吳全金，周 喆，孫威江，3

（1.福建廣播電視大學(xué)經(jīng)濟管理系，福建 福州 350003；2.福建農(nóng)林大學(xué)園藝學(xué)院，福建 福州 350002；3.福建農(nóng)林大學(xué)安溪茶學(xué)院，福建 福州 350002）

茶葉的品質(zhì)調(diào)控是一個廣義的概念，包括理化檢驗、安全檢驗、茶葉產(chǎn)地信息的明確、質(zhì)量穩(wěn)定性的控制及品質(zhì)等級的認(rèn)定等方面。目前，茶葉品質(zhì)評定的主要手段依然以感官審評為主，它是依靠人的感官對茶葉品質(zhì)的綜合評定。雖然該方法較準(zhǔn)確并能判別品質(zhì)異?，F(xiàn)象，但是感官審評容易受環(huán)境、情緒等諸多因素的影響，因此審評結(jié)果容易引起爭議。針對茶葉理化成分，前人采用茶湯色差、粗纖維、酚氨比等物理化學(xué)分析的方法來評定茶葉的品質(zhì)。隨著儀器聯(lián)用技術(shù)、光譜學(xué)和計算機技術(shù)的迅猛發(fā)展，利用高效液相色譜（HPLC）、氣相色譜-質(zhì)譜聯(lián)用（GCMS）、傅立葉紅外光譜等精密儀器設(shè)備，進行茶葉化學(xué)成分的測定和品質(zhì)評定，并結(jié)合化學(xué)計量學(xué)方法構(gòu)建預(yù)測模型漸成趨勢。

近紅外光譜技術(shù)在分析化學(xué)領(lǐng)域被譽為分析“巨人”。目前，基于近紅外光譜技術(shù)結(jié)合化學(xué)計量學(xué)的分析方法已廣泛應(yīng)用于農(nóng)產(chǎn)品的品質(zhì)分析、食品工業(yè)生產(chǎn)和生物學(xué)研究等領(lǐng)域，主要對農(nóng)副產(chǎn)品、食品加工過程中的中間體及成品進行快速、無損、無污染檢測，如食品種類及產(chǎn)地鑒別［1］、農(nóng)產(chǎn)品多組分定量分析［2-3］和中藥地道性鑒別［4］等。近紅外光譜技術(shù)在茶葉研究中也得到了較廣泛的應(yīng)用，實現(xiàn)了對成品茶品質(zhì)成分的有效關(guān)聯(lián)與快速測定；滿足了茶葉生產(chǎn)和加工的過程監(jiān)測、種類判別和產(chǎn)地溯源的技術(shù)要求。其主要特點是在審評結(jié)果和檢測茶葉化學(xué)成分的基礎(chǔ)上，運用非線性數(shù)據(jù)處理方法（如偏最小二乘、支持向量機等方法）來尋求茶葉成分、品質(zhì)因子與光譜間錯綜復(fù)雜的非線性對應(yīng)關(guān)系，以建立相應(yīng)的茶葉品質(zhì)評定定性模型或成分定量模型。近紅外光譜技術(shù)是一種快速、準(zhǔn)確、穩(wěn)定、簡便并能適應(yīng)生產(chǎn)、加工、檢驗等多個環(huán)節(jié)的茶葉品質(zhì)評定方法，具有很好的理論研究意義和實際應(yīng)用價值。本文綜述了近紅外光譜技術(shù)結(jié)合化學(xué)計量學(xué)模式識別方法快速檢測茶葉品質(zhì)成分，及其建模優(yōu)化技術(shù)在茶葉品質(zhì)評價中的重要進展。促進茶葉標(biāo)準(zhǔn)化加工、品質(zhì)智能化識別和產(chǎn)地溯源技術(shù)快速發(fā)展，也為其后續(xù)的研究和利用提供理論參考。

1 近紅外光譜技術(shù)工作原理

近紅外光譜（NIRS），是指波長在 780～2 526 nm（12 820～2 959 cm-1）范圍內(nèi)的電磁波，這是參考美國材料檢測協(xié)會（ASTM）的定義。近紅外光譜是分子中化學(xué)鍵的基頻振動的倍頻和合頻信息，其吸收帶主要是有機物質(zhì)中X-H鍵（如C-H、O-H、N-H），其他官能團通常被含氫官能團所掩蓋。隨著樣品組成或結(jié)構(gòu)的變化，其光譜特征也將發(fā)生變化，即不同基團產(chǎn)生的光譜表現(xiàn)為吸收峰位置和吸收強度的不同。近紅外光譜儀工作原理見圖1。

