引言

隨著精細(xì)化農(nóng)業(yè)發(fā)展的不斷深入，其在農(nóng)產(chǎn)品品質(zhì)和食品安全領(lǐng)域的應(yīng)用研究也得以拓展，如張蕾蕾等利用高光譜成像技術(shù)預(yù)測(cè)豬肉TVB-N和pH值以評(píng)價(jià)豬肉新鮮度；高俊峰等應(yīng)用高光譜成像技術(shù)，采用MSC-SPA-LS-SVM模型可較好地實(shí)現(xiàn)對(duì)不同蘋(píng)果蠟的檢測(cè)；褚璇等對(duì)玉米高光譜進(jìn)行SNV預(yù)處理，基于Fisher判別最小誤判率的方法選擇最優(yōu)波長(zhǎng)并建立判別模型對(duì)玉米表面不同濃度的黃曲霉素進(jìn)行識(shí)別；黃濤等發(fā)現(xiàn)，半透射高光譜成像技術(shù)結(jié)合CARS-SPA與AFSA-SVM方法可對(duì)馬鈴薯空心病進(jìn)行準(zhǔn)確的檢測(cè)。

但與茶葉栽培、加工及審評(píng)等相關(guān)的傳統(tǒng)檢測(cè)手段卻無(wú)法滿(mǎn)足實(shí)時(shí)、動(dòng)態(tài)、無(wú)損的精細(xì)化農(nóng)業(yè)發(fā)展需求，而融合了圖像和光譜的高光譜成像技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢測(cè)和安全評(píng)定上呈現(xiàn)出極大的優(yōu)越性，在茶葉領(lǐng)域的應(yīng)用具有較大的發(fā)展空間。對(duì)此，本文將繼續(xù)簡(jiǎn)述綜述了高光譜成像技術(shù)在茶葉領(lǐng)域的相關(guān)應(yīng)用，并對(duì)該技術(shù)在茶葉科研領(lǐng)域及生產(chǎn)實(shí)際中的應(yīng)用趨勢(shì)進(jìn)行展望，以期為擴(kuò)大高光譜成像技術(shù)的應(yīng)用提供參考。

2、高光譜成像技術(shù)在茶葉中的應(yīng)用

2.1 等級(jí)劃分

目前，茶葉等級(jí)多以感官審評(píng)（主要包含外形、香氣、湯色、滋味、葉底）輔以?xún)?nèi)含品質(zhì)檢測(cè)實(shí)現(xiàn)劃分，而感官審評(píng)受審評(píng)人對(duì)香氣、滋味等閾值以及特殊愛(ài)好影響較大，隨著檢測(cè)技術(shù)的不斷更新與其在現(xiàn)代農(nóng)業(yè)中的創(chuàng)新應(yīng)用，已有學(xué)者基于電子舌、電子鼻、近紅外光譜、機(jī)器視覺(jué)等檢測(cè)技術(shù)對(duì)不同等級(jí)茶葉實(shí)現(xiàn)有效劃分。但總體而言，前兩者受傳感器靈敏度和標(biāo)準(zhǔn)樣影響較大，后兩者僅從單一內(nèi)含成分或外觀(guān)紋理出發(fā)進(jìn)行預(yù)測(cè)，均未能實(shí)現(xiàn)對(duì)待測(cè)物由外到內(nèi)綜合信息的提取和評(píng)價(jià)。高光譜成像技術(shù)雖能實(shí)現(xiàn)這一綜合信息的采集，但對(duì)茶葉等級(jí)劃分的應(yīng)用研究卻相對(duì)較晚。

茶葉高光譜圖像不同區(qū)域的光譜曲線(xiàn)

