引言

隨著精細化農業發展的不斷深入，其在農產品品質和食品安全領域的應用研究也得以拓展，如張蕾蕾等利用高光譜成像技術預測豬肉TVB-N和pH值以評價豬肉新鮮度；高俊峰等應用高光譜成像技術，采用MSC-SPA-LS-SVM模型可較好地實現對不同蘋果蠟的檢測；褚璇等對玉米高光譜進行SNV預處理，基于Fisher判別最小誤判率的方法選擇最優波長并建立判別模型對玉米表面不同濃度的黃曲霉素進行識別；黃濤等發現，半透射高光譜成像技術結合CARS-SPA與AFSA-SVM方法可對馬鈴薯空心病進行準確的檢測。

但與茶葉栽培、加工及審評等相關的傳統檢測手段卻無法滿足實時、動態、無損的精細化農業發展需求，而融合了圖像和光譜的高光譜成像技術在農產品品質檢測和安全評定上呈現出極大的優越性，在茶葉領域的應用具有較大的發展空間。對此，本文將繼續簡述綜述了高光譜成像技術在茶葉領域的相關應用，并對該技術在茶葉科研領域及生產實際中的應用趨勢進行展望，以期為擴大高光譜成像技術的應用提供參考。

2、高光譜成像技術在茶葉中的應用

2.1 等級劃分

目前，茶葉等級多以感官審評（主要包含外形、香氣、湯色、滋味、葉底）輔以內含品質檢測實現劃分，而感官審評受審評人對香氣、滋味等閾值以及特殊愛好影響較大，隨著檢測技術的不斷更新與其在現代農業中的創新應用，已有學者基于電子舌、電子鼻、近紅外光譜、機器視覺等檢測技術對不同等級茶葉實現有效劃分。但總體而言，前兩者受傳感器靈敏度和標準樣影響較大，后兩者僅從單一內含成分或外觀紋理出發進行預測，均未能實現對待測物由外到內綜合信息的提取和評價。高光譜成像技術雖能實現這一綜合信息的采集，但對茶葉等級劃分的應用研究卻相對較晚。

茶葉高光譜圖像不同區域的光譜曲線

為實現高光譜成像技術對茶葉質量的等級劃分，陳全勝等通過主成分分析從700~850nm光譜范圍內優選出3個波長的特征圖像，并從中分別提取出平均灰度、標準方差、平滑度、三階矩、一致性和熵等6個紋理特征參數，通過對18個特征變量進行壓縮并提取其中8個主成分因子建立基于反向傳播神經網絡的茶葉等級識別模型，模型預測識別率達94%，預測效果較好。蔣帆等提取龍井茶在350~2500nm波長范圍內的吸收深度、吸收面積、紅邊位置、紅谷位置、歸一化植被指數等高光譜特征參數作為輸入量，然后利用帶懲罰系數C的支持向量機分類理論，采用RBF函數形式的支持向量機核函數，優選核參數γ=2-6、懲罰系數C=210，并確定模型分類函數，以此構建龍井茶SVM等級分類模型，其等級分類準確率達98.3%。運用相似原理，于英杰等提取各等級鐵觀音高光譜數據的紅邊數據、藍邊位置、黃邊面積、紅谷反射率、歸一化植被指數等20個光譜特征參數為輸入向量，構建支持向量機分類模型且模型正確判別率達92.86%。吳瑞梅等利用主成分分析法，從碧螺春名優綠茶的原始高光譜中優選出3個特征圖像，分別提取每個圖像的顏色特征和紋理特征，以此為輸入變量建立BP神經網絡的茶葉外形感官評分預測模型并取得較好的預測效果。由此表明，基于高光譜成像技術對茶葉等級劃分具有較強可行性，可為后續快速、精確的茶葉等級檢測儀器的開發提供理論依據，但對于部分市場特殊感官要求（如重香氣輕外形、重滋味輕色澤等）的茶葉產品，仍需健全特殊感官指標對應的特征高光譜波段的篩選及對應預測模型的建立。

2.2 茶類識別

茶類識別是鑒別茶葉真偽和實現茶葉源產地保護的重要措施，當前的檢測多涉及近紅外光譜技術、機器視覺技術、熒光光譜技術、同位素及多礦物元素檢測、色譜分析與化學指紋圖譜構建、DNA指紋圖譜、電子鼻和電子舌等。隨著高光譜成像技術應用的不斷深入，已建立了部分針對茶葉種類識別定性分析的預測模型，與DNA指紋圖譜、同位素及礦物質元素檢測、電子鼻和電子舌等方法相比，高光譜成像技術綜合了其余茶類識別檢測技術原理，但同時也表現出對特征波長和特征光譜信息海量數據的篩選難度。