圖1 近紅外光譜儀工作原理Fig. 1 Working principle of near infrared spectrometer

基于近紅外光譜技術(shù)進行茶葉成分或品質(zhì)分析的原理，先采集校正集樣本的NIR光譜（預(yù)處理），并按茶葉審評和理化檢測相關(guān)標(biāo)準(zhǔn)獲得參考數(shù)據(jù)，再利用偏最小二乘判別分析（PLS-DA）等化學(xué)計量學(xué)方法，構(gòu)建茶葉品質(zhì)鑒別定性模型或品質(zhì)成分定量模型，獲得建模的特征變量；利用驗證集樣本對模型進行驗證、評價，采集未知茶葉樣品的NIR光譜，代入模型計算和驗證，進一步評價模型的適用性。校正集樣本要求代表性強，分布均勻；儀器要求高重現(xiàn)性、高穩(wěn)定性，高信噪比和波數(shù)準(zhǔn)確度；近紅外光譜采集符合標(biāo)準(zhǔn)化、規(guī)范化操作；最關(guān)鍵的是參考數(shù)據(jù)準(zhǔn)確可靠，重現(xiàn)性好；化學(xué)計量學(xué)技術(shù)先進，軟件功能強大；這樣建立的模型才具有較強的適用性和應(yīng)用性（圖2）。

圖2 基于近紅外光譜技術(shù)進行茶葉成分和品質(zhì)分析原理Fig. 2 The principle of tea composition and quality analysis based on near infrared spectroscopy

2 近紅外光譜技術(shù)與其他分析技術(shù)比較

近紅外光譜技術(shù)具有分析成本低、效率高、重現(xiàn)性好，樣品檢測無需預(yù)處理和操作簡便等優(yōu)點，不但適用于實驗室分析，也可用于在線實時分析，是能替代傳統(tǒng)分析方法的綠色分析工具［5］。

2.1 近紅外光譜技術(shù)與茶葉傳統(tǒng)理化檢測技術(shù)比較

近年來，高效液相色譜法（HPLC）［6］、氣相色譜-質(zhì)譜聯(lián)用（GC-MS）［7］等各種高端分析技術(shù)已被用以分析和識別茶葉產(chǎn)品。然而，這些技術(shù)需要復(fù)雜的樣品制備，耗時、昂貴，并且需要熟練的分析員來進行實驗。同時，隨著茶葉加工工程重要性日益提升，對在線檢測技術(shù)和成品茶穩(wěn)定性提出更高要求，而茶葉常規(guī)理化檢測技術(shù)無法滿足在線檢測的需要。因此，為了實現(xiàn)茶葉產(chǎn)品的快速無損評估，提出了運用近紅外光譜技術(shù)進行分類的方法。由表1可知，近紅外光譜技術(shù)在茶葉理化成分快速測定和在線檢測方面的優(yōu)越性日益顯著。

表1 近紅外光譜技術(shù)與茶葉傳統(tǒng)理化檢測技術(shù)比較Table 1 Comparison between near infrared spectroscopy and traditional methods of tea physical and chemical detection

2.2 近紅外光譜技術(shù)與其他光譜技術(shù)的比較

快速檢測分析技術(shù)主要有近紅外光譜、中紅外光譜、高光譜成像和拉曼光譜技術(shù)，它們在茶葉研究中發(fā)揮了重要作用（表2）。中紅外光譜和拉曼光譜技術(shù)側(cè)重于分析茶葉化學(xué)結(jié)構(gòu)；高光譜技術(shù)能兼顧茶葉外部品質(zhì)特征，但系統(tǒng)價格昂貴。綜合來看，近紅外光譜技術(shù)分析效率高，重現(xiàn)性好，適于在線檢測，在茶葉質(zhì)量過程監(jiān)控和種類鑒別方面優(yōu)勢明顯，如能結(jié)合高光譜等技術(shù)進行研究，其分析結(jié)果將更全面。

表2 近紅外光譜技術(shù)與其他光譜技術(shù)比較Table 2 Comparison of nir and other spectral techniques

