萎凋和發酵過程是紅茶加工過程中的關鍵環節，萎凋程度和發酵程度是衡量加工工藝的關鍵參數。目前，萎凋和發酵程度的判斷主要通過生化分析和感官評價進行，存在耗時費力、效率低下、主觀性強等問題。而高光譜成像作為一種高效、快捷、無損監測方法，對于提高生化成分監測效率，判斷萎凋和發酵程度具有重要意義。
山東農業大學丁兆堂教授團隊利用我司高光譜成像設備（Gaia field Pro-V10），采集了茶鮮葉萎凋和發酵過程中的高光譜數據，同時測定了各茶葉樣本中的TPs（茶多酚）、FAA（游離氨基酸）和CAF（咖fei因）含量；采用卷積平滑法、多元散射校正和一階導數算法對高光譜數據進行預處理；通過機器學習和多種算法構建了TPs、FAA和CAF含量的監測模型。試驗流程如圖1所示：
圖1 高光譜數據的采集和分析
圖2表示高光譜數據預處理前后的光譜圖，提高了光譜數據與茶葉品質成分之間的相關性。然后采用連續投影算法（SPA）、競爭性自適應重加權(CARS)和無信息變量消除(UVE)方法，選擇特征波段。特征波段的篩選結果如圖3所示。
圖2 原始數據與經過預處理的光譜圖。
(A)茶葉樣本原始光譜圖 (B)MSC+1D+S-G算法預處理后的光譜圖
圖3 特征波段的分布
*后基于選取的特征波段，結合支持向量機（SVM）、隨機森林（RF）、偏*小二乘法（PLS），建立TPs、FAA和CAF含量的監測模型，用于定量判斷萎凋和發酵程度。圖4表明，TPs、FAA和CAF含量預測的*優模型分別是CARS-PLS、SPA-PLS和CARS-PLS，模型預測集的決定系數分別為0.91、0.88和0.81。
圖5 TPs、FAA、CAF含量的預測散點圖
（A、B、C）通過CARS-SVM、CARS-PLS、CARS-RF模型獲得的TPs含量預測結果 (D、E、F)通過CARS-SVM、CARS-PLS、CARS-RF模型獲得的FAA含量預測結果 (G、H、I) 通過CARS-SVM、 CARS-PLS、CARS-RF模型獲得的CAF含量預測結果
結果表明，基于高光譜成像技術快速量化判斷茶葉萎凋和發酵程度是可行的。總之，建立基于高光譜成像技術的茶葉樣本中FAA和TPs含量定量預測模型，不僅為實際生產中紅茶品質成分含量快速、無損估計奠定了基礎，而且使客觀、快捷判斷萎凋和發酵程度成為可能。
通訊作者簡介：
丁兆堂，博士，青島農業大學園藝學院教授。
主要研究方向：茶樹生長發育及其環境應答的分子機理；茶葉品質與抗逆的分子機制研究。
參考文獻：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 Caffeine Content in Tea Leaves during Wilting and Fermentation Using Hyperspectral Imaging[J]. Foods 2022, 11, 2537. https://doi.org/10.3390/foods11162537
