基于高光谱技术的红茶茶多酚可视化研究-电子发烧友网

红茶是一种全发酵茶叶，因其风味独特而受到消费者青睐。有研究表明茶多酚是茶叶中主要功能性物质，约占茶叶干质量的18%~40%。还有研究表明茶多酚具有预防脂肪肝、抑菌、抗氧化等功效。

现如今通过化学方法测定红茶中茶多酚含量已有多种方法，如气相色谱-质谱法、液相色谱-质谱法以及高效液相色谱法等。这些方法虽然可以达到足够高的精确度，但检测工序会对试验样本造成破坏，且需要在专业人员的监管下进行，且这些方法成本较高，步骤复杂。高光谱成像技术(HSI)作为一种快速无损的光谱检测方法已广泛应用于食品检测领域。该检测方法操作简单，可在不破坏样本的前提下快速获得能反映被测物品质参数的光谱，且能够获取近红外光谱仪无法测得的样本图像数据。

01高光谱图像采集

茶叶样本模仿流水线检测方式，使其自然成堆地散落于可移动载物台之上，采用软件ENVI4.8的确定感兴趣区域(regionofinterest，ROI)处理系统分析高光谱图像内各个成像点，从而获得红茶光谱数据。由于茶叶叶片并不能完全平整，会导致镜头获取不同高度的叶片数据时产生误差，因此选取感兴趣点提取叶片数据时应避免选取颜色过暗的叶片，如图2所示。

图1 高光谱采集系统示意图

图2提取光谱数据

02光谱预处理

光谱相机扫描茶叶样品获得全波长光谱数据，初始波长以及末尾波长由于设备、环境等原因噪音过大，数据失真，故将其剔除。在实际生产中，样本在传送带上的分布是无序的，高低错落的，为模拟这一过程，实验中茶叶叶片错落分布于传送板上，故茶叶高低错落不平，光谱数据反射率会受其影响，进而呈现出整体性的提高或下降，因此本研究采用MSC预处理方法减小这种误差干扰，其校正后光谱图像如图3所示。

图 3MSC预处理后光谱数据

03波长筛选

全光谱建模存在数据冗余、波段多等特点，会影响模型预测精度以及模型运行速度，同样会使得可视化图像生成缓慢，在实际应用时会产生延时，缺乏检测实时性。图4表示的是英红九号红茶通过SPA寻优特征变量的过程。14个波长为1386、1419、1666、1571、1498、1447、1727、1856、1889、2174、2308、2051、1313、1199nm。茶多酚为酚类、酯类等有机物组成的混合物，其含有的官能团较多且复杂，但其主要官能团苯环骨架、酯基、羟基在光谱信息上表达特性的区域为1400~1900nm，故特征波长点大多出自此处是符合茶多酚中各物质化学结构的。

图4 SPA筛选特征光谱变量过程图

图5 PSO-LSSVR预测红茶种茶多酚含量值与真实值对比图

04可视化结果

将茶叶光谱数据代入PSO-LSSVR模型，对高光谱图像各个像素点进行茶多酚含量预测，可视化效果如图6所示。A图红茶编号为H86，其茶多酚质量分数由化学法测得为22.31%，可视化图像中茶叶表面整体呈橙色，但可以看出部分茶尖呈红色。B图红茶编号为H13，其茶多酚质量分数由化学测量法测得为14.36%，可视化图像中茶叶表面整体呈黄绿色，但也可以看出部分茶尖呈橙红色。C图红茶编号为H40，其茶多酚质量分数由化学测量法测得为8.96%，可视化图像中茶叶表面整体呈现浅蓝色。

通过高光谱技术可以实现茶多酚含量可视化，且通过色彩梯度图可直观看出茶叶中茶多酚含量高低及其分布情况，在茶叶分级过程中可以作为一个步骤，使操作人员快速直观地判别茶叶等级，并将其挑选分类。