3 近紅外光譜技術(shù)在茶葉質(zhì)量控制中的應(yīng)用

目前，茶葉加工過程和成品茶品質(zhì)調(diào)控以理化分析和感官審評等傳統(tǒng)技術(shù)為主，理化分析存在前處理操作繁瑣、樣品破壞性等不足；茶葉感官審評需要專業(yè)人員進行，而且有一定的主觀性；而且無法實現(xiàn)對茶葉生產(chǎn)加工的實時監(jiān)測分析。近紅外光譜技術(shù)實現(xiàn)了“從茶園到茶杯”全過程實時監(jiān)測茶葉品質(zhì)的要求。

3.1 構(gòu)建茶樹鮮葉品質(zhì)分級模型

鮮葉原料的準(zhǔn)確驗收分級是穩(wěn)定茶葉產(chǎn)品質(zhì)量，實現(xiàn)標(biāo)準(zhǔn)化加工的前提。當(dāng)前，茶鮮葉原料的定價和驗收分級通常采用感官評價方式，對茶樹鮮葉的色澤、勻凈度、葉質(zhì)等進行評價，評價結(jié)果大部分由買方?jīng)Q定，缺乏客觀性和公正性，容易發(fā)生誤判，這也是造成茶農(nóng)和加工廠之間缺乏信任和公平的重要原因之一。利用近紅外光譜技術(shù)實時快速檢測茶葉鮮葉含水率、粗纖維和含氮量等質(zhì)量指標(biāo)，對于全面評價茶葉鮮葉質(zhì)量，實現(xiàn)茶葉鮮葉質(zhì)量的在線監(jiān)控，作為加工廠與農(nóng)戶間的鮮葉定質(zhì)定價依據(jù)等方面具有重要的指導(dǎo)意義。

王勝鵬等［10］開發(fā)了一款茶樹鮮葉質(zhì)量近紅外分析儀，采用NIR-PLS技術(shù)對茶鮮葉原料的質(zhì)量做出評價，建立茶鮮葉的近紅外光譜與其含水量、粗纖維總量和全氮量之間相關(guān)性模型，再根據(jù)質(zhì)量系數(shù)關(guān)系式計算出茶樹鮮葉的質(zhì)量系數(shù)；獲得的質(zhì)量系數(shù)與實際收購價格相關(guān)聯(lián)，建立原料收購定價指標(biāo)體系，可用于茶鮮葉原料市場交易中的公平定價。張正竹等［11］采用近紅外光譜和偏最小二乘法，對茶樹嫩梢的感官品質(zhì)（嫩度、勻凈度和新鮮度）和組成特性（水分、總氮、木質(zhì)素）進行評價。王勝鵬等［12］又構(gòu)建了茶鮮葉海拔高度判別模型。通過篩選特征光譜區(qū)間后，構(gòu)建逐步多元線性回歸法（SMLR）、主成分回歸法（PCR）和聯(lián)合區(qū)間偏最小二乘法（Si-PLS）的判別模型，結(jié)果表明，Si-PLS模型預(yù)測結(jié)果最佳，該模型預(yù)測集相關(guān)系數(shù)和預(yù)測均方差分別為0.9443和0.295。這為高山茶和平地茶鮮葉定級提供了理論依據(jù)。這些研究均有助于對鮮葉分級，按照原料質(zhì)量分期分批加工，以獲得優(yōu)質(zhì)成品茶葉。

茶多酚和氨基酸是茶葉重要的品質(zhì)成分，其比值酚氨比決定加工適制的茶類。單瑞峰等［13］以日照市茶葉主產(chǎn)區(qū)的茶樹鮮葉為研究對象，采用國家標(biāo)準(zhǔn)測定鮮葉茶多酚含量，采集近紅外光譜，運用遺傳算法篩選特征變量，采用主成分回歸（PCR）和偏最小二乘法（PLS）分別建立了高效的茶樹鮮葉茶多酚的預(yù)測模型，其決定系數(shù)（R2）分別為0.9514和0.9451。 張民等［14］利用近紅外光譜技術(shù)結(jié)合多元線性回歸、最小二乘法建立了茶多酚和氨基酸的校正模型，實現(xiàn)了對茶樹鮮葉品質(zhì)的在線檢測。

