收特性，可借助近红外光谱和高光谱图像技术等无损检测技术对红茶在制品进行检测。董春旺等以不同发酵时序下的在制品为研究对象，利用近红外光谱技术，结合化学计量学方法及不同智能算法，建立了红茶发酵中茶色素、儿茶素和酚氨比等关键理化成分及感官品质评分的定量分析模型，可用于数字化生产中的发酵成分在线检测。邓余良等基于近红外光谱和化学计量学方法，建立了红茶发酵过程中茶黄素和茶红素比值（TFs/TRs）的线性（PLS、Si-PLS、Si-CARS-PLS） 和非线性（Si-CARS-ELM、Si-CARS-ELMAdaBoost）预测模型，可为发酵品质的数字化快速评价提供方法。Yang 等讨论了堆放发酵叶不同位置关键内质成分的变化及影响因素，比较了基于高光谱信息下的不同预处理、变量选择和智能算法对模型性能的影响，建立了主要内质成分（茶褐素、茶红素、儿茶素、咖啡碱和可溶性糖）定量预测模型，将红茶不同时期的关键品质指标分布可视化，实时检测红茶发酵过程中关键内质成分的变化状态和分布，为发酵信息的可视化和数字化展现提供技术支撑。

（3）电特性技术在发酵品质检测中的应用。王盛琳等以工夫红茶发酵在制品为研究对象，利用电特性检测技术与化学计量学方法相结合，构建发酵叶茶多酚含量的预测模型，探讨了发酵叶电参数（并联等效电容、损耗因子和电抗）的变化规律，试验表明电特性检测技术可用于红茶发酵过程中茶多酚含量的数字化预测。Dong 等建立了基于电特性测量和化学计量学方法检测发酵过程红茶儿茶素含量的定量预测模型，明确了儿茶素含量最敏感的电气参数主要是在低频（0.05～0.10 kHz）下的等效并联电容、损耗因子和电抗，为儿茶素含量的数字化定量预测提供了参考。

（4）多元信息融合技术在发酵品质检测中的应用。Jin 等提出了基于低成本微近红外光谱和实验室制造的计算机视觉系统（CVS）进行红茶发酵质量的在线快速检测，建立了PAC-SVM的儿茶素和茶黄素定量预测模型，利用颜色、光谱和数据融合信息对红茶发酵程度进行数字化表征。Li 等构建了基于纳米材料的比色传感器阵列，并采用紫外-可见光谱结合化学计量学方法监测红茶的发酵质量，建立红茶发酵过程中关键化合物茶黄素和儿茶素的数字化定量预测模型。Jin等结合傅里叶变换近红外光谱（FT-NIR）和CVS 对红茶发酵程度进行综合评价，用两种中级策略分析FT-NIR 和CVS 的融合信号。K-最近邻（KNN）、LDA 和SVM 用于分类建模，证明了FTNIR 和CVS 在中级融合策略的组合可以作为红茶发酵程度的数字化评估方法。

龚自明等利用近红外光谱仪得到了不同渥堆程度的渥堆原料样品的空间分布图，不同渥堆程度青砖茶渥堆原料样品在空间中没有出现交叉分布的情况，从而实现了渥堆程度的数字化预测。宁井铭等提出了利用近红外光谱结合人工神经网络的方法对普洱茶发酵程度进行模型构建，实现了近红外光谱技术结合模式识别对普洱茶发酵质量的数字化快速判别。

1.7 干燥程度检测与判别

干燥过程是茶叶加工的最后一道工序，茶叶含水率是判断干燥程度的重要质量参数，随着茶叶水分散失、外形固定，茶叶内含成分发生系列理化反应，是形成茶叶色泽、香气以及滋味的重要过程。刘飞等提出了基于不同频率下电特性参数值与绿茶干燥过程在制品含水率进行相关性分析，建立了含水率定量预测模型，为茶叶干燥过程在制品状态的数字化快速无损检测提供了思路。陈琳等提出了基于近红外光谱红茶干燥中含水率无损检测方法，利用PLS、siPLS分别构建水分近红外预测模型，实现工夫红茶干燥过程含水率的快速检测。吴继忠等采用近红外光谱分析技术分析茶叶干燥过程水分含量，应用全光谱PLS模型、遗传偏最小二乘模型（GA-PLS）、竞争性自适应加权抽样偏最小二乘模型（CARS-PLS）建立模型，为茶叶干燥过程品质的数字化、智能化监控提供方法。赵丽清等将热风干燥过程中的烘干温度、滚筒转速、烘干初始水分、预测时间作为输入，含水率作为输出，分别利用多元线性回归、BP 神经网络、Elman 神经网络以及粒子群优化的Elman神经网络（PSO-Elman）算法建立烘干过程茶叶含水率预测模型，该方法的优异预测效果对茶叶干燥的数字化作业具有指导作用。

