近紅外光譜技術在茶葉中的研究進展

王勝鵬，高士偉，滕靖，葉飛， 桂安輝，鄭鵬程，楊齊國，韓漢山

1.湖北省農業科學院果樹茶葉研究所，武漢430064; 2.武漢綿陽山茶樹種植專業合作社，武漢430332；3.武漢木蘭天香實業發展有限公司，武漢 430399

我國是茶的故鄉，發現和利用茶已有4 000 a歷史，是全球最大的茶葉種植和生產大國，2020年茶園種植面積和茶產量分別為316.5萬hm2和297萬t，較2019年分別增長了3.3%和6.9%[1]。隨著人們逐漸重視健康與保健，保健茶備受人們的青睞，對茶品質如何進行快速準確地評判和有效控制是當前茶產業發展面臨的主要問題之一。

傳統的茶品質評價方法主要有感官審評法和濕化學檢測法[2]。感官審評法是由訓練有素的專家利用自身視覺、嗅覺、味覺等分別對茶的外形、湯色、香氣、滋味和葉底進行評價打分，計算茶品質總分。盡管該方法較為經典，但結果易受審評員自身感覺器官等因素影響，主觀性較強[3]。濕化學檢測法通常需要借助多種檢測儀器(如高效液相色譜儀(HPLC)[4]、氣相色譜儀(GC)[5]、高效液相色譜質譜聯用儀(HPLC-MS)[6]和氣相色譜質譜聯用儀(GC-MS)[7])，精準測定茶葉中內含成分含量來評價茶品質高低。雖然該方法測定結果準確、客觀，但測定前樣品需進行復雜的預處理，測定時需使用大量有毒化學試劑，且操作繁瑣、耗時費力、檢測成本高，還無法實時檢測茶品質。因此，如何科學、有效、客觀地評價茶品質是一個亟待解決的難題。

近年來，研究者已應用多種檢測技術快速評價茶品質，如近紅外光譜技術[8]、高光譜成像技術、電子鼻和電子舌技術等[9]。其中，近紅外光譜技術是一種新興技術，通過掃描獲得茶內含物的全部光譜信息，借助化學計量學方法提取與茶品質密切相關的光譜波段或數據點信息，建立專有預測模型，實現茶品質的快速、實時監測。此外，近紅外光譜技術還具有獨特的優勢，能準確判別茶種類和茶產地溯源等，能夠滿足生產上實時檢測的需求[10]。本文重點介紹了近紅外光譜技術在茶葉上的應用現狀，以期加快近紅外光譜技術在茶行業的普及和應用。

1 近紅外光譜技術介紹

近紅外光譜( near infrared spectroscopy,NIRS)是一種電磁波(波長780～2 526 nm)，主要反映的是樣品內部含氫基團(如—OH、—CH、—NH和—PH)化學鍵伸縮振動倍頻與合頻吸收信息[11]。近紅外光譜被樣品分子吸收并引起振動，從基態躍遷到激發態，通過分析這些光譜用于預測物質的含量和結構[12-13]。NIRS分析速度快、檢測準確度高，不破壞樣品，不污染環境，結合多種化學計量學方法和計算機技術，用于定性分析和定量研究[14-16]。

早在20世紀40年代，近紅外光譜技術就被應用于對木材開展相關研究[17]，但由于實驗條件有限，未能取得較大成果；隨著光譜技術不斷進步，人們嘗試應用NIRS檢測谷物水分和蛋白質含量[18]，緊接著出現了采用積分球測量技術提高信號強度的近紅外光譜分析儀，增加了防塵和控制儀器內部溫度的設備。隨著編程語言的發展和分析技術手段的提高，近紅外光譜技術不斷得到深入發展，分析穩定性逐步提升，已被廣泛應用于農副產品[19-20]和石油化工[21-23]等領域。

