电子眼技术结合多元统计分析评价滇红工夫茶汤色泽

陈佳瑜，杨艳芹，袁海波，邓余良，沈 帅，刘政权，江用文*

（1 安徽农业大学 茶树生物学与资源利用国家重点实验室 合肥 230036 2 中国农业科学院茶叶研究所 农业部茶树生物学与资源利用重点实验室 杭州 310008）

工夫红茶是我国特有的红茶品种，品类多且产地广。其中，滇红工夫是我国第一个以大叶种为原料制成的红茶，主产于云南省的临沧、保山、西双版纳、思茅（普洱）、德宏等地。作为中国工夫红茶的后起之秀，滇红工夫因形美、色艳、香高、味醇的品质特点，在国内外市场中广受欢迎[1]。茶汤的综合品质体现在“色、香、味”[2]3 个方面。目前对滇红工夫茶的研究多集中在滋味[3]、香气[4]和营养功能成分[5]，较少有针对茶汤色泽属性的基础性研究。色泽不仅是衡量红茶发酵程度的关键指标[6]，也是评价茶汤品质的重要因子之一，具有重要的研究意义。

目前，茶汤色泽品质的评价手段主要有感官评价和色差分析。感官评价是由专家审评小组依据一定的评价标准和丰富的经验给予样品描述性评语和打分，具有快速和直观的优点，然而，易受个体主观影响，一致性和重复性较差[7]。此外，感官评价的描述术语通常较为模糊，缺乏客观的量化评价标准。近些年越来越多的研究采用现代仪器手段进行茶汤色泽的表征。色差分析法是当前茶汤色泽评价应用最为广泛的方法之一[8]。用于色差分析的颜色排序体系包括HunterLab 体系、CIELAB 体系和CIELCH 体系[9]。然而，此方法所得色泽参数反映的是透过比色皿的透射光，与人眼实际感受到的茶汤色泽并不一致，在一定程度上不能完全反映茶汤的真实色泽。马婉君等[10]的研究表明，基于计算机视觉的方法，相比于台式色差仪，对六堡茶汤色得分的预测准确度更高。

电子眼技术是在仿生学基础上发展起来的一种识别样品视觉信息的检测仪器[11]。它通过模拟人眼对样品的感知，提供稳定的图像采集环境，保证样品分析条件的一致性，利用计算机处理软件对样品的颜色、形状等视觉参数进行相关评价[12]。近年来，该技术在水果成熟度鉴别[13-14]，中药材规格等级判别[11，15-16]，乳制品加工[17-18]与储存质量评价[19-20]等方面得到广泛应用，然而，在茶汤色泽品质评价方面鲜有报道。本研究选用滇红工夫茶汤为研究对象，采用电子眼技术结合多元统计分析对色泽品质进行评价，以实现茶汤色泽品质分类的准确判别和品质得分的精准预测。

1 材料与方法

1.1 试验材料

收集产于云南省不同产区（临沧市、保山市、普洱市、红河自治州、西双版纳自治州、德宏自治州等）、不同等级（特级、一级、二级、三级等）、不同干茶形状（条形、卷曲型、螺形、针形）的工夫红茶，共50 个代表性茶样。

表1 样本信息Table 1 Information of tea samples in this study

1.2 仪器与设备

IRIS VA400 型电子眼，法国AlphaM.O.S 公司；CM-5 台式分光测色计，日本KonicaMinolta 控股公司；国家标准成品茶审评杯碗，中国农业科学院茶叶研究所。

1.3 方法

1.3.1 茶汤制备 参考《茶叶感官审评方法》 GB/T 23776-2018，取3.0 g 代表性茶样，按照茶水比（质量比）1∶50 注入沸水于审评杯中至满，加盖冲泡5 min 后，等速将茶汤滤出置于相应审评碗中。

