茶葉數字化加工技術研究進展

沈帥，袁海波，朱宏凱，江用文

中國農業科學院茶葉研究所，浙江 杭州 310008

茶產業是我國傳統特色優勢產業，也是共建“一帶一路”的優勢特色外向型產業。加強茶葉產業發展是推進農村供給側結構性改革的重要內容，是實現鄉村振興戰略的有利推手。茶產業發展的核心，是生產深受廣大消費者歡迎的高品質產品，而先進的加工技術和生產設備是生產高質量茶產品的必要保障。所謂“工欲善其事，必先利其器”，先進的茶葉加工生產裝置或設備對于穩定產品質量、提高生產效率、減少人力投入等方面具有重要意義。近年來，隨著現代信息化技術和無損檢測技術高速發展，光譜技術、機器視覺、電特性等多項先進技術已應用到茶葉加工過程，推動傳統茶葉加工生產方式朝著數字化、智能化方向轉型與升級。本文總結了近年來有關茶葉加工技術裝備的論文、專利等研究成果，重點綜述了近10年茶葉加工數字化與智能化技術研究進展，對比傳統加工技術的不足和最新加工技術的優勢，分析了目前茶葉加工技術仍然存在的問題，并提出了我國茶葉數字化加工未來發展的方向。

1 茶葉數字化加工研究現狀

近年來，茶葉加工基礎理論研究日漸深入，關鍵工序的工藝特性及在制品理化特征等日益明晰；利用光譜技術、電化學技術、機器視覺技術、電子鼻、電子舌等高新技術手段反映茶葉品質質量的技術方法不斷進步；促使茶葉加工技術水平朝著數字化和智能化的方向大步邁進。諸如通過對茶葉中多酚類物質、全氮量、粗纖維等成分的快速檢測，以及含水率、形狀、顏色和嫩度等指標，實現茶鮮葉品質質量的智能感知；對光譜信息、圖像信息、電參數的采集處理，實現萎凋、揉捻、發酵、干燥等多個關鍵加工工序的適度判定。

1.1 鮮葉品質質量檢測與分級

在茶葉加工過程中，對鮮葉質量等級的判定是確定加工過程技術參數的前提，即茶葉加工過程中的“分級付制”。不同質量、不同等級的原料只有采用相應的加工技術參數，才能實現產品加工質量的最優化。同時，對鮮葉等級和質量的在線科學快速評判，也是實現茶葉數字化和智能化加工的技術基礎。王勝鵬等利用近紅外光譜技術，以含水率、粗纖維總量和全氮量作為鮮葉質量的判斷依據，建立了茶鮮葉原料質量的在線評價模型，為評價茶鮮葉原料的質量提供了準確、快捷的新方法。常春等利用茶鮮葉圖像的面積、周長、長軸長度、短軸長度等幾何特征，以及圖像的對比度、平滑度等紋理特征進行BP（Backpropagation）神經網絡模型的構建，可將茶鮮葉按嫩度等級進行準確分類。王曼等利用近紅外光譜技術建立了黃山毛峰鮮葉中含水率、全氮量和粗纖維含量的近紅外定量模型，通過分析近紅外光譜-鮮葉內成分-鮮葉等級間相關性，得到鮮葉等級近紅外預測模型。在此基礎上嵌入開發了適用性良好的SNIR-2101 茶葉品質分析儀，為茶鮮葉品質分析和等級快速評價提供新策略。高震宇等針對風選、篩選等分選方法難以做到茶鮮葉精確細分的問題，結合計算機視覺技術和深度學習算法，設計了1 套茶鮮葉智能分選系統，搭建了基于7 層結構的卷積神經網絡判別模型，可以實現茶鮮葉的智能識別和等級分選。戴春霞等利用高光譜技術提取高光譜圖像感興趣區域并結合偏最小二乘回歸（PLSR）建立茶鮮葉的含水率預測模型，實現對鮮葉新鮮程度的快速評判，進而實現對茶鮮葉質量的智能監控。Wang等通過智能手機開發了1 種基于近紅外光譜技術的多品種鮮葉質量指標原位分析工具，通過偏最小二乘法（PLS）模型對茶多酚、氨基酸含量及酚氨比進行精準預測，可實現多品種鮮葉品質質量的數字化快速定量評價。