為實(shí)現(xiàn)高光譜成像技術(shù)對(duì)茶葉質(zhì)量的等級(jí)劃分，陳全勝等通過(guò)主成分分析從700~850nm光譜范圍內(nèi)優(yōu)選出3個(gè)波長(zhǎng)的特征圖像，并從中分別提取出平均灰度、標(biāo)準(zhǔn)方差、平滑度、三階矩、一致性和熵等6個(gè)紋理特征參數(shù)，通過(guò)對(duì)18個(gè)特征變量進(jìn)行壓縮并提取其中8個(gè)主成分因子建立基于反向傳播神經(jīng)網(wǎng)絡(luò)的茶葉等級(jí)識(shí)別模型，模型預(yù)測(cè)識(shí)別率達(dá)94%，預(yù)測(cè)效果較好。蔣帆等提取龍井茶在350~2500nm波長(zhǎng)范圍內(nèi)的吸收深度、吸收面積、紅邊位置、紅谷位置、歸一化植被指數(shù)等高光譜特征參數(shù)作為輸入量，然后利用帶懲罰系數(shù)C的支持向量機(jī)分類(lèi)理論，采用RBF函數(shù)形式的支持向量機(jī)核函數(shù)，優(yōu)選核參數(shù)γ=2-6、懲罰系數(shù)C=210，并確定模型分類(lèi)函數(shù)，以此構(gòu)建龍井茶SVM等級(jí)分類(lèi)模型，其等級(jí)分類(lèi)準(zhǔn)確率達(dá)98.3%。運(yùn)用相似原理，于英杰等提取各等級(jí)鐵觀(guān)音高光譜數(shù)據(jù)的紅邊數(shù)據(jù)、藍(lán)邊位置、黃邊面積、紅谷反射率、歸一化植被指數(shù)等20個(gè)光譜特征參數(shù)為輸入向量，構(gòu)建支持向量機(jī)分類(lèi)模型且模型正確判別率達(dá)92.86%。吳瑞梅等利用主成分分析法，從碧螺春名優(yōu)綠茶的原始高光譜中優(yōu)選出3個(gè)特征圖像，分別提取每個(gè)圖像的顏色特征和紋理特征，以此為輸入變量建立BP神經(jīng)網(wǎng)絡(luò)的茶葉外形感官評(píng)分預(yù)測(cè)模型并取得較好的預(yù)測(cè)效果。由此表明，基于高光譜成像技術(shù)對(duì)茶葉等級(jí)劃分具有較強(qiáng)可行性，可為后續(xù)快速、精確的茶葉等級(jí)檢測(cè)儀器的開(kāi)發(fā)提供理論依據(jù)，但對(duì)于部分市場(chǎng)特殊感官要求（如重香氣輕外形、重滋味輕色澤等）的茶葉產(chǎn)品，仍需健全特殊感官指標(biāo)對(duì)應(yīng)的特征高光譜波段的篩選及對(duì)應(yīng)預(yù)測(cè)模型的建立。

2.2 茶類(lèi)識(shí)別

茶類(lèi)識(shí)別是鑒別茶葉真?zhèn)魏蛯?shí)現(xiàn)茶葉源產(chǎn)地保護(hù)的重要措施，當(dāng)前的檢測(cè)多涉及近紅外光譜技術(shù)、機(jī)器視覺(jué)技術(shù)、熒光光譜技術(shù)、同位素及多礦物元素檢測(cè)、色譜分析與化學(xué)指紋圖譜構(gòu)建、DNA指紋圖譜、電子鼻和電子舌等。隨著高光譜成像技術(shù)應(yīng)用的不斷深入，已建立了部分針對(duì)茶葉種類(lèi)識(shí)別定性分析的預(yù)測(cè)模型，與DNA指紋圖譜、同位素及礦物質(zhì)元素檢測(cè)、電子鼻和電子舌等方法相比，高光譜成像技術(shù)綜合了其余茶類(lèi)識(shí)別檢測(cè)技術(shù)原理，但同時(shí)也表現(xiàn)出對(duì)特征波長(zhǎng)和特征光譜信息海量數(shù)據(jù)的篩選難度。

六種不同品種綠茶的光譜曲線(xiàn)