2 茶叶数字化加工存在的问题

在茶产业宏观背景的发展态势下，茶叶加工的数字化、智能化虽呈现积极发展的趋势，特别是光谱技术、机器视觉技术、电特性、电子鼻等无损在线检测技术为茶叶加工的数字化、智能化转型与升级提供技术支撑，其优势主要体现在检测速度快，对被测样品无损且操作便捷，但在实际加工生产中，仍旧存在诸多现实问题。一方面是在线检测技术需要逐步完善。如近红外检测中标准谱库的建立与完善，减少外界干扰因素（光谱取样位置、采样条件等）对测量精度的影响，光谱模型的局限性和普适性；机器视觉检测中光源的优选和成像效果，适用不同场景的图像处理算法的精简与创新；电特性检测中要保证测试条件的稳定性以及改善低频检测时电特性参数比较不稳定，系统误差比较明显；电子鼻检测中数据处理的高效性及新型传感器的研发。此外，受不同年份、季节、降雨量、光照、土壤等多因素的影响，茶叶在制品品质信息的差异显著，导致茶叶加工全程各分析技术的灵敏度和准确性、合适的数据分析策略、高效的模型迁移泛化能力以及建立完备的在线检测技术信息数据库及数字化装备研发等方面发展受到限制。另一方面是茶叶加工数字化、智能化研发的创新和投入需要提高。目前，我国的茶叶生产加工装备大多仍处于机械化发展过程中，自动化生产线中仅少量加工工序实现初步数字化，尚未完全实现数字化和智能化，一部分茶叶初加工装备缺乏在线检测技术、现代信息技术等高新技术的应用和创新，研发投入少和研发企业及相关专业研发技术人员匮乏，数字化产品的设计、研发过程涉及机械、物理、自动化、计算机等多个学科，需要企业在相关学科技术上投入大量人力、时间和资金，使得相关企业和科研单位研发先进适用的茶叶生产数字化作业新技术、新设备过于滞后，将直接影响茶叶加工数字化、智能化创新和装备的升级换代。

3 茶叶数字化加工发展趋势及展望

3.1 茶叶加工产业对科技的需求

在现代信息化技术和无损检测技术高速发展的时代背景下，通过光谱技术、图像技术、电特性技术、电子鼻、电子舌、信息技术、数据挖掘与处理、智能控制与制造等多领域技术的深度融合与集成创新，将带动茶叶加工的数字化变革，产品定向化加工、品质精准化调控逐渐成为可能，而随着高端智能控制系统在茶业领域的融合和发展，茶叶加工向“无人工厂”“智能造”转型升级将成为今后茶叶加工业的发展必然。

3.2 茶叶数字化加工发展趋势及展望

随着经济社会发展，消费者对茶叶产品质量的优异和稳定要求将不断提升，与此同时，劳力、能源等资源紧缺矛盾亦将越加突出，必须依靠现代信息化技术和无损检测技术融合与创新，推进茶叶的数字化、智能化加工，实现加工方式的升级发展。因此，未来无损在线检测技术将在茶叶数字化加工中继续承担重要角色，具体发展趋势如下。

一是建立起不同区域、不同季节、不同品种、不同嫩度具有代表性的茶叶加工全程在制品的在线检测数据库，为建立茶叶加工在制品品质的快速通用分析模型奠定基础。

二是开发高效、精准且可便于移植的数据处理算法和分析模型，解决茶叶在制品信息检测过程中数据量过大、冗余过多、噪声干扰过强、处理时间长而无法实现在线检测的问题。

三是加强对在线无损检测技术和检测设备的研发与创新。近红外光谱技术应向便携化和轻型化方向发展，明确茶叶加工在制品不同指标的关键特征波长和建立对应通用型模型，降低自主研发成本；高光谱技术应用于光谱图像采集系统，系统设计简易、精准便捷，结合光谱预处理、数据降维、图像处理等方法，建立基于茶叶加工在制品不同特征指标的信息最佳处理算法和分析模型，降低设备研发成本；机器视觉技术应用于建立通用型的照明系统，针对茶叶加工过程不同的应用场景需求，设计合适的照明装置，结合先进的图像处理和深度学习等算法的简化，提高对茶叶加工在制品的检测分析效果；介电特性检测技术应扩大茶叶加工过程的应用范围，加强介电检测设备稳定性和低频灵敏度的研发；电子鼻技术应优化和研发稳定可靠的新型气体传感器，提高检测效率。

四是多传感器无损检测技术融合应用于茶叶加工无损检测中，可避免单一技术的信息缺失和不全面，实现高效、快速、全面的茶叶加工在制品品质在线检测。

五是基于在线检测技术、信号传输与处理技术的加工工序数字化控制系统，开展茶叶智能加工技术集成，将智能加工设备与品质感知监控技术进行融合，实现加工过程的信息自反馈、工艺自决策和过程自执行。集成建立数字化加工示范生产线，构建现代加工技术体系，组建智能化“无人工厂”。

总体而言，茶叶数字化加工的发展必将持续以科技创新为支撑，以市场需求为引领，以数字经济为目标，不断深化基础理论和创新应用研究，通过现代食品无损检测技术、机械自动化、信息工程、物联网和人工智能等多学科交叉，结合高新技术的融合与研发，促进现有茶叶加工技术向数字化和智能化方向转型与升级，实现茶叶加工数字化精准调控，有效提高产品的科技含量和附加值，推动茶产业高速发展。