1.2 攤放程度分析與檢測

攤放是茶葉加工的重要工序，攤青葉含水率是判斷攤放程度的重要質量參數，并直接影響攤放過程品質成分的轉化，最終影響到成品茶的質量。因此，進行攤放過程中攤青葉含水率實時、準確和無損檢測，實現攤青葉含水率的在線精準控制，對于茶葉攤放工序的數字化、智能化生產具有重要意義。

王勝鵬等利用近紅外光譜技術提出了一種預測綠茶攤青葉含水率的方法，通過將鮮葉樣品近紅外光譜全部轉化為成對的數據點，利用聯合區間偏最小二乘法（siPLS）建立含水率預測模型，實現綠茶攤青葉含水率的快速預測。Liu等利用近紅外光譜技術通過VCPA-GA提取特征波長建立了PLSR 和支持向量回歸（SVR）預測模型，可以準確無損地預測綠茶攤青葉的含水率，解決了攤青葉含水率定量預測，對綠茶加工設備的數字化具有重要的指導意義。

1.3 萎凋程度檢測與判別

萎凋作為紅茶加工過程中的首道工序，其過程伴隨含水率和葉綠素含量逐漸下降，葉片失水收縮并產生茶黃素，導致萎凋葉外觀和顏色發生較大變化。在實際生產中，準確評估萎凋程度是提高紅茶品質的前提。

寧井銘等提出了一種將圖像和光譜信息融合后分別與線性判別分析法（LDA）和PLS 結合的技術，以光譜和紋理特征值融合數據建立紅茶萎凋程度的線性判別模型和兒茶素與氨基酸比值的PLS 預測模型，萎凋程度判別準確率達到94.64%，此方法可實現對紅茶萎凋程度數字化判別。梁高震等基于機器視覺技術獲取萎凋葉圖像的色澤和紋理特征信息，分析圖像特征變量的變化規律及其與含水率的關聯，采用PLS、極限學習機（ELM）和SVR 算法，分別建立萎凋葉含水率定量預測模型，結果表明SVR 模型能夠更好表征圖像信息與含水率之間的量化解析關系，為工夫紅茶萎凋過程在制品含水率在線檢測裝備的開發提供理論基礎。An 等提出了一種基于卷積神經網絡（CNN）置信度的萎凋葉含水率檢測方法，此方法利用深度學習算法可以更好地表征圖像與水分的相關性，與傳統的線性PLS 和非線性SVR 算法相比，該方法可更大程度地提取圖像中與水分相關的信息，模型具有較好泛化性，可以快速無損地預測萎凋葉含水率。Wang等采用近紅外光譜、電子眼和比色傳感陣列多技術融合來評估萎凋程度，使用支持向量機（SVM）對低級、中級數據融合進行建模和比較，中級融合策略比低級融合策略模型性能更優，SVM模型的最佳判別準確率為97.50%，此開發的多技術融合系統可為紅茶葉萎凋過程的數字化監控提供技術支撐。Shen 等依靠微型近紅外光譜與智能手機相結合，開發了基于Elman 神經網絡（ENN）的萎凋葉含水率預測模型。該方法通過ENN結合了主成分分析（PCA），既可以提取光譜特征，又可以進行動態信息處理，提高了模型的抗干擾能力和訓練效率，為預測萎凋葉含水率提供了一種便攜、準確、快速、無損的方法。