蔡健榮等利用漫反射高光譜技術(shù)獲得了408~1117nm范圍內(nèi)的不同像素的不同產(chǎn)地碧螺春圖像的光譜曲線(xiàn)，通過(guò)主成分分析法提取特征波長(zhǎng)的6個(gè)主成分GLCM紋理特征變量:對(duì)比度、相關(guān)性、能量和均勻性，并采用交叉驗(yàn)證法對(duì)徑向基函數(shù)參量進(jìn)行優(yōu)化，以此建立基于支持向量機(jī)的模式識(shí)別方法構(gòu)建碧螺春茶葉的真?zhèn)舞b別模型，其訓(xùn)練和預(yù)測(cè)集判別率分別達(dá)100%和96.25%，取得了較好的判別效果。章海亮等結(jié)合主成分分析法篩選出180個(gè)名優(yōu)綠茶高光譜的2個(gè)特征波段（545nm和611nm），并從中提取12個(gè)灰度共生矩陣紋理特征參量，同時(shí)融合3個(gè)主成分特征變量共計(jì)27個(gè)變量作為L(zhǎng)S-SVM區(qū)分模型的輸入，模型預(yù)測(cè)識(shí)別率達(dá)100%，且光譜結(jié)合圖像灰度共生矩陣的ROC曲線(xiàn)優(yōu)于單一的光譜或圖像灰度共生矩陣ROC曲線(xiàn)。

3、問(wèn)題與展望

綜合前期研究現(xiàn)狀發(fā)現(xiàn)，高光譜成像技術(shù)在茶葉上的應(yīng)用雖處于理論研究階段，但也展現(xiàn)出較大的發(fā)展?jié)摿蛻?yīng)用空間，借鑒其在其它農(nóng)產(chǎn)品或農(nóng)作物上的應(yīng)用研究技術(shù)和方法，可有效促進(jìn)高光譜成像技術(shù)在茶葉領(lǐng)域的應(yīng)用進(jìn)程。

3.1 茶園土壤肥力

檢測(cè)土壤有機(jī)質(zhì)和礦質(zhì)元素含量對(duì)農(nóng)作物生長(zhǎng)具有重要影響。自20世紀(jì)80年代開(kāi)始，已有學(xué)者相繼利用高光譜估測(cè)土壤有機(jī)質(zhì)含量，但大多集中于實(shí)驗(yàn)室干土測(cè)試。為達(dá)到快速無(wú)損檢測(cè)效果，研究者們開(kāi)始致力于基于高光譜的濕土相關(guān)指標(biāo)檢測(cè)的研究，為精細(xì)化農(nóng)業(yè)的實(shí)施奠定基礎(chǔ)。因此，為改良土壤環(huán)境、降低農(nóng)業(yè)生產(chǎn)成本、提高茶園綜合產(chǎn)值，將高光譜成像技術(shù)與測(cè)土配方施肥等一系列土壤改良措施結(jié)合使用，可為茶園平衡施肥、精準(zhǔn)施肥和茶葉品質(zhì)提升起到積極的推動(dòng)作用。但值得注意的是，除光譜信息提取和目標(biāo)物的有效建模算法外，土壤類(lèi)型、粗糙度、潮濕度、養(yǎng)分變異等土壤自身屬性也顯著影響土壤養(yǎng)分光譜反演的精度和可靠性，這將是今后研究的重點(diǎn)。