3.2 構(gòu)建茶葉加工過程監(jiān)測模型

隨著茶葉加工工程連續(xù)化、自動化、智能化的發(fā)展趨勢，依靠制茶師和評茶師經(jīng)驗的傳統(tǒng)方法，已經(jīng)無法滿足茶葉工程和生產(chǎn)線的要求。因此，茶葉品質(zhì)的在線監(jiān)測亟需發(fā)展經(jīng)濟、快速、低污染的檢測手段。為此，茶葉研究者們借鑒食品、果蔬、煙草等的研究方法，應(yīng)用近紅外光譜技術(shù)進行茶葉加工過程的監(jiān)測，不斷取得新的進展。研究表明，近紅外光譜（NIR）技術(shù)與化學(xué)計量學(xué)相結(jié)合是評價茶葉大宗茶生產(chǎn)加工質(zhì)量的最有希望的技術(shù)之一。

茶樹鮮葉是制茶的基礎(chǔ)，而如何根據(jù)鮮葉品質(zhì)優(yōu)劣進一步選擇加工工藝參數(shù)，也備受茶學(xué)研究人員關(guān)注。殺青是綠茶生產(chǎn)的關(guān)鍵工序，根據(jù)青葉品質(zhì)選擇殺青工藝參數(shù)尤為重要。殺青與鮮葉的老嫩程度、攤?cè)~厚度、殺青時間和溫度都有密切關(guān)系，然而殺青工序多依靠制茶師的經(jīng)驗判斷，不適于標(biāo)準(zhǔn)化生產(chǎn)。根據(jù)鮮葉具有指紋特性，Daiki 等［15］基于傅里葉變換近紅外（FT-NIR）、偏最小二乘回歸分析（PLS）等方法，構(gòu)建綠茶鮮葉品質(zhì)與汽熱殺青工藝參數(shù)的預(yù)測模型，客觀地優(yōu)化綠茶生產(chǎn)的工藝條件。其研究表明NIR技術(shù)有助于改善綠茶的質(zhì)量和生產(chǎn)率，且能有效獲取綠茶汽蒸工藝參數(shù)，應(yīng)用于大宗茶的生產(chǎn)。

萎凋和發(fā)酵是形成紅茶品質(zhì)的關(guān)鍵工藝。寧井銘等［16］發(fā)明了基于近紅外光譜技術(shù)構(gòu)建紅茶發(fā)酵程度的判別模型。選取適度發(fā)酵、發(fā)酵不足、過度發(fā)酵的工夫紅茶樣本，利用近紅外光譜和PLS-DA分析方法構(gòu)建了工夫紅茶發(fā)酵質(zhì)量的判別模型，實現(xiàn)了對工夫紅茶發(fā)酵程度的快速判定，為判斷工夫紅茶發(fā)酵質(zhì)量提供了一種快速科學(xué)的方法。該研究小組也申請了利用近紅外光譜技術(shù)判別紅茶萎凋程度的專利［17］。此外，張成等［18］運用偏最小二乘法（PLS）建立了不同焙火溫度下茶紅素的近紅外預(yù)測模型，這為確定紅茶的加工工藝參數(shù)和過程監(jiān)控提供了參考。

茶黃素與茶紅素的比例（TF/TR）是評價工夫紅茶發(fā)酵程度和品質(zhì)特征的重要參數(shù)。近紅外光譜（NIR）技術(shù)與化學(xué)計量學(xué)相結(jié)合是評價茶葉大宗茶生產(chǎn)加工質(zhì)量的最有希望的技術(shù)之一。Dong等［19］采集了紅茶發(fā)酵葉的近紅外光譜，采用聯(lián)合區(qū)間偏最小二乘分析（Si-PLS）和競爭適應(yīng)性再加權(quán)抽樣（CARS）篩選出11個關(guān)鍵波長變量構(gòu)建模型，快速確定發(fā)酵過程中的TF/TR值，科學(xué)有效地評價工夫紅茶的發(fā)酵程度。

茶葉的水分與茶葉品質(zhì)關(guān)系密切。成品茶水分在6%以下，貯存時間長，香氣變化比較小，而高于7%時則品質(zhì)下降較快。在茶葉加工過程中，水分含量也與品質(zhì)息息相關(guān)。因此茶葉水分的快速檢測，對于茶葉的加工、保存都有實際的應(yīng)用意義。陳壽松等［20］基于近紅外光譜技術(shù)開發(fā)出茶葉含水率的在線快速監(jiān)測技術(shù)，這有助于茶葉加工的過程監(jiān)控和質(zhì)量控制。近紅外水分檢測儀主要元件如圖3所示。