六種不同品種綠茶的光譜曲線

蔡健榮等利用漫反射高光譜技術獲得了408~1117nm范圍內的不同像素的不同產地碧螺春圖像的光譜曲線，通過主成分分析法提取特征波長的6個主成分GLCM紋理特征變量:對比度、相關性、能量和均勻性，并采用交叉驗證法對徑向基函數參量進行優化，以此建立基于支持向量機的模式識別方法構建碧螺春茶葉的真偽鑒別模型，其訓練和預測集判別率分別達100%和96.25%，取得了較好的判別效果。章海亮等結合主成分分析法篩選出180個名優綠茶高光譜的2個特征波段（545nm和611nm），并從中提取12個灰度共生矩陣紋理特征參量，同時融合3個主成分特征變量共計27個變量作為LS-SVM區分模型的輸入，模型預測識別率達100%，且光譜結合圖像灰度共生矩陣的ROC曲線優于單一的光譜或圖像灰度共生矩陣ROC曲線。

3、問題與展望

綜合前期研究現狀發現，高光譜成像技術在茶葉上的應用雖處于理論研究階段，但也展現出較大的發展潛力和應用空間，借鑒其在其它農產品或農作物上的應用研究技術和方法，可有效促進高光譜成像技術在茶葉領域的應用進程。

3.1 茶園土壤肥力

檢測土壤有機質和礦質元素含量對農作物生長具有重要影響。自20世紀80年代開始，已有學者相繼利用高光譜估測土壤有機質含量，但大多集中于實驗室干土測試。為達到快速無損檢測效果，研究者們開始致力于基于高光譜的濕土相關指標檢測的研究，為精細化農業的實施奠定基礎。因此，為改良土壤環境、降低農業生產成本、提高茶園綜合產值，將高光譜成像技術與測土配方施肥等一系列土壤改良措施結合使用，可為茶園平衡施肥、精準施肥和茶葉品質提升起到積極的推動作用。但值得注意的是，除光譜信息提取和目標物的有效建模算法外，土壤類型、粗糙度、潮濕度、養分變異等土壤自身屬性也顯著影響土壤養分光譜反演的精度和可靠性，這將是今后研究的重點。

3.2 茶樹病蟲害高效防治

據不完全統計，已記載的茶樹蟲害達800余種、病害130余種，通過對病蟲害的有效預測和危害程度準確評估，將為降低茶園受害風險及準確防治茶樹病蟲害提供必要的數據基礎，有益于茶園健康發展，保證茶葉質量安全。目前，茶葉病蟲害的防治主要集中于病蟲害時間預測和最小農藥施用量的確定，為防治害蟲假死，并考慮農藥最大殘留限量（MRL）標準，確定農藥臨界致死效力用量非常重要，而農藥臨界致死效力則受侵襲病蟲害類別和危害程度影響。不同類別病蟲害以及不同階段為害癥狀所表現出的光譜吸收和視覺特征是不同的，這也為特征光譜的成功反演奠定了基礎，高光譜成像技術已在其他農作物病蟲害種類識別和為害程度的檢測中取得較好研究效果，結合其他農作物研究基礎和近年來茶樹病蟲害新型防治技術，高光譜成像技術在茶樹病蟲害防治上將擁有很好的結合位點。但精準的病蟲害預測和程度預報需要融合專家知識、不同種類病、蟲害（食葉類、吸汁類）數據、光譜吸收數據等，因此為實現茶樹病蟲害高效防治，需要進一步擴充和完善相關病蟲害知識庫，通過合理分析實際光譜變化情況，獲取特征參量并最終建立預測預報模型。

3.3 茶葉加工在線監測

按照制法系統性，具有不同感官品質特征的六大茶類（綠茶、紅茶、黑茶、白茶、青茶、黃茶）除對原料品種和采摘標準有要求外，關鍵加工工藝是其良好品質形成的關鍵。如紅茶的發酵、黑茶的渥堆、青茶的做青、黃茶的悶黃等，且不同茶類加工過程在制品品質變化不一，因此關鍵工序的監控對茶葉品質的形成顯得尤為重要。然而，傳統茶葉加工大多停留在“一看二聞三摸”的“看茶做茶”模式上，這只能將茶葉品質控制在一定范圍，缺乏產品質量的穩定性和統一性，缺少對關鍵工序品質適度的、客觀的、有效的科學評價和檢測方法。一些智能感官分析和科學計量手段嘗試量化這一技術瓶頸，如通過機器視覺（基于茶葉在制品外觀紋理變化）、電子鼻技術（基于茶葉在制品香氣變化）、近紅外技術（主要基于茶葉在制品香氣變化）等在線監測茶葉制品的品質，該類研究雖然取得一定預測效果，但輸入變量信息單一，不能較好體現茶葉感官品質信息。