3.2 茶樹(shù)病蟲(chóng)害高效防治

據(jù)不完全統(tǒng)計(jì)，已記載的茶樹(shù)蟲(chóng)害達(dá)800余種、病害130余種，通過(guò)對(duì)病蟲(chóng)害的有效預(yù)測(cè)和危害程度準(zhǔn)確評(píng)估，將為降低茶園受害風(fēng)險(xiǎn)及準(zhǔn)確防治茶樹(shù)病蟲(chóng)害提供必要的數(shù)據(jù)基礎(chǔ)，有益于茶園健康發(fā)展，保證茶葉質(zhì)量安全。目前，茶葉病蟲(chóng)害的防治主要集中于病蟲(chóng)害時(shí)間預(yù)測(cè)和最小農(nóng)藥施用量的確定，為防治害蟲(chóng)假死，并考慮農(nóng)藥最大殘留限量（MRL）標(biāo)準(zhǔn)，確定農(nóng)藥臨界致死效力用量非常重要，而農(nóng)藥臨界致死效力則受侵襲病蟲(chóng)害類(lèi)別和危害程度影響。不同類(lèi)別病蟲(chóng)害以及不同階段為害癥狀所表現(xiàn)出的光譜吸收和視覺(jué)特征是不同的，這也為特征光譜的成功反演奠定了基礎(chǔ)，高光譜成像技術(shù)已在其他農(nóng)作物病蟲(chóng)害種類(lèi)識(shí)別和為害程度的檢測(cè)中取得較好研究效果，結(jié)合其他農(nóng)作物研究基礎(chǔ)和近年來(lái)茶樹(shù)病蟲(chóng)害新型防治技術(shù)，高光譜成像技術(shù)在茶樹(shù)病蟲(chóng)害防治上將擁有很好的結(jié)合位點(diǎn)。但精準(zhǔn)的病蟲(chóng)害預(yù)測(cè)和程度預(yù)報(bào)需要融合專(zhuān)家知識(shí)、不同種類(lèi)病、蟲(chóng)害（食葉類(lèi)、吸汁類(lèi)）數(shù)據(jù)、光譜吸收數(shù)據(jù)等，因此為實(shí)現(xiàn)茶樹(shù)病蟲(chóng)害高效防治，需要進(jìn)一步擴(kuò)充和完善相關(guān)病蟲(chóng)害知識(shí)庫(kù)，通過(guò)合理分析實(shí)際光譜變化情況，獲取特征參量并最終建立預(yù)測(cè)預(yù)報(bào)模型。

3.3 茶葉加工在線(xiàn)監(jiān)測(cè)

按照制法系統(tǒng)性，具有不同感官品質(zhì)特征的六大茶類(lèi)（綠茶、紅茶、黑茶、白茶、青茶、黃茶）除對(duì)原料品種和采摘標(biāo)準(zhǔn)有要求外，關(guān)鍵加工工藝是其良好品質(zhì)形成的關(guān)鍵。如紅茶的發(fā)酵、黑茶的渥堆、青茶的做青、黃茶的悶黃等，且不同茶類(lèi)加工過(guò)程在制品品質(zhì)變化不一，因此關(guān)鍵工序的監(jiān)控對(duì)茶葉品質(zhì)的形成顯得尤為重要。然而，傳統(tǒng)茶葉加工大多停留在“一看二聞三摸”的“看茶做茶”模式上，這只能將茶葉品質(zhì)控制在一定范圍，缺乏產(chǎn)品質(zhì)量的穩(wěn)定性和統(tǒng)一性，缺少對(duì)關(guān)鍵工序品質(zhì)適度的、客觀(guān)的、有效的科學(xué)評(píng)價(jià)和檢測(cè)方法。一些智能感官分析和科學(xué)計(jì)量手段嘗試量化這一技術(shù)瓶頸，如通過(guò)機(jī)器視覺(jué)（基于茶葉在制品外觀(guān)紋理變化）、電子鼻技術(shù)（基于茶葉在制品香氣變化）、近紅外技術(shù)（主要基于茶葉在制品香氣變化）等在線(xiàn)監(jiān)測(cè)茶葉制品的品質(zhì)，該類(lèi)研究雖然取得一定預(yù)測(cè)效果，但輸入變量信息單一，不能較好體現(xiàn)茶葉感官品質(zhì)信息。