圖3 近紅外水分檢測儀Fig. 3 Near infrared moisture detector

3.3 構(gòu)建茶葉智能化審評模型

目前，茶葉分類主要根據(jù)加工工藝的不同，采用感官審評方法對茶葉品質(zhì)進行綜合評定，由于缺乏“量化”判別指標(biāo)而較難實現(xiàn)標(biāo)準(zhǔn)化。常規(guī)理化檢測分析也是茶葉分類的重要手段之一，該方法能夠準(zhǔn)確測定茶葉水浸出物、茶多酚、氨基酸等理化指標(biāo)；其理化復(fù)合指標(biāo)如酚氨比、萜烯類指數(shù)等雖然能較好地反映出茶葉的內(nèi)在品質(zhì)，但因檢測費用高，測定步驟繁冗，操作復(fù)雜而較難應(yīng)用于實際的判別。

3.3.1 不同茶類判別 茶葉主要根據(jù)發(fā)酵程度的不同，分為六大基礎(chǔ)茶類。在茶類判別方面，陳全勝等［21］采用近紅外光譜分析技術(shù)結(jié)合SIMCA模式的方法對茶葉種類進行鑒別和分類，分別對龍井、碧螺春、祁紅和鐵觀音4類茶建立了判別模型，模型的識別準(zhǔn)確率都在80%以上。Zhao等［22］利用近紅外光譜技術(shù)建立快速識別綠茶、黑茶和烏龍茶的模型，各個茶類在近紅外區(qū)域被有效區(qū)分。張龍等［23］采集不同發(fā)酵程度茶葉的近紅外光譜，通過光譜預(yù)處理，對預(yù)處理的數(shù)據(jù)進行主成分特征提取、判別，其原始分類正確率為100.0%，交叉驗證正確分類率為94.4%，同時探索了茶葉各組分基團的近紅外吸收在判別分析中的貢獻率，這為六大茶類的快速識別提供了參考依據(jù)。Mishra等［24］采用近紅外（NIR ）高光譜成像（HSI）技術(shù)開發(fā)了一個包含支持向量機（SVM）的多類糾錯輸出編碼（ECOC ）模型，實現(xiàn)了對綠茶、白茶、烏龍茶、黃茶、紅茶和黑茶的高準(zhǔn)確度判別。

3.3.2 同一茶類不同種類判別 每個茶類根據(jù)關(guān)鍵加工工藝或采摘標(biāo)準(zhǔn)的不同又可以細(xì)分為不同種類。例如，綠茶根據(jù)殺青和干燥方式的不同，可以分為烘青、蒸青、炒青和曬青。浙江大學(xué)的何勇等［25］基于近紅外光譜和計算機視覺技術(shù)，采用主成分分析（PCA）和前饋神經(jīng)網(wǎng)絡(luò)（BP-ANN）建立了神經(jīng)網(wǎng)絡(luò)模型，用于識別不同種類的綠茶。廖步巖等［26］直接采用茶樣無損進樣檢測，采集近紅外光譜判定茶葉類別，將炒青區(qū)別于其他綠茶，在毛峰與炒青的識別上效果較好。邵春甫等［27］實現(xiàn)了對多種普洱茶樣品的識別與定性分析。

3.3.3 不同品種判別 在品種判別方面，利用近紅外光譜技術(shù)做了一定探索。李曉麗等［28］采集田間不同茶樹品種的近紅外光譜，結(jié)合集成的小波變換，主成分分析和人工神經(jīng)網(wǎng)絡(luò)（ANN）技術(shù)，不同品種茶樹的校正集和驗證集樣本取得較理想的判別，這為品種識別提供了新的方法。武斌等［29］采用近紅外光譜結(jié)合廣義噪聲聚類，構(gòu)建了峨眉山毛峰、優(yōu)質(zhì)樂山竹葉青和劣質(zhì)樂山竹葉青茶葉判別模型，有效的實現(xiàn)茶葉品種的判別分析。

3.3.4 不同等級判別和品質(zhì)評定 目前，茶葉產(chǎn)品等級劃分多依靠感官審評方法，而市場上以次充好的現(xiàn)象屢見不鮮，市場渴望有科學(xué)的茶葉品質(zhì)等級評定方法。近紅外光譜技術(shù)在茶葉分級和品質(zhì)評定方面也有一定的突破。