茶葉加工過程中，制品在熱和力的作用下，伴隨水分散失其外觀紋理和內含品質成分發生相應變化，為獲得穩定、優異的感官品質，需要對各類茶加工關鍵工序進行控制。前期的智能感官分析和科學方法為高光譜的應用提供了數據基礎，因此，在后期研究應用過程中，可將高光譜成像技術應用各類茶關鍵加工工序中。如紅茶發酵和后期干燥醇化、提香工序，通過應用該技術對以上工序在制品外觀紋理（色澤）和品質成分（主要為多酚類、氨基酸及揮發性有機物）的實時監測，通過反饋信息確定最佳加工工藝參數，以期獲得穩定的花香型、甜香型、高香型紅茶產品；亦可將其應用到綠茶殺青及干燥、黑茶渥堆、白茶萎調、青茶做青及干燥、黃茶燜黃及干燥等關鍵加工工序，從而獲得感官品質多樣性和穩定性茶葉產品，為后續自動化乃至智能化茶葉加工設備的研發提供理論基礎。

3.4 茶葉加工在線監測

茶葉產品安全的主要檢測指標包含有毒有害摻雜物等物理性污染；農藥殘留、稀土元素和重金屬超標等化學性污染；致病性細菌、病毒以及毒素等生物性污染。隨著茶葉加工技術、設備及管理水平的提高，物理性污染和生物性污染發生可能性較低，以農藥殘留為主的化學性污染為茶葉產品安全評定的主要檢測指標。由于茶葉多年生的生長特性，茶樹通過內吸和滲透作用使農藥殘留和有害重金屬在體內聚集，同時在生產、加工、貯運、銷售過程以及農藥自身隨空氣、水源等漂移特點都有可能造成二次污染，加之我國茶葉生產和消費大而散的特點，目前尚無法真正實現“從農田到茶杯”的全程管理，因此市場監督和檢測成為控制農藥殘留的最后防線。由于我國茶樹品種多樣，茶葉成品花色眾多且各級成品加工原料成熟度不盡相同，同時各級政府及主管部門對其重視程度差異所導致的區域發展不協調等問題，使茶葉生產在農藥合理使用技術的推廣和殘留控制上監管不嚴。隨著對食品安全問題重視程度的加強，不同組織和國家對茶葉中可能存在的殘留農藥及其他污染物制定了嚴格的限量標準。有數據表明，截止2014年4月18日，歐盟網站殘留數據庫中的茶葉上的殘留限量標準達454種，且部分農藥（如殺螟硫磷、十三嗎啉、炔螨特等）MRL值均作不同程度降低調整。這對提高茶葉質量安全水平，保證茶葉產品供給的安全性、可靠性、食用性，實現茶葉產品質量安全的快速、精準檢測具有重要的現實意義。

不同質量分數梯度樣品的熒光光譜曲線

目前，茶葉農藥殘留含量檢測方法主要包括有損檢測和無損檢測2類。有損檢測包含普通生化檢測、儀器分析檢測（如色譜檢測、色譜-質譜聯用法等），普通生化檢測存在前期投入大、試驗條件苛刻、試劑單一等缺陷，而儀器分析檢測精度雖高但檢測過程復雜且受內標物、靈敏度影響，無法滿足更快速、更準確、更環保的農藥殘留檢測的發展要求。無損檢測主要包含近紅外線檢測、熒光檢測、高光譜成像檢測等，近年來基于不同濃度、不同殘留農藥對特定波長的吸收或反射所表現的特異性變化建立的農藥預測模型（主要為近紅外和熒光），已成為農藥殘留檢測技術的研究趨勢和發展方向，但近紅外檢測技術分析結果準確性受溫度等多因素影響，且從復雜、重疊、變動的背景中提取弱信息受干擾因素較多，需要不斷改進研究方法，高光譜成像技術雖然起步較晚，但在梨、生菜、葉菜等農產品農藥殘留和土壤重金屬含量檢測的成功反演表現出極大的優越性。目前，茶葉施用農藥多以脂溶性為主，違規施用農藥多聚集在茶葉成品表面，針對茶葉農殘檢測利用高光譜成像技術研究的滯后，可借鑒該技術在其它農產品檢測成功案例，通過搜集高光譜數據并作降維、轉換處理，與對應的目標農藥成分（儀器分析檢測獲取）建立預測模型；也可通過某些農藥成分的較強熒光特性，結合高光譜成像技術和熒光激發技術搭建高光譜熒光成像農藥殘留檢測系統，以期實現不同濃度、不同種類的茶葉農藥殘留的快速、精確測定。

推薦：

無人機機載高光譜成像系統iSpecHyper-VM100

一款基于小型多旋翼無人機機載高光譜成像系統，該系統由高光譜成像相機、穩定云臺、機載控制與數據采集模塊、機載供電模塊等部分組成。無人機機載高光譜成像系統通過獨特的內置式或外部掃描和穩定控制，有效地解決了在微型無人機搭載推掃式高光譜照相機時，由于振動引起的圖像質量較差的問題，并具備較高的光譜分辨率和良好的成像性能。

審核編輯 黃宇