1.3.2 感官审评 参考《茶叶感官审评方法》 GB/T 23776-2018，以百分制对滇红工夫茶汤色泽品质进行评分。其中，茶汤色泽品质特征表现：①为橙红明亮或红明亮的样品级别为甲类，得分在90～99 之间；表现为尚红亮的样品级别为乙类，得分在80～89 之间；变现为尚红欠亮的样品级别为丙类，得分在70～79 之间。感官审评专家小组由5人构成，均具有国家高级评茶员及以上等级职业资格。去除一个最高分和一个最低分，取其余分数的平均值作为最终得分。

1.3.3 色差仪数据采集 色差仪采用D65 标准光源（即色温6 500 K 的人工日光光源）和10°平面测量的观察方式。数据采集前对色差仪进行校准，以黑板为基准进行0%校准，以纯水为基准进行100%校准。采集不同色空间 （CIELAB 体系和HunterLab 体系）下的13 个色差分析指标的数据：L*、a*、b*、C*、H*、L99、a99、b99、C99、H99、L（Hunter）、a（Hunter）、b（Hunter）。其中，L 表示明度，a 表示红绿度，b 表示黄蓝度，C 表示彩度，H 表示色调角[21]。把待测茶汤注入比色皿内进行检测，每个茶汤样品重复测定3 次。

1.3.4 电子眼数据采集 采集数据前，开机15 min 以上使光室内的光线稳定，调整镜头的曝光度和焦距，并将比色卡置于光室内进行自动校准。根据预试验结果选择顶部及底部标准光源（2*2荧光灯灯管，相当于D65 光源）作为照明条件，采用5 mm 光圈的CMOS 摄像头采集茶汤样品的图像（图1）。每个茶汤样品固定于白色背景板下同一个位置进行拍摄，重复采集图像3 次。对采集图像进行统一预处理，提取图像中心圈的特征信息，记录其全部色号及相应面积比例作为分析数据。

图1 IRIS VA400 型电子眼仪器实物图Fig.1 Physical drawing of the IRIS VA400 electronic eye

1.3.5 数据分析 以2∶1 比例把全部样本随机分为校正集（34）和预测集（16），以预测集样本数据验证校正集样本所建立的模型。根据1.3.2 节感官审评结果，以茶汤色泽品质评分90 分作为界限将样品分为两类：≥90 分的茶汤色泽品质划分为优质组，反之为非优组。采用SIMCA 软件对电子眼采集的数据进行PLS-DA 进行分类判别，进一步对其进行PLS 回归分析，以实现对滇红工夫茶汤色泽的品质得分的准确预测。模型精度评价参数的计算公式如下：

式中：Rc——校正集相关系数；Rp——预测集相关系数；RMSEC——校正集均方根误差；RMSEP——预测集均方根误差；RPDc——校正集相对分析误差；RPDp——预测集相对分析误差；n——数据集中样本个数；ycal——校正集样本预测值；ypre——预测集样本预测值；yact——样本真实值；SDc——校正集样本标准偏差；SDp——预测集样本标准偏差。其中，Rc、Rp、RPDc 和RPDp 的值越大，RMSEC 和RMSEP 的值越小，模型精度和预测能力越高[22]。通常认为，相关系数R＞0.8，相对分析误差RPD＞2[23]，模型具备较高的可靠性。

2 结果与分析

2.1 电子眼采集茶汤色泽参数的重复性考察

为验证图像采集环境的稳定性，以保证试验结果的可靠性和重复性，分别任意选取3 个优质组和非优组的茶汤样品，筛选占比大于1%的色号，计算各色号比例在对应样本中的相对标准偏差（RSD）。结果显示，电子眼提取到的以上样本的特征色号RSD 值均小于5%，表明电子眼采集的茶汤色泽参数具有良好的重复性，可用于下一步茶汤色泽品质的分类判别和品质得分的预测。