1987年，閻守和等［30］用NIRS法把一個從來沒有人能用儀器測定的“茶的等級”，變成了一個可以用數(shù)字表達的參數(shù)，并驗證了這個參數(shù)的可靠性及其運用范圍。李春霖等［31］利用近紅外光譜法結(jié)合聯(lián)合區(qū)間偏最小二乘分析（Si-PLS）建立了特級扁平綠茶的鑒別方法，其交叉驗證和外部驗證預(yù)測精度分別為97%和93%。王冰玉等［32］采用遺傳算法進行特征波長篩選，結(jié)合偏最小二乘法（PLS）建立安溪鐵觀音不同品質(zhì)等級的評價方法，這為茶葉的綜合評價與精確定級提供了參考。Ouyang等［33］研究表明基于光譜數(shù)據(jù)信息的遺傳算法-非線性反向傳播人工神經(jīng)網(wǎng)絡(luò)（GABPANN）模型能快速準(zhǔn)確評價紅茶質(zhì)量。

周小芬等［34］以大佛龍井茶為分析對象，采用近紅外光譜結(jié)合偏最小二乘法，分別構(gòu)建了干茶色澤、湯色、香氣、滋味、葉底等5個因子模型和5個因子總分的定量分析模型，結(jié)果表明各模型校正集判別準(zhǔn)確率為90.48%～98.43%，預(yù)測集判別準(zhǔn)確率為90.00%～96.65%，其中5個因子總分所建立的模型預(yù)測性能最好（預(yù)測集準(zhǔn)確率為96.65%），同時總分模型精度均高于單因子模型。這些為客觀的評價茶葉等級和品質(zhì)提供了參考。

3.3.5 名茶真?zhèn)舞b別和產(chǎn)地溯源 名優(yōu)茶通常具有獨特的品質(zhì)特征，如西湖龍井茶具有“色綠、香郁、味甘、形美”的美譽，備受消費者青睞，因此售價高于其他產(chǎn)地和類別的茶葉，也因此市場上不乏假冒偽劣產(chǎn)品。運用近紅外技術(shù)，實現(xiàn)了對西湖龍井、碧螺春、安溪鐵觀音等茶葉的真?zhèn)舞b別和產(chǎn)地溯源。

周健等［35-36］基于近紅外光譜技術(shù)進行了西湖龍井茶原料來源的研究，建立了西湖龍井真?zhèn)舞b別模型，對未知樣本的識別的準(zhǔn)確率分別達到了100%和96.8%。其試驗結(jié)果為加強茶葉地理標(biāo)志保護和真?zhèn)舞b別提供依據(jù)。王冬等［37］以西湖龍井為實驗材料，研究法布里干涉的便攜近紅外光譜儀的儀器性能和干涉原理，對比傅里葉變換型近紅外光譜。結(jié)果表明，便攜近紅外光譜儀的性能可與傅里葉變換近紅外光譜儀相媲美，二者采集的光譜數(shù)據(jù)的相關(guān)系數(shù)可達0.99。張龍等［38］采集近紅外光譜，研究不同化學(xué)計量學(xué)方法鑒別西湖龍井和浙江龍井的應(yīng)用效果。比較最小二乘判別分析（PLSDA）、最小二乘支持向量機（LSSVM）和徑向基人工神經(jīng)網(wǎng)絡(luò)（RBFNN）3種方法建模的分析效果，建立了兩個產(chǎn)地龍井的識別模型；結(jié)果表明，最小二乘支持向量機（LSSVM）的預(yù)測性能最好，分辨準(zhǔn)確率達到100%。目前，采用近紅外指紋圖譜技術(shù)，已實現(xiàn)了對龍井茶產(chǎn)品的產(chǎn)區(qū)、品種溯源識別技術(shù)，開發(fā)了龍井茶溯源管理信息系統(tǒng), 實現(xiàn)了龍井茶產(chǎn)品的全程可追溯。

陳全勝等［39］以碧螺春茶為研究對象，利用近紅外光譜分析技術(shù)結(jié)合支持向量機（SVM） 模式識別原理建立了碧螺春茶真?zhèn)舞b別模型。此外，陳全勝等［40］運用NIRS技術(shù)對4個地區(qū)的炒青綠茶進行了產(chǎn)地鑒別，選出了最優(yōu)的支持向量機（SVM）模型，模型的預(yù)測率達到100%。