2 近紅外光譜技術在茶葉上的應用

2.1 茶鮮葉

2.2 茶葉成分檢測

近紅外光譜技術在茶葉成分無損檢測上的應用主要包括對茶多酚[32]、氨基酸[33]、咖啡堿[34]、水浸出物[35]和兒茶素組分[36]等的分析。Schulz等[37]利用近紅外光譜技術結合PLS建立了茶多酚和咖啡堿的預測模型，預測決定系數大于0.85；Luypaert等[38]建立了茶葉總抗氧化能力的NIRS-PLS定量分析模型，拓展了NIRS的應用范圍；徐立恒等[39]應用NIRS分別結合二階導數和PLS 法建立了茶多酚、氨基酸及咖啡堿三類化合物的預測模型，相關系數均大于0.98，且沒有出現過擬合現象。為提高預測模型精度，王毅等[40]先應用小波去噪方法剔除大量噪聲信息，再結合特征光譜區間篩選方法建立茶多酚iPLS-GA預測模型；趙杰文等[41]嘗試應用正交信號校正法去掉部分噪聲信息后建立了EGCG近紅外光譜預測模型；陳全勝等[42]采用凈分析物預處理法提取出待測組分的凈分析物信號，應用PLS法建立了EGCG、ECG 和EGC這3種茶多酚含量的預測模型；耿響等[43]采用小波分析-移動窗口偏最小二乘法，建立了咖啡堿含量預測模型，預測相關系數提高到了0.962 5。

2.3 茶葉等級評價

Hall等[44]通過對134個不同地區、不同品質的紅茶茶樣與近紅外光譜進行關聯分析，證實了NIRS可以用于茶葉等級評價。閻守和等[45-46]進一步探索了近紅外法直接用于評價茶葉品質的可行性研究。以96個國家級標準紅茶、綠茶茶樣為研究對象，應用多元線性回歸方法建立茶葉等級與審評結果間的相關分析，相關系數達到0.836；為進一步提升茶等級評價的效果，其應用PLS方法建立預測模型，只有2個茶樣被錯判；利用上述近紅外光譜回歸方程，對布隆迪茶廠不同等級的紅碎茶茶樣進行測定，試驗結果與已有研究結論相符。周小芬等[47]分別建立了大佛龍井的干茶色澤、湯色、香氣、滋味和葉底得分及總品質分數的NIRS定量分析模型，均達到較高的預測精度，且五因子總分模型預測效果最佳。

2.4 茶葉種類判別

Chen等[48]建立了烏龍茶、紅茶和綠茶近紅外光譜模型，建模集和預測集判別率均大于90%，并在6 500～5 300 cm-1內進行SNV預處理，建立龍井、碧螺春、祁紅和鐵觀音4種茶NIRS識別模型[49]，判別準確率分別為90%、80%、100%和100%；趙杰文等[50]應用PCA-MD法建立了4 種名優茶(鐵觀音茶、碧螺春、龍井和毛峰)的判別模型，建模集和驗證集模型判別正確率分別達到98.75%和95%；Wang等[51]利用PCA方法提取光譜信息，再應用隨機森林方法建立5種不同多酚含量的綠茶NIRS預測模型，準確率達到96%；牛智友等[52]應用PCA結合多種聚類分析法建立的4種不同類型茶的定性判別模型，準確率達到100%；李曉麗等[53]以前6個主成分作為輸入變量，建立西湖龍井等5種綠茶的3層BP-ANN預測模型，模型對驗證集樣本的品種判別準確率達到100%。

2.5 茶葉地理溯源

由于茶葉產地的環境、日照強度、時間和土壤理化性質等方面存在差異，加工出的茶葉品質也不同，很難用眼睛判別茶葉產地，因此借助近紅外光譜技術開展茶葉產地溯源研究，有利于茶品質的控制。

Ren等[54]掃描了中國、印度、肯尼亞、斯里蘭卡和緬甸的140個紅茶樣品，建立了咖啡堿等4種內含成分的NIRS-PLS模型，再應用因子法成功實現了建模紅茶樣品的產地判別；Diniz等[55]應用獨立軟模式等3種定性方法對不同國家的綠茶產地進行判別，最佳模型為連續投影算法-線性判別模型。陳全勝等[56]對6 500～5 500 cm-1進行SNV預處理后進行主成分分析，建立了碧螺春茶判別模型，校正集樣品的判別準確率為93.5%；Yan等[57]利用NIRS-PLS分析法建立了安溪鐵觀音和與仿冒鐵觀音茶的判別模型，實現了真假鐵觀音的快速判別;Xu等[58]研究實現了真偽安吉白茶的快速判別。