2.2 基于PLS-DA 分析的滇红工夫茶汤色泽品质的分类判别

本研究中50 个样本共提取到27 个特征色号，每个色号在不同样品中所占比例各不相同。27个特征色号对应的特定的R、G、B 和L*、a*、b*值见表3，视觉色彩如图2所示。相邻色号的R、G、B和L*、a*、b*值较接近，人眼的视觉色彩感受相似。为了考察样本之间的异同点以及关键色号对茶汤色泽品质的影响，引入了偏最小二乘-判别分析（PLS-DA）。PLS-DA 是一种常见的有监督的判别分析方法，该方法通过预先对样本指定分类，通过发掘组间的异同点进而对研究对象进行判别[24]。本研究中，以特征色号的面积占比作为自变量（X），以茶汤色泽品质优质组（≥90 分）和非优组（＜90分）作为因变量（Y）进行PLS-DA 分析。结果显示，以校正集（34 个样本）建立的判别模型稳定，且预测能力优秀 （拟合参数R2Y=0.988，Q2=0.981）。把预测集（16 个样本）代入该模型中进一步验证，实现了样本100%的正确分类。

图2 特征色号的视觉色彩效果Fig.2 The color sensation of the characteristic color codes

表2 电子眼采集汤色数据的重复性考察（%）Table 2 The repeatability analysis of tea infusions collected by electronic eye （%）

表3 特征色号的参数信息Table 3 The parameters of the characteristic color codes

本研究PLS-DA 模型得分图如图3a 所示，优质组和非优组分别落在Y 轴两侧，存在明显的分离趋势。对模型进行200 次置换检验，R2回归直线与Y 轴的截距小于0.4，Q2回归直线与Y 轴的截距小于0，表明不存在过拟合的现象[25]，该模型结果可靠（图3b）。载荷值代表主成分对各自变量反应程度的大小，各自变量（特征色号）距离中心点的离散程度越高，表明其对两组分类的贡献越大，且离因变量越近的自变量对该分类的贡献越大[26]。由PLS-DA 载荷图可见（图3c），色号2113，2114，2096 和2097 对区分优质组的贡献较大。变量投影重要性（VIP）可以量化模型中每一个变量因子对分类的贡献度，VIP 值越大表明变量在不同组间的差异越显著，通常认为VIP 值＞1 为关键变量[27]。本研究所建立的PLS-DA 模型中（图3d），VIP 值大于1 的变量共有8 个色号，按其VIP 值大小排序依次为2114，2113，2096，2097，2112，2098，1857，1856。上述重要色号的RGB 三维散点图和L*a*b*三维散点图（图4），呈现一定的空间聚集分布，其中R 值介于120～136，G 值介于56～72，B 值介于8～40，L*值介于34.7～38.3，a*值介于17.7～34.1，b*值介于27.6～45.2。

图3 基于电子眼技术的茶汤色泽品质优质组和非优组的PLS-DA 分析Fig.3 PLS-DA analysis of high quality and non-high quality tea infusions based on electronic eye

图4 VIP＞1 的关键色号RGB 三维散点图（a），L* a* b*三维散点图（b）Fig.4 The key variable based on VIP＞1 3D scatter of RGB （a）；3D scatter of L* a* b* （b）

2.3 基于PLSR 的滇红工夫茶汤色泽品质得分的预测

在实现滇红工夫茶茶汤色泽品质分类判别的基础上，我们期望能够对茶汤色泽品质的具体得分进行量化评价，为此我们引入了偏最小二乘回归分析（PLSR）。PLSR 通过将预测变量和观测变量投影到一个新的空间，以此建立线性回归模型[28]。PLSR 结合了主成分分析、线性回归分析和典型相关性分析的特点[29]，其目的是从一组独立变量（预测因子）中分析预测一组因变量。本研究中，我们以电子眼提取的特征色号面积占比作为自变量，茶汤色泽品质得分作为因变量进行偏最小二乘回归分析。以34 个校正集样本建立PLSR 模型，其拟合参数R2Y=0.943，x2=0.747，表明模型稳定且预测能力良好，预测值与真实值的绝对误差在2.2分以内，相对误差在2.3%以内。把16 个预测集样本代入上述模型进行验证，结果表明模型有效可靠，预测值与真实值的绝对误差在2.3 分以内，相对误差在2.7%以内（表4）。其中，校正集的相关系数Rc=0.97，均方根误差RMSEC=0.79，相对分析误差RPDc=4.15；预测集样本的相关系数Rp=0.90，均方根误差RMSEP=1.36，相对分析误差RPDp=2.15 （图5）。综上可知，电子眼技术结合PLSR 可实现汤色品质得分的准确预测，相较于传统的感官评价，具有客观、准确的优点。