Yan等［41］以地理保護產(chǎn)品安溪鐵觀音和其它產(chǎn)地鐵觀音為研究對象，利用近紅外光譜和偏最小二乘判別分析（PLS-DA），實現(xiàn)了快速和有效鑒別安溪地理標(biāo)志產(chǎn)地的鐵觀音。

3.4 構(gòu)建茶葉品質(zhì)成分快速檢測模型

近紅外光譜分析技術(shù)在成品茶品質(zhì)成分的檢測應(yīng)用最為廣泛，國內(nèi)外學(xué)者利用這種方法先后建立了茶湯中的水分、總灰分、粗纖維、水浸出物、茶多酚、咖啡堿、游離氨基酸、可溶性糖、兒茶素總量及其組分（EGC、EGCG等）、茶多糖、花青素［42-44］的定量分析模型，除總灰分和茶多糖的相關(guān)系數(shù)較低外，其他指標(biāo)相關(guān)系數(shù)均在0.9以上。研究表明，近紅外技術(shù)在茶葉理化成分快速測定和分析上優(yōu)勢明顯，適應(yīng)茶葉成分實時檢測和品質(zhì)調(diào)控的要求。

茶多酚作為衡量成品茶葉品質(zhì)的重要指標(biāo)之一，也是貢獻度最大的滋味成分之一，建立成品茶葉茶多酚的定量分析模型具有重要意義。劉冉等［45］建立了基于近紅外光譜技術(shù)的茶多酚快速檢測模型，并考察了偏最小二乘回歸、支持向量機和徑向基神經(jīng)網(wǎng)絡(luò)的建模效果；研究表明，采用偏最小二乘回歸和徑向基神經(jīng)網(wǎng)絡(luò)建模均獲得良好的結(jié)果。李曉麗等［46］以大葉品種、中葉品種為研究對象，采用近紅外光譜技術(shù)結(jié)合反向區(qū)間偏最小二乘法（BiPLS）建立了茶多酚定量分析模型。馬?。?7］利用近紅外光譜法，結(jié)合偏最小二乘法建立茶多酚含量模型，預(yù)測集的相關(guān)系數(shù)高達0.9755，均方根為0.0293。 趙雅等［48］研究表明茶多酚含量與近紅外波段（1 800～2 500 nm）的吸光度存在近似的線性關(guān)系，進一步采用偏最小二乘法（PLS）在1 872 nm建立了茶多酚含量的預(yù)測模型。為了快速檢測茶葉理化成分和鑒別茶葉品質(zhì)，研究人員已研發(fā)出檢測裝置，其工作原理見圖4。

圖4 近紅外技術(shù)快速檢測茶葉品質(zhì)和化學(xué)成分裝置Fig. 4 Device for rapid detection of tea quality and chemical composition by near infrared technology

成品茶葉的品質(zhì)成分，除了茶多酚以外，咖啡因、游離氨基酸和水浸出物均是茶葉主要的呈味物質(zhì)，實現(xiàn)滋味特征成分的快速檢測也一直是國內(nèi)外學(xué)者的關(guān)注焦點。任廣鑫等［49］采用偏最小二乘法建立了紅茶含水率、茶多酚、游離氨基酸和酚氨比的快速檢測模型。陳美麗等［50］采用近紅外光譜分析技術(shù)結(jié)合模式識別方法建立了茶多酚總量、游離氨基酸總量、咖啡堿、水浸出物等13種品質(zhì)成分的定量分析模型。Ren等［51］采用近紅外光譜和偏最小二乘法構(gòu)建咖啡因、水提取物、總多酚和游離氨基酸水平的預(yù)測模型，實現(xiàn)快速高效確定紅茶的主要化學(xué)成分（R均大于0.92）。Lee等［52］采用近紅外反射光譜（ NIRS）建立了茶葉中咖啡因和9種兒茶素含量的多成分定量分析模型。趙峰等［53］采集武夷巖茶的近紅外光譜，通過不同的數(shù)據(jù)預(yù)處理方法，建立了水分、茶多酚、咖啡因和粗纖維的定量分析模型，實現(xiàn)了巖茶生產(chǎn)線的在線監(jiān)測和過程控制。石艷梅等［54］利用近紅外光譜技術(shù)，采用偏最小二乘法（PLS）結(jié)合多元線性回歸實現(xiàn)了對茶葉6種主要成分（水分、游離總氨基酸、咖啡堿、兒茶素類總量、茶多酚及水浸出物）快速檢測。Wang等［55］不同茶類的近紅外光譜，運用競爭性自適應(yīng)重加權(quán)算法（CARS）選擇關(guān)鍵變量，再進行偏最小二乘（PLS）計算，建立了預(yù)測中國紅茶、黑茶、烏龍茶和綠茶中茶多酚、咖啡因和游離氨基酸含量的跨茶葉類別多成分檢測模型。