茶葉加工過(guò)程中，制品在熱和力的作用下，伴隨水分散失其外觀(guān)紋理和內(nèi)含品質(zhì)成分發(fā)生相應(yīng)變化，為獲得穩(wěn)定、優(yōu)異的感官品質(zhì)，需要對(duì)各類(lèi)茶加工關(guān)鍵工序進(jìn)行控制。前期的智能感官分析和科學(xué)方法為高光譜的應(yīng)用提供了數(shù)據(jù)基礎(chǔ)，因此，在后期研究應(yīng)用過(guò)程中，可將高光譜成像技術(shù)應(yīng)用各類(lèi)茶關(guān)鍵加工工序中。如紅茶發(fā)酵和后期干燥醇化、提香工序，通過(guò)應(yīng)用該技術(shù)對(duì)以上工序在制品外觀(guān)紋理（色澤）和品質(zhì)成分（主要為多酚類(lèi)、氨基酸及揮發(fā)性有機(jī)物）的實(shí)時(shí)監(jiān)測(cè)，通過(guò)反饋信息確定最佳加工工藝參數(shù)，以期獲得穩(wěn)定的花香型、甜香型、高香型紅茶產(chǎn)品；亦可將其應(yīng)用到綠茶殺青及干燥、黑茶渥堆、白茶萎調(diào)、青茶做青及干燥、黃茶燜黃及干燥等關(guān)鍵加工工序，從而獲得感官品質(zhì)多樣性和穩(wěn)定性茶葉產(chǎn)品，為后續(xù)自動(dòng)化乃至智能化茶葉加工設(shè)備的研發(fā)提供理論基礎(chǔ)。

3.4 茶葉加工在線(xiàn)監(jiān)測(cè)

茶葉產(chǎn)品安全的主要檢測(cè)指標(biāo)包含有毒有害摻雜物等物理性污染；農(nóng)藥殘留、稀土元素和重金屬超標(biāo)等化學(xué)性污染；致病性細(xì)菌、病毒以及毒素等生物性污染。隨著茶葉加工技術(shù)、設(shè)備及管理水平的提高，物理性污染和生物性污染發(fā)生可能性較低，以農(nóng)藥殘留為主的化學(xué)性污染為茶葉產(chǎn)品安全評(píng)定的主要檢測(cè)指標(biāo)。由于茶葉多年生的生長(zhǎng)特性，茶樹(shù)通過(guò)內(nèi)吸和滲透作用使農(nóng)藥殘留和有害重金屬在體內(nèi)聚集，同時(shí)在生產(chǎn)、加工、貯運(yùn)、銷(xiāo)售過(guò)程以及農(nóng)藥自身隨空氣、水源等漂移特點(diǎn)都有可能造成二次污染，加之我國(guó)茶葉生產(chǎn)和消費(fèi)大而散的特點(diǎn)，目前尚無(wú)法真正實(shí)現(xiàn)“從農(nóng)田到茶杯”的全程管理，因此市場(chǎng)監(jiān)督和檢測(cè)成為控制農(nóng)藥殘留的最后防線(xiàn)。由于我國(guó)茶樹(shù)品種多樣，茶葉成品花色眾多且各級(jí)成品加工原料成熟度不盡相同，同時(shí)各級(jí)政府及主管部門(mén)對(duì)其重視程度差異所導(dǎo)致的區(qū)域發(fā)展不協(xié)調(diào)等問(wèn)題，使茶葉生產(chǎn)在農(nóng)藥合理使用技術(shù)的推廣和殘留控制上監(jiān)管不嚴(yán)。隨著對(duì)食品安全問(wèn)題重視程度的加強(qiáng)，不同組織和國(guó)家對(duì)茶葉中可能存在的殘留農(nóng)藥及其他污染物制定了嚴(yán)格的限量標(biāo)準(zhǔn)。有數(shù)據(jù)表明，截止2014年4月18日，歐盟網(wǎng)站殘留數(shù)據(jù)庫(kù)中的茶葉上的殘留限量標(biāo)準(zhǔn)達(dá)454種，且部分農(nóng)藥（如殺螟硫磷、十三嗎啉、炔螨特等）MRL值均作不同程度降低調(diào)整。這對(duì)提高茶葉質(zhì)量安全水平，保證茶葉產(chǎn)品供給的安全性、可靠性、食用性，實(shí)現(xiàn)茶葉產(chǎn)品質(zhì)量安全的快速、精準(zhǔn)檢測(cè)具有重要的現(xiàn)實(shí)意義。

