利用高光谱成像技术预测茶叶在萎凋和发酵过程中的茶多酚、游离氨基酸和咖啡因含量

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。双利合谱Dualix Spectral Imaging 利用高光谱成像技术预测茶叶在萎凋和发酵过程中的茶多酚、游离氨基酸和咖啡因含量 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 (Gaiafield 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(咖啡因)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 SPA CARS UVE 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 含量预测的最优模型分别是 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，，7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。 通讯作者简介： 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 CaffeineContenttin1TeaLeavesS0during Wiltingand Fermentation1Using HyperspectralImaging[J]. Foods 2022， 11，2537. https：//doi.org/10.3390/foods11162537