3.5 構(gòu)建茶葉非法添加物鑒別模型

近年來，公眾對茶葉品質(zhì)和營養(yǎng)的關(guān)注顯著增加，對高品質(zhì)茶產(chǎn)品的需求顯然需要高標(biāo)準(zhǔn)的過程控制和質(zhì)量保證。張正竹等［56］應(yīng)用近紅外光譜分析技術(shù)，結(jié)合因子法和偏最小二乘法，分別構(gòu)建定性和定量分析模型，快速準(zhǔn)確甄別茶葉中的非法添加物（蔗糖、糖漿和米糊）。該發(fā)明實現(xiàn)了對茶葉非法添加物的無損快速鑒別，確保茶葉質(zhì)量的實時監(jiān)測。

4 近紅外光譜技術(shù)在茶葉研究中的應(yīng)用前景

近紅外光譜技術(shù)作為一種綠色分析技術(shù)，結(jié)合先進的化學(xué)計量學(xué)方法，能夠快速、無損、高效的對茶葉樣品進行品質(zhì)定性和成分定量分析，實現(xiàn)了茶葉品質(zhì)“從茶園到茶杯”全過程的監(jiān)測，促進了茶葉標(biāo)準(zhǔn)化加工、品質(zhì)智能化識別和產(chǎn)地溯源技術(shù)的發(fā)展。

總結(jié)當(dāng)前近紅外光譜技術(shù)在茶葉中的應(yīng)用現(xiàn)狀，今后還要加強以下各個環(huán)節(jié)的研究：一是在連續(xù)化生產(chǎn)線上，水分是加工過程中的一個關(guān)鍵指標(biāo)，如何開發(fā)殺青、做青、干燥等工序的在線實時檢測系統(tǒng)是目前茶葉生產(chǎn)線的研究熱點和難點之一，因此借助近紅外光譜技術(shù)、計算機模塊和程序，實現(xiàn)數(shù)據(jù)可視化，實現(xiàn)水分和其它品質(zhì)成分的快速測定將為茶葉加工提供極大的技術(shù)支持，也有利于提高茶葉自動化生產(chǎn)線水平。二是在茶葉理化成分的快速監(jiān)測和品質(zhì)分級上，對已有化學(xué)成分的模型進行優(yōu)化和驗證，將研究成果進行轉(zhuǎn)化和推廣，充分發(fā)揮近紅外光譜技術(shù)的優(yōu)勢，實現(xiàn)茶葉多成分快速檢測分析；同時加強近紅外光譜技術(shù)在茶葉品質(zhì)等級劃分的研究，以便打破瓶頸，在茶葉品質(zhì)調(diào)控上深入研究。三是利用近紅外光譜和機器視覺的多傳感信息融合技術(shù)評判茶葉品質(zhì)［57］，全面解析茶葉的品質(zhì)。茶葉既有外部品質(zhì)指標(biāo)（色澤和外形等），又有內(nèi)部品質(zhì)指標(biāo)（滋味和香氣等），因此在茶葉品質(zhì)綜合評判方面，利用單一的檢測手段通常不能全面地體現(xiàn)茶葉品質(zhì)。近紅外光譜技術(shù)可以很好地表征茶葉的內(nèi)部品質(zhì)信息，機器視覺技術(shù)能很好地表征茶葉的外部品質(zhì)特征，因此學(xué)術(shù)界在采用儀器分析方法對茶葉評審定級時，多借助于光譜和計算機視覺技術(shù)，分別對茶葉的內(nèi)外品質(zhì)進行分析。今后多種檢測技術(shù)的結(jié)合，優(yōu)勢互補，尤其是光譜與機器視覺技術(shù)的結(jié)合，將全面提高檢測的可靠性和準(zhǔn)確性。