红茶冲剂

茶是世界上最有价值和最流行的饮品之一，茶叶不仅可以提高机体免疫力，而且可以对抗疾病。红茶在世界茶产品中是主流的消费产品，中国生产的祁门红茶是世界三大高香红茶之一，它具有独特的果香气味，受到很多人的青睐。随着人们对红茶需求的不断增加，红茶的品质越来越受到重视。目前，茶叶市场存在以次充好的现象，但仅凭感官评价正确分辨茶叶品质好坏是比较困难的，而无损检测具有快速、精确和评价标准稳定的特点，因此实现茶叶的快速无损鉴别是十分必要的。本文利用近红外高光谱成像系统(900~1700 nm)对祁门红茶的6个等级进行分类，比较分析了PCA、MDS、t-SNE和Sammon四种不同降维技术，建立SVM和极限学习机(Extreme Learning Machine,ELM)模型并生成高光谱图像像素空间分类图。应用的900-1700nm高光谱相机，可采用杭州彩谱科技有限公司产品FS-15。短波近红外高光谱相机，采集速度全谱段可达200FPS,被广泛应用于成分识别，物质鉴别，机器视觉，农产品品质，屏幕检测等领域。1.2实验方法1.2.1数据采集近红外高光谱采集仪的光谱范围为900~1700 nm,光谱分辨率为3nm,共256个波段。在实验中将茶叶样本均匀的平铺在直径为5cm,高为2cm的圆形容器中，放在前进速度为1.68 cm/s的移动台上进行图像采集，曝光时间为20 ms,镜头与样本之间的距离为32 cm。为避免外部光线影响，高光谱图像的采集过程在暗箱中进行。原始高光谱图像噪声较大，故对其进行图像校正。本文采用黑白校正和最小噪声分离变换(Minimum Noise Fraction,MNF)方法对原始数据进行去噪处理。使用ENVI5.3软件，提取50×50像素中心区域作为感兴趣区域(Region of Interest,ROI),计算其平均光谱作为样本的原始光谱。各等级的茶叶样本按照3:2分为训练集和测试集，训练集包含288个样本，测试集包含192个样本。1.2.2数据处理1.2.2.1数据预处理图像采集过程中受到暗电流噪声、探测器灵敏度和光学传输特性等因素影响，导致采集的图像质量受到影响，需要对采集图片进行黑白校正。在相同的采集条件下，分别采集反射率接近100%的白帧图像和反射率接近为0%的黑帧图像。2结果与分析2.1 样本光谱特征由于卤素灯在初始阶段光照强度不均匀以及仪器噪声影响，为了保证数据的准确性和实验结果的可靠性，剔除900~980 nm和1650~1700 nm,选取光谱范围在980~1650 nm的203条光谱带作为祁门红茶的原始光谱数据。所有样本的原始光谱曲线如图1所示，光谱数据受到随机噪声和散射效应的干扰，需要对其进行预处理。本文对原始光谱分别采用SG平滑滤波(Savitzky-Golay Filtering,SG)、标准正交变换(Standard Normal Variate,SNV)、多元散射校正(Multiplicative Scatter Correction,MSC)、SG-SNV和SG-MSC等算法对数据进行预处理。SG可以消除或减弱随机噪声，SNV和MSC用来校正散射现象，SG-SNV和SG-MSC对原始算法进行了优化。实验结果表明，SG-SNV预处理效果优于其他算法。该算法有效地修正了光散射引起的光谱基线漂移问题，使光谱的吸收峰位置更加突出，光谱曲线如图2所示。祁门红茶6个等级的平均光谱曲线如图3所示，不同等级的茶叶在三个峰处反射率差别较明显。由此可知，高光谱成像技术可建立分类模型对6个等级的祁门茶叶进行识别。2.2 高维数据可视化利用MDS、Sammon、t-SNE和PCA等算法对高光谱图像进行高维数据的低维可视化。实验结果如图4所示，不同颜色的聚类代表不同的茶叶等级，只有t-SNE可以将6个等级的茶叶明确区分。如图4(a)、图4(b)、图4(d)所示，MDS和PCA不能将G1和G4完全区分开，Sammon不能将G5、G6以及G1、G3完全区分开，主要原因是该样本具有相似的光谱特征。