1.4 殺青程度判別與控制

殺青是綠茶、青茶、黃茶和黑茶加工的關鍵工序，其本質在于通過短時高溫鈍化葉內酶活性（主要是多酚氧化酶PPO 和過氧化物酶POD），抑制鮮葉中多酚類物質氧化，以防止葉片紅變，同時使葉內部分水分蒸發、散發青氣、葉子變蔫變軟，為后續揉捻做形創造條件。殺青后葉子含水率根據鮮葉老嫩程度不同，一般保持在58%～62%之間。通過對殺青葉含水率的準確判斷，可有效檢測生產中綠茶的殺青程度。陳培培利用可見-近紅外光譜和高光譜成像技術，通過對龍井43 殺青葉高光譜信息的預處理和特征提取，分別建立含水率的光譜和成像檢測模型，從而為實現綠茶殺青葉含水率數字化在線檢測提供技術支撐。胡永光等基于可見-近紅外光譜分析建立綠茶殺青葉含水率的PLSR預測模型，含水率預測的平均相對誤差為3.30%，為實現綠茶殺青葉含水率的數字化在線檢測提供思路。毛曉文以模糊PID控制技術和近紅外水分在線檢測技術為核心，研究了利用綠茶殺青自動系統，解決殺青效果穩定性的問題，為數字化生產優質綠茶提供了參考。此外，蔣建軍等在傳統的鍋式殺青裝置基礎上，嵌入PEN 3 電子鼻的氣味在線檢測裝備，研究不同鍋溫下PEN 3 電子鼻傳感器的響應值與殺青品質的關系，提出基于氣味在線檢測技術的綠茶鍋式殺青系統，根據酶促氧化物以及綠茶香氣的響應值來反饋控制殺青鍋溫，此方法可用于實時檢測殺青過程中的揮發性成分，并準確地根據揮發性成分的變化規律作出反饋控制，可為實現數字化的殺青處理賦能。吳鑫等利用機器視覺對微波殺青過程中在制品的色澤和紋理特征實時監測，通過建立ELM、遺傳神經網絡（GABP）、CNN 模型可對殺青葉含水率、茶多酚和氨基酸含量進行在線檢測，該方法在快速檢測茶葉殺青品質和茶葉數字化殺青作業中具有很好的應用前景。

1.5 揉捻程度檢測與判別

揉捻是茶葉外形塑造和利于沖泡的關鍵工序。在揉捻擠壓力的作用下在制品卷緊成條、細胞破碎、茶汁外溢，其物理、化學特性等發生相應變化，近而直接影響成品茶的品質。近年來揉捻研究主要集中在揉捻數字化和基礎研究等方面，主要包括對揉捻過程中在制品基本物理特性、外觀紋理、力學特性、電學特性、光學特性、顯微結構及主要化學成分的變化進行了相關研究，經相關分析初步建立了揉捻程度的評價方法及揉捻機數字化控制策略。

林燕萍利用質構儀探究閩南烏龍茶包揉過程揉捻葉的力學特性對包揉質量的影響機理，為進一步研究烏龍茶包揉數字化技術與工藝，開發包揉數字化設備提供理論科學依據。張哲等研究了綠茶揉捻過程中含水率、柔軟性、彈塑性及孔隙率等物理特性的變化規律，發現了揉捻葉含水率與揉捻時間呈負相關；茶葉的彈性與揉捻時間基本呈線性正相關，柔軟性和可塑性均為先增加后減小，孔隙率隨揉捻時間呈開口向上的拋物線趨勢，豐富了茶葉揉捻數字化的理論基礎。葉陽等基于揉捻葉電參數的復阻抗Z 值由大到小，復阻抗Z值降低速度由快到慢，當復阻抗Z值降低并趨于平穩后而首次出現回升時，此時即為揉捻適度，建立了紅茶揉捻數字化的判定方法。劉飛研究了工夫紅茶揉捻過程中揉捻壓力及揉捻在制品主要化學特性、基本物理特性、外觀紋理、力學特性、電學特性、光學特性、顯微結構的變化，建立了基于多信息融合的揉捻成條率判定方法。徐海衛等通過分析揉捻葉在揉桶中的受力情況，建立了桶式揉捻機揉捻過程中的揉捻葉受力模型，得到最佳施壓模型和揉捻盤轉速之間參數關系，可為實現茶葉揉捻加工工藝的數字化作業提供參考。

1.6 發酵和渥堆的品質質量檢測與程度判別

發酵是茶葉品質形成的關鍵工序，此過程伴隨氧化、聚合、縮合等一系列生化反應，主要影響紅茶、普洱茶的特定品質形成。在實際生產中主要根據發酵葉在指定時間下顏色、香氣的變化判斷發酵質量，其數字化水平較低。近年來，科研工作者通過圖像、光學、電化學以及融合技術研究茶葉發酵過程，為發酵工序數字化提供了新的方法和思路。