不同質(zhì)量分?jǐn)?shù)梯度樣品的熒光光譜曲線(xiàn)

目前，茶葉農(nóng)藥殘留含量檢測(cè)方法主要包括有損檢測(cè)和無(wú)損檢測(cè)2類(lèi)。有損檢測(cè)包含普通生化檢測(cè)、儀器分析檢測(cè)（如色譜檢測(cè)、色譜-質(zhì)譜聯(lián)用法等），普通生化檢測(cè)存在前期投入大、試驗(yàn)條件苛刻、試劑單一等缺陷，而儀器分析檢測(cè)精度雖高但檢測(cè)過(guò)程復(fù)雜且受內(nèi)標(biāo)物、靈敏度影響，無(wú)法滿(mǎn)足更快速、更準(zhǔn)確、更環(huán)保的農(nóng)藥殘留檢測(cè)的發(fā)展要求。無(wú)損檢測(cè)主要包含近紅外線(xiàn)檢測(cè)、熒光檢測(cè)、高光譜成像檢測(cè)等，近年來(lái)基于不同濃度、不同殘留農(nóng)藥對(duì)特定波長(zhǎng)的吸收或反射所表現(xiàn)的特異性變化建立的農(nóng)藥預(yù)測(cè)模型（主要為近紅外和熒光），已成為農(nóng)藥殘留檢測(cè)技術(shù)的研究趨勢(shì)和發(fā)展方向，但近紅外檢測(cè)技術(shù)分析結(jié)果準(zhǔn)確性受溫度等多因素影響，且從復(fù)雜、重疊、變動(dòng)的背景中提取弱信息受干擾因素較多，需要不斷改進(jìn)研究方法，高光譜成像技術(shù)雖然起步較晚，但在梨、生菜、葉菜等農(nóng)產(chǎn)品農(nóng)藥殘留和土壤重金屬含量檢測(cè)的成功反演表現(xiàn)出極大的優(yōu)越性。目前，茶葉施用農(nóng)藥多以脂溶性為主，違規(guī)施用農(nóng)藥多聚集在茶葉成品表面，針對(duì)茶葉農(nóng)殘檢測(cè)利用高光譜成像技術(shù)研究的滯后，可借鑒該技術(shù)在其它農(nóng)產(chǎn)品檢測(cè)成功案例，通過(guò)搜集高光譜數(shù)據(jù)并作降維、轉(zhuǎn)換處理，與對(duì)應(yīng)的目標(biāo)農(nóng)藥成分（儀器分析檢測(cè)獲取）建立預(yù)測(cè)模型；也可通過(guò)某些農(nóng)藥成分的較強(qiáng)熒光特性，結(jié)合高光譜成像技術(shù)和熒光激發(fā)技術(shù)搭建高光譜熒光成像農(nóng)藥殘留檢測(cè)系統(tǒng)，以期實(shí)現(xiàn)不同濃度、不同種類(lèi)的茶葉農(nóng)藥殘留的快速、精確測(cè)定。

推薦：

無(wú)人機(jī)機(jī)載高光譜成像系統(tǒng)iSpecHyper-VM100

一款基于小型多旋翼無(wú)人機(jī)機(jī)載高光譜成像系統(tǒng)，該系統(tǒng)由高光譜成像相機(jī)、穩(wěn)定云臺(tái)、機(jī)載控制與數(shù)據(jù)采集模塊、機(jī)載供電模塊等部分組成。無(wú)人機(jī)機(jī)載高光譜成像系統(tǒng)通過(guò)獨(dú)特的內(nèi)置式或外部掃描和穩(wěn)定控制，有效地解決了在微型無(wú)人機(jī)搭載推掃式高光譜照相機(jī)時(shí)，由于振動(dòng)引起的圖像質(zhì)量較差的問(wèn)題，并具備較高的光譜分辨率和良好的成像性能。

審核編輯 黃宇