与PCA和MDS相比，Sammon对6个等级祁门红茶的可视化效果较差。由于Sammon映射没有显式地表示转换函数.该算法只是提供了一种度量方法来衡量转换结果，故分离簇的能力不强。PCA和MDS无法保持高维空间的数据结构，因其只利用了远处数据点的信息，所以分离簇能力较弱。如图4(c)所示，与其他算法相比，t-SNE能够捕获数据的非线性和邻域信息，故可呈现较好的可视化效果。由实验结果可知，t-SNE识别最大分离簇数的能力优于PCA、MDS和Sammon。光谱数据进行判别的实验结果。其中，SVM模型惩罚系数c为1.2,核函数系数g为2.8,ELM模型的隐层节点数为5。由实验结果知，SVM和SG-SNV-SVM模型，训练集和测试集的准确率分别为100%。ELM模型的识别效果较差，ELM模型的训练集和测试集准确率分别为90.27%和85.93%,SG-SNV-ELM模型的训练集和测试集识别率分别为98.61%和96.35%。预处理之后的SVM模型分类精度没有发生变化，而经过预处理的ELM模型分类精度显著提高。由此可知，SG-SNV预处理对ELM得到有效应用。图5是不同模型的混淆矩阵结果。图5(a)混淆矩阵结果存在较多识别错误，G2中10个样本和3个样本被分别识别为G1和G4,G3中3个样本被识别为G4,G4中3个样本被识别为G3,G5中1个样本和3个样本被分别识别为G4和G6,G6中4个样本被识别为G5。图5(b)混淆矩阵结果出现少量识别错误，G3中1个样本被识别为G1,G4中4个样本被识别为G2,G6中1个样本被识别为G5。图5(c)和图5(d)的混淆矩阵结果完全正确。为了可视化6个等级祁门红茶的差异，对不同等级茶叶的像素光谱信息建立SVM和ELM识别模型，实验结果如图6示。如图6(a)所示，提取灰度图像，如图6(b)、图6(c),祁门红茶等级分类图由上到下依次为一级、二级、三级、四级、五级和六级。由图6(b)所示，SVM模型将6个等级的祁门红茶识别为各自相应的等级，但也存在一些像素点分类错误，特别是圆形容器边缘的误分类尤为明显。由图6(c)所示，ELM模型的分类图中不仅边缘像素存在误分类，而且各等级之间存在严重误分类。除去边缘分类错误，造成不同等级茶叶误分类的主要原因是光谱的相似性。误分类的另一个原因可能是茶叶的纯度，例如，将低等级的茶叶掺入高等级茶叶中进行混合售卖盈利。SVM模型的识别结果优于ELM模型。因此，SVM有较好的识别效果和性能。3结论本文利用近红外高光谱成像技术，结合SNV-SG、PCA、MDS、Sammon及t-SNE算法，基于光谱特征，分别建立祁门红茶等级快速无损识别的SVM模型和ELM模型。结果显示，t-SNE能更好地分离不同等级的祁门红茶，其高维空间邻近数据点的信息可以保持低维空间中的数据结构。基于光谱特征的SVM模型和ELM模型的测试集识别率分别为100%和96.35%。因此，近红外高光谱成像技术结合机器学习在茶叶产品分类的应用领域具有很大潜力。

2023年8月29日，台湾食药署发布边境查验不合格食品名单显示，美国一批次柠檬红茶和一批次柚子绿茶检出农药残留超标。　　通报显示，美国制造厂或出口商名称为JOE & BOBBY, INC.，台湾地区进口商为瑟多娜有限公司，牌名为IC DELIGHTFUL。　　据了解，该批次柠檬红茶检出残留农药护汰宁3 ppm、依灭列1.23 ppm、腐绝2.61 ppm，依据业者检附成分比例表换算农药残留量：护汰宁於红茶残留量3.09 ppm、柠檬残留量100.0 ppm；依灭列於红茶残留量1.27 ppm、柠檬残留量41.0 ppm；腐绝於红茶残留量2.69 ppm、柠檬残留量87.0 ppm。依据「农药残留容许量标准」，农药护汰宁茶类定量极限为0.06 ppm、柑桔类容许量为7.0 ppm；依灭列茶类为不得检出、柑桔类容许量为5.0 ppm；腐绝於茶类定量极限为0.05 ppm、柑桔类容许量为10.0 ppm，本案不符合食品安全卫生管理法第15条规定。　　