（1）視覺角度解析發酵品質的方法研究。Borah 等使用曼哈頓距離算法（Manhattan norm）分析不同發酵時刻的在制品圖像與適度發酵樣品圖像信息的聯系，明確樣品圖像中RGB（red，green，blue）三通道的DPV值若均小于0.3為發酵適度的結論，為發酵程度的數字化判別提供理論依據。Singh等利用紅茶發酵葉圖像中RGB和灰度信息，構建了茶葉外形綜合指標TQI 的評價方法，為茶葉發酵質量的數字化監測提供解決方案。Dong 等通過機器視覺技術分析了紅茶發酵過程圖片信息的RGB、Lab 和HSV（hue，saturation，value）顏色空間變化規律，以顏色特征參數作為發酵程度模型的輸入來建立茶色素的非線性定量預測模型，計算機圖像的顏色特征和隨機森林模型（RF）、SVM 非線性算法可對紅茶發酵過程中品質指標進行數字化評價。

（2）光學光譜檢測理化成分方法研究。理化檢測方法在判別紅茶發酵程度和定量預測發酵中關鍵理化成分方面雖然較精確，但存在耗時長、操作復雜和成本高等缺陷，無法在實際生產中快速感知發酵的主要成分信息，由于茶多酚、兒茶素、茶氨酸、茶黃素和茶紅素內C-H、O-H 基伸縮振動以及苯環中較多的C-C、C-O對光譜的特定波長具有不同吸收特性，可借助近紅外光譜和高光譜圖像技術等無損檢測技術對紅茶在制品進行檢測。董春旺等以不同發酵時序下的在制品為研究對象，利用近紅外光譜技術，結合化學計量學方法及不同智能算法，建立了紅茶發酵中茶色素、兒茶素和酚氨比等關鍵理化成分及感官品質評分的定量分析模型，可用于數字化生產中的發酵成分在線檢測。鄧余良等基于近紅外光譜和化學計量學方法，建立了紅茶發酵過程中茶黃素和茶紅素比值（TFs/TRs）的線性（PLS、Si-PLS、Si-CARS-PLS） 和非線性（Si-CARS-ELM、Si-CARS-ELMAdaBoost）預測模型，可為發酵品質的數字化快速評價提供方法。Yang 等討論了堆放發酵葉不同位置關鍵內質成分的變化及影響因素，比較了基于高光譜信息下的不同預處理、變量選擇和智能算法對模型性能的影響，建立了主要內質成分（茶褐素、茶紅素、兒茶素、咖啡堿和可溶性糖）定量預測模型，將紅茶不同時期的關鍵品質指標分布可視化，實時檢測紅茶發酵過程中關鍵內質成分的變化狀態和分布，為發酵信息的可視化和數字化展現提供技術支撐。

（3）電特性技術在發酵品質檢測中的應用。王盛琳等以工夫紅茶發酵在制品為研究對象，利用電特性檢測技術與化學計量學方法相結合，構建發酵葉茶多酚含量的預測模型，探討了發酵葉電參數（并聯等效電容、損耗因子和電抗）的變化規律，試驗表明電特性檢測技術可用于紅茶發酵過程中茶多酚含量的數字化預測。Dong 等建立了基于電特性測量和化學計量學方法檢測發酵過程紅茶兒茶素含量的定量預測模型，明確了兒茶素含量最敏感的電氣參數主要是在低頻（0.05～0.10 kHz）下的等效并聯電容、損耗因子和電抗，為兒茶素含量的數字化定量預測提供了參考。