2.6 茶葉深加工

茶葉深加工是延長茶產業鏈、增加茶產品附加值的一個重要措施。Li等[59]將近紅外光譜技術應用于茶飲料可溶性固體含量的快速無損檢測，建立了標的物PLS和多元線性回歸模型，真值與預測值間具有較高的線性相關性；Liu等[60]對速溶奶茶進行了NIRS分類識別，取得了較好的效果。由此可見，NIRS技術在茶葉深加工領域有著廣泛的應用前景。

2.7 國產近紅外光譜儀器的研制

安徽農業大學張正竹教授研究團隊采用光柵型分光方式，在國內率先研制了茶鮮葉品質分析儀(sNIR-2201茶葉品質分級儀)[24]，該儀器能夠準確地預測鮮葉的品質系數。此后，該團隊又研制出了便攜式茶葉質量快速檢測裝備以及耦合型智能手機茶葉質量快速檢測分析儀[61-62]，實現了茶葉質量在線便捷檢測。Wang等[63]應用智能手機控制微型近紅外光譜儀，實現了兒茶素、咖啡堿和營養成分含量的快速檢測。Huang等[61]和Wang等[64]分別利用手持NIRS光譜儀實現了滇紅茶等級和抹茶產品質量的快速預測與評價。

3 存在的問題與對策

與傳統方法相比，近紅外光譜技術具有預測結果準確、客觀，樣品無需預處理等優勢，在茶葉上有著廣闊的應用前景。但目前尚存在一些制約因素，影響了近紅外光譜技術在茶行業的大規模應用，主要問題如下：

1)建立的某一指標的近紅外光譜預測模型均有一定的適用范圍，當預測某未知樣品指標時，必須先將未知樣品與建模樣品進行相同的預處理才行，否則模型預測誤差較大。在近紅外光譜模型建立過程中需要采集大量的代表性建模樣本，取樣難度大，樣品收集困難較多，需付出大量的人力、物力和財力成本。模型建好后，還需要常態化模型維護，為使模型不斷適應新的樣品背景信息，需要向模型中添加新的建模樣品。因此，在應用近紅外光譜技術時，要著重解決模型的適用性難題。

2)近紅外光譜技術作為二次分析技術，檢測的靈敏度不如濕化學檢測法。近紅外光譜模型更適用于常量分析，不適合于痕量分析。目前在茶葉檢測項目中，農殘的檢出限要求很低，因此，現有的近紅外光譜技術還不能大規模取代已成熟的濕化學檢測方法。

3)目前已有的近紅外光譜儀價格較為昂貴，且高端的儀器大部分均為進口，短時間內國內尚不具備成熟的零部件配套體系，采購成本高，較難為茶葉企業接受。國內生產的近紅外光譜儀雖然在價格上優勢明顯，但在儀器精度和穩定性方面尚存在一定差距，因此，市場推廣難度較大。

因此，在今后尚需從以下幾個方面加大近紅外光譜技術研發力度：

1)為不斷增強近紅外光譜模型的適用性，降低建模成本，應加大模型轉移算法方面的研究工作，使模型在復雜的背景下也具有較好的預測精度和準確性。

2)在檢測方法上，統一樣品前處理、操作規程的標準體系建設，統一行業內部檢測條件，建立穩健的近紅外光譜模型，并逐漸擴大近紅外光譜技術的應用范圍。

3)加大國內近紅外光譜儀器的研發力度，提高儀器的精度和穩定性，加大市場推廣，降低近紅外光譜儀器價格，鼓勵國內從事近紅外光譜技術研究的單位和科研人員優先采購和使用國產近紅外光譜儀，并有針對性地提出儀器的改進建議，以提高國產近紅外光譜分析儀的市場競爭力。