该批次柚子绿茶检出残留农药依灭列0.83 ppm、腐绝1.6 ppm，依据业者检附成分比例表换算农药残留量：依灭列於绿茶残留量0.86 ppm、柚子残留量20.75 ppm；腐绝於绿茶残留量1.67 ppm、柚子残留量40.0 ppm。依据「农药残留容许量标准」，农药依灭列茶类为不得检出、柑桔类容许量为5.0 ppm；腐绝茶类定量极限为0.05 ppm、柑桔类容许量为10.0 ppm，本案不符合食品安全卫生管理法第15条规定。　　不合格柠檬红茶共计5.64公斤，不合格柚子绿茶共计4.97公斤，均被退运或销毁处理。　　在此提醒国内进口企业密切关注相应信息，避免进口不合格产品。

山东农科院茶叶所董春旺团队围绕红茶品质开展了一系列研究，其结果发表在LWT-Food Science and Technology、Food Bioscience、Sensors and Actuators: B. Chemical等期刊上。发酵是形成红茶特有品质风味的关键工序。当前国内外红茶生产均依靠人工经验“看茶制茶”，已成为制约红茶智能化加工的关键技术瓶颈。针对此问题，该研究课题基于多种算法，构建了红茶发酵中关键呈色呈味物质的量化感知模型。1.基于高光谱成像的红茶发酵过程中关键理化成分的量化感知与时空分布该研究课题之前已采用近红外光谱、机器视觉预测了红茶发酵在制品的主要内质成分含量。目前工作的新颖性在于：针对机器视觉、近红外光谱技术的局限性，采用高光谱成像技术获取发酵叶的VIS-NIR光谱和图像信息，即可从宏观层面检测叶面色泽变化，又从微观角度捕捉内质成分的衍变。再通过量化感知模型和计量学手段，首次可视化地揭示了发酵中关键呈色、呈味物质的多维时空分布规律，这在制茶学中是一种崭新的研究思路，为红茶智能加工和精准调控技术实现，提供了新的理论支撑和技术方法。发酵是形成红茶特有品质风味的关键工序。当前国内外红茶生产均依靠人工经验“看茶制茶”，已成为制约红茶智能化加工的关键技术瓶颈。针对此问题，该研究课题基于高光谱成像技术，结合不同预处理、变量筛选和智能算法等计量学手段，构建了红茶发酵中关键呈色呈味物质（茶黄素、茶红素、茶褐素、咖啡碱、酚氨比、儿茶素和可溶性糖）的量化感知模型，并探究了其在红茶发酵中的时空分布信息规律。研究结果表明，基于各敏感特征波长建立的茶红素、茶褐素、茶黄素、儿茶素、咖啡碱、酚氨比、可溶性糖构建的非线性模型的RPD值分别为2.21、3.40、3.78、5.71、1.46、2.91和2.89，除咖啡碱外的RPD值均大于2，表明模型具有良好的预测性能。原文链接：https://doi.org/10.1016/j.lwt.2021.1109752.基于电学特性的红茶发酵品质的快速无损感知该研究课题前期验证了机器视觉、高光谱成像技术快速感知红茶发酵内质成分的可行性。目前工作的新颖性在于：针对图像、光谱信息主要表征发酵叶表面信息缺陷，以堆积状发酵在制品为研究对象，采用电学特性数字表征发酵叶堆内部的整体信息，建立了电特性参数（电容、电阻、电抗、复阻抗、阻抗角和损耗因子）与内质成分的关联，实现对儿茶素含量的快速无损感知。发酵是红茶品质风味形成的关键工序，儿茶素是发酵生化反应的主体物质和品控指标。本研究探索了电特性检测红茶发酵质量信息的可行性，建立了红茶发酵中儿茶素成分的量化感知模型，比较了不同的预处理、变量筛选及智能算法对模型性能的影响。结果发现，发酵过程中损耗因子、电抗、阻抗和阻抗角值递增，电容和儿茶素含量呈线性降低。对儿茶素变化最敏感的电参数为0.05~0.1 kHz频段的Cp 、D和X；基于最优变量，建立VCPA-IRIV-RF非线性预测模型，其Rp、RMSEP和RPD值分别为0.988、0.269、5.474，模型性能优于光谱和机器视觉方法，为红茶发酵品质的在线快速检测提供了新途径。