（4）多元信息融合技術在發酵品質檢測中的應用。Jin 等提出了基于低成本微近紅外光譜和實驗室制造的計算機視覺系統（CVS）進行紅茶發酵質量的在線快速檢測，建立了PAC-SVM的兒茶素和茶黃素定量預測模型，利用顏色、光譜和數據融合信息對紅茶發酵程度進行數字化表征。Li 等構建了基于納米材料的比色傳感器陣列，并采用紫外-可見光譜結合化學計量學方法監測紅茶的發酵質量，建立紅茶發酵過程中關鍵化合物茶黃素和兒茶素的數字化定量預測模型。Jin等結合傅里葉變換近紅外光譜（FT-NIR）和CVS 對紅茶發酵程度進行綜合評價，用兩種中級策略分析FT-NIR 和CVS 的融合信號。K-最近鄰（KNN）、LDA 和SVM 用于分類建模，證明了FTNIR 和CVS 在中級融合策略的組合可以作為紅茶發酵程度的數字化評估方法。

龔自明等利用近紅外光譜儀得到了不同渥堆程度的渥堆原料樣品的空間分布圖，不同渥堆程度青磚茶渥堆原料樣品在空間中沒有出現交叉分布的情況，從而實現了渥堆程度的數字化預測。寧井銘等提出了利用近紅外光譜結合人工神經網絡的方法對普洱茶發酵程度進行模型構建，實現了近紅外光譜技術結合模式識別對普洱茶發酵質量的數字化快速判別。

1.7 干燥程度檢測與判別

干燥過程是茶葉加工的最后一道工序，茶葉含水率是判斷干燥程度的重要質量參數，隨著茶葉水分散失、外形固定，茶葉內含成分發生系列理化反應，是形成茶葉色澤、香氣以及滋味的重要過程。劉飛等提出了基于不同頻率下電特性參數值與綠茶干燥過程在制品含水率進行相關性分析，建立了含水率定量預測模型，為茶葉干燥過程在制品狀態的數字化快速無損檢測提供了思路。陳琳等提出了基于近紅外光譜紅茶干燥中含水率無損檢測方法，利用PLS、siPLS分別構建水分近紅外預測模型，實現工夫紅茶干燥過程含水率的快速檢測。吳繼忠等采用近紅外光譜分析技術分析茶葉干燥過程水分含量，應用全光譜PLS模型、遺傳偏最小二乘模型（GA-PLS）、競爭性自適應加權抽樣偏最小二乘模型（CARS-PLS）建立模型，為茶葉干燥過程品質的數字化、智能化監控提供方法。趙麗清等將熱風干燥過程中的烘干溫度、滾筒轉速、烘干初始水分、預測時間作為輸入，含水率作為輸出，分別利用多元線性回歸、BP 神經網絡、Elman 神經網絡以及粒子群優化的Elman神經網絡（PSO-Elman）算法建立烘干過程茶葉含水率預測模型，該方法的優異預測效果對茶葉干燥的數字化作業具有指導作用。

2 茶葉數字化加工存在的問題

在茶產業宏觀背景的發展態勢下，茶葉加工的數字化、智能化雖呈現積極發展的趨勢，特別是光譜技術、機器視覺技術、電特性、電子鼻等無損在線檢測技術為茶葉加工的數字化、智能化轉型與升級提供技術支撐，其優勢主要體現在檢測速度快，對被測樣品無損且操作便捷，但在實際加工生產中，仍舊存在諸多現實問題。一方面是在線檢測技術需要逐步完善。如近紅外檢測中標準譜庫的建立與完善，減少外界干擾因素（光譜取樣位置、采樣條件等）對測量精度的影響，光譜模型的局限性和普適性；機器視覺檢測中光源的優選和成像效果，適用不同場景的圖像處理算法的精簡與創新；電特性檢測中要保證測試條件的穩定性以及改善低頻檢測時電特性參數比較不穩定，系統誤差比較明顯；電子鼻檢測中數據處理的高效性及新型傳感器的研發。此外，受不同年份、季節、降雨量、光照、土壤等多因素的影響，茶葉在制品品質信息的差異顯著，導致茶葉加工全程各分析技術的靈敏度和準確性、合適的數據分析策略、高效的模型遷移泛化能力以及建立完備的在線檢測技術信息數據庫及數字化裝備研發等方面發展受到限制。另一方面是茶葉加工數字化、智能化研發的創新和投入需要提高。目前，我國的茶葉生產加工裝備大多仍處于機械化發展過程中，自動化生產線中僅少量加工工序實現初步數字化，尚未完全實現數字化和智能化，一部分茶葉初加工裝備缺乏在線檢測技術、現代信息技術等高新技術的應用和創新，研發投入少和研發企業及相關專業研發技術人員匱乏，數字化產品的設計、研發過程涉及機械、物理、自動化、計算機等多個學科，需要企業在相關學科技術上投入大量人力、時間和資金，使得相關企業和科研單位研發先進適用的茶葉生產數字化作業新技術、新設備過于滯后，將直接影響茶葉加工數字化、智能化創新和裝備的升級換代。

