萎凋和发酵过程是红茶加工过程中的关键环节，萎凋程度和发酵程度是衡量加工工艺的关键参数。目前，萎凋和发酵程度的判断主要通过生化分析和感官评价进行，存在耗时费力、效率低下、主观性强等问题。而高光谱成像作为一种高效、快捷、无损监测方法，对于提高生化成分监测效率，判断萎凋和发酵程度具有重要意义。

山东农业大学丁兆堂教授团队利用我司高光谱成像设备（Gaia field Pro-V10），采集了茶鲜叶萎凋和发酵过程中的高光谱数据，同时测定了各茶叶样本中的TPs（茶多酚）、FAA（游离氨基酸）和CAF 含量；采用卷积平滑法、多元散射校正和一阶导数算法对高光谱数据进行预处理；通过机器学习和多种算法构建了TPs、FAA和CAF含量的监测模型。试验流程如图1所示：

图1 高光谱数据的采集和分析

图2表示高光谱数据预处理前后的光谱图，提高了光谱数据与茶叶品质成分之间的相关性。然后采用连续投影算法（SPA）、竞争性自适应重加权(CARS)和无信息变量消除(UVE)方法，选择特征波段。特征波段的筛选结果如图3所示。

图2 原始数据与经过预处理的光谱图。

(A)茶叶样本原始光谱图 (B)MSC+1D+S-G算法预处理后的光谱图

图3 特征波段的分布

最后基于选取的特征波段，结合支持向量机（SVM）、随机森林（RF）、偏最小二乘法（PLS），建立TPs、FAA和CAF含量的监测模型，用于定量判断萎凋和发酵程度。图4表明，TPs、FAA和CAF含量预测的模型分别是CARS-PLS、SPA-PLS和CARS-PLS，模型预测集的决定系数分别为0.91、0.88和0.81。

图5 TPs、FAA、CAF含量的预测散点图

（A、B、C）通过CARS-SVM、CARS-PLS、CARS-RF模型获得的TPs含量预测结果 (D、E、F)通过CARS-SVM、CARS-PLS、CARS-RF模型获得的FAA含量预测结果 (G、H、I) 通过CARS-SVM、 CARS-PLS、CARS-RF模型获得的CAF含量预测结果

结果表明，基于高光谱成像技术快速量化判断茶叶萎凋和发酵程度是可行的。总之，建立基于高光谱成像技术的茶叶样本中FAA和TPs含量定量预测模型，不仅为实际生产中红茶品质成分含量快速、无损估计奠定了基础，而且使客观、快捷判断萎凋和发酵程度成为可能。

作者简介：

丁兆堂，博士，青岛农业大学园艺学院教授。

主要研究方向：茶树生长发育及其环境应答的分子机理；茶叶品质与抗逆的分子机制研究。

参考文献：Mao, Y.; Li, H.; Wang, Y.; Fan, K.; Song, Y.; Han, X.; Zhang, J.; Ding, S.; Song, D.; Wang, H.; Ding, Z. Prediction of Tea Polyphenols, Free Amino Acids and Caffeine Content in Tea Leaves during Wilting and Fermentation Using Hyperspectral Imaging[J]. Foods 2022, 11, 2537.