原文链接：https://doi.org/10.1016/j.fbio.2020.1008553.基于多维嗅觉信息评估红茶发酵过程中香气品质该研究团队前期探索了嗅觉可视化传感阵列基于在制品香气信息评估红茶发酵程度的可行性（DOI：10.1016/j.snb.2022.131994）。目前工作的新颖性在于：针对传统嗅觉可视化阵列传感器获取样品信息维度不足的问题，基于高光谱成像技术扩展获取信息的维度，并基于数据级、特征级以及决策级的数据融合策略建立红茶在制品香气信息与感官香气得分的关联，实现了红茶发酵香气品质的无损感知。本研究探索了多维嗅觉信息评估红茶发酵香气评分的可行性，基于高光谱成像技术扩展了获取香气信息的维度，采用不同水平的数据融合策略建立了红茶发酵多维香气信息与香气感官品质的感知模型。结果表明，基于多维嗅觉信息和数据融合策略建立的红茶发酵香气品质预测模型优于基于传统方法获取香气信息建立的模型。其中，基于自适应重加权采样的中水平融合策略表现出了最佳的性能，预测模型的Rp，RPD以及变量压缩率分别为0.969，4.091，96.83%。此研究为红茶香气品质的快速智能感知方法提供了新思路。比色传感阵列制备和发酵实验的流程图。原文链接：https://doi.org/10.1016/j.snb.2022.1325184.采用表面增强拉曼光谱对红茶发酵品质信息智能感知该研究团队前期探索了近红外光谱、机器视觉、嗅觉可视化和电特性传感信息结合机器学习方法评估红茶发酵品质及适度的可行性。该工作的新颖性在于：针对光谱分析红茶发酵过程机理不明确的问题，创新性的利用表面增强拉曼光谱对红茶发酵过程进行分析，深入研究了拉曼峰和发酵红茶品质指标的关联，并提出了一种无损检测发酵红茶多项品质指标，快速感知红茶的发酵品质适度的方法。为红茶数字化、智能化加工技术实现，提供了新的理论支撑和技术手段。该团队提出了一种基于表面增强拉曼光谱(SERS)技术和化学计量学的快速方法来确定红茶的最佳发酵阶段，并监测发酵过程中在制品的10种理化品质指标的变化。首先，不同发酵时序在制品聚类为5个发酵阶段。基于SERS数据对发酵阶段进行了识别，准确率为83.33%。此外，通过密度泛函分析和相关分析发现，在317.71、619.59、731.48、956.08和1326.70 cm-1处是监测红茶品质变化的重要拉曼峰。结合SERS和一维卷积神经网络(1D-CNN)对儿茶素(C)和表没食子儿茶素没食子酸酯(EGCG)的预测r2分别达到0.81和0.82。本研究揭示了与红茶发酵品质相关的关键化合物的拉曼指纹特征，为利用SERS数据量化茶叶在发酵过程中的品质变化提供了途径。原文链接：https://doi.org/10.1016/j.snb.2022.1326805.基于多源传感信息融合技术以及堆叠合并算法在决策层定量评估红茶品质本研究提出一种基于多源传感信息融合技术以及堆叠合并算法在决策层定量评估红茶品质的方法，提高了红茶发酵品质成分定量预测的精度，为红茶发酵的智能评估奠定了理论基础。针对人工感官经验评价红茶发酵品质缺陷，本研究提出一种利用多元融合信息以及堆叠合并策略在决策层定量预测红茶发酵过程中总儿茶素、可溶性糖和咖啡碱等主要与味觉相关的主要化学成分的新方法。该方法对总儿茶素、可溶性糖以及咖啡碱的预测集相关系数分别为0.9978，0.9973以及0.9560，模型精度明显优于经典的线性PLSR以及非线性SVR算法。该方法为红茶发酵品质的智能评估提供了新思路。原文链接：https://doi.org/10.1016/j.fochx.2023.100718————————————————————————————————“植物源性食品质量安全检测技术及应用新进展”主题网络研讨会全日程公布：https://www.instrument.com.cn/webinar/meetings/zhiwy230921/点击图片直达会议报名页面