3 茶葉數字化加工發展趨勢及展望

3.1 茶葉加工產業對科技的需求

在現代信息化技術和無損檢測技術高速發展的時代背景下，通過光譜技術、圖像技術、電特性技術、電子鼻、電子舌、信息技術、數據挖掘與處理、智能控制與制造等多領域技術的深度融合與集成創新，將帶動茶葉加工的數字化變革，產品定向化加工、品質精準化調控逐漸成為可能，而隨著高端智能控制系統在茶業領域的融合和發展，茶葉加工向“無人工廠”“智能造”轉型升級將成為今后茶葉加工業的發展必然。

3.2 茶葉數字化加工發展趨勢及展望

隨著經濟社會發展，消費者對茶葉產品質量的優異和穩定要求將不斷提升，與此同時，勞力、能源等資源緊缺矛盾亦將越加突出，必須依靠現代信息化技術和無損檢測技術融合與創新，推進茶葉的數字化、智能化加工，實現加工方式的升級發展。因此，未來無損在線檢測技術將在茶葉數字化加工中繼續承擔重要角色，具體發展趨勢如下。

一是建立起不同區域、不同季節、不同品種、不同嫩度具有代表性的茶葉加工全程在制品的在線檢測數據庫，為建立茶葉加工在制品品質的快速通用分析模型奠定基礎。

二是開發高效、精準且可便于移植的數據處理算法和分析模型，解決茶葉在制品信息檢測過程中數據量過大、冗余過多、噪聲干擾過強、處理時間長而無法實現在線檢測的問題。

三是加強對在線無損檢測技術和檢測設備的研發與創新。近紅外光譜技術應向便攜化和輕型化方向發展，明確茶葉加工在制品不同指標的關鍵特征波長和建立對應通用型模型，降低自主研發成本；高光譜技術應用于光譜圖像采集系統，系統設計簡易、精準便捷，結合光譜預處理、數據降維、圖像處理等方法，建立基于茶葉加工在制品不同特征指標的信息最佳處理算法和分析模型，降低設備研發成本；機器視覺技術應用于建立通用型的照明系統，針對茶葉加工過程不同的應用場景需求，設計合適的照明裝置，結合先進的圖像處理和深度學習等算法的簡化，提高對茶葉加工在制品的檢測分析效果；介電特性檢測技術應擴大茶葉加工過程的應用范圍，加強介電檢測設備穩定性和低頻靈敏度的研發；電子鼻技術應優化和研發穩定可靠的新型氣體傳感器，提高檢測效率。

四是多傳感器無損檢測技術融合應用于茶葉加工無損檢測中，可避免單一技術的信息缺失和不全面，實現高效、快速、全面的茶葉加工在制品品質在線檢測。

五是基于在線檢測技術、信號傳輸與處理技術的加工工序數字化控制系統，開展茶葉智能加工技術集成，將智能加工設備與品質感知監控技術進行融合，實現加工過程的信息自反饋、工藝自決策和過程自執行。集成建立數字化加工示范生產線，構建現代加工技術體系，組建智能化“無人工廠”。

總體而言，茶葉數字化加工的發展必將持續以科技創新為支撐，以市場需求為引領，以數字經濟為目標，不斷深化基礎理論和創新應用研究，通過現代食品無損檢測技術、機械自動化、信息工程、物聯網和人工智能等多學科交叉，結合高新技術的融合與研發，促進現有茶葉加工技術向數字化和智能化方向轉型與升級，實現茶葉加工數字化精準調控，有效提高產品的科技含量和附加值，推動茶產業高速發展。