图5 基于PLS 方法的品质得分预测精度散点图Fig.5 Scatter plot of prediction accuracy of quality score by using PLS method

表4 基于PLS 方法预测茶汤色泽品质得分的误差分析Table 4 Error analysis of predicting quality scores of infusion colour based on PLS

（续表4）

2.4 与传统色差仪的对比分析

目前关于茶汤色泽的诸多研究报道中，常使用色差仪进行定性和量化评价[8，30-32]。色差仪采集的CIELab 颜色系统是目前色泽研究中惯用的色彩系统，该体系由国际照明委员会（CIE）于1931年首次提出，而后在1976年被修正为CIEL*a*b*，改进给予了更多的均匀颜色空间，由L*、a*、b*3个参数来确定某个颜色[33]。其中，L*代表亮度，取值介于0～100 之间，100 为白色，0 为黑色；a*代表红绿度，正值（+）表示红色程度，负值（-）表示绿色程度；b*代表黄蓝度，正值（+）表示黄色程度，负值（-）表示蓝色程度[34]。本研究对比了色差仪和电子眼对茶汤色泽品质的滇红工夫茶汤优质组（≥90分）和非优组（＜90 分）的判别效果。以色差仪采集的13 个分析指标为X 变量，优质组和非优组作为Y 变量建立PLS-DA 模型，其参数R2Y=0.318，Q2=0.286＜0.5，该模型具有较差的解释能力和预测能力。PLS-DA 得分图显示，优质组样品和非优组样品有部分交叉重叠区域，无法很好地区分开（图6）。

图6 基于色差分析的优质组和非优组茶汤PLS-DA 得分图Fig.6 PLS-DA score plot of high quality and non-high quality tea infusions based on colorimeter technology

综上说明，相较于传统的色差仪分析，电子眼的技术更有利于滇红工夫茶汤色泽品质准确、客观地评价。究其产生上述差异的原因可能是色差仪所测得的分析指标反映的是光穿透盛有茶汤的透明比色皿的透射信息，与茶汤通过反射而反馈给人眼的视觉感受不同；而电子眼通过图像传感器采集图片并将其转化为数据是基于反射信息，因此更接近人眼对茶汤色泽的感知。

3 结论

本研究首次采用电子眼技术结合多元统计分析对滇红工夫茶汤色泽品质进行评价，50 个样本共提取到27 个特征色号。按照国标茶叶感官审评标准，以90 分为界限把茶汤色泽品质划分为优质组（≥90）和非优组（＜90），基于PLS-DA 分析可实现校正集中两类茶汤色泽品质分类的有效判别，并且具有较好的解释能力和判别能力 （R2Y=0.988，Q2=0.981），预测集进一步验证该模型的可靠性，准确率达到100%。进一步基于PLSR 分析实现了滇红工夫茶汤色泽品质得分的准确预测，预测值与真实值的绝对误差在2.3 分以内，相对误差在2.7%以内；校正集相关系数Rc=0.97，均方根误差RMSEC=0.79，相对分析误差RPDp=4.15，预测集相关系数Rp=0.90，均方根误差RMSEP=1.36，相对分析误差RPDp=2.15，表明该模型有效且具有较高的可靠性。总体而言，相较于传统的色差仪技术，电子眼技术可以实现茶汤色泽品质快速、准确的评价，且能量化其感官评价的具体得分，为滇红工夫茶汤色泽品质评价提供了一种新的研究方法及思路。后续工作我们将围绕茶汤香气、滋味等特点，分别引入气相电子鼻、电子舌等仪器，旨在通过智能感官技术为茶汤“色香味”综合品质评价提供全面的数据支撑。