于英杰，孫威江，2

(1.福建農(nóng)林大學(xué)園藝學(xué)院，福建 福州350002;2.福建農(nóng)林大學(xué)安溪茶學(xué)院，福建 安溪362000)

我國(guó)六大茶類品種眾多、品質(zhì)各異，通常采用感官審評(píng)和化學(xué)檢測(cè)進(jìn)行品質(zhì)評(píng)定。茶葉感官審評(píng)依賴專業(yè)技術(shù)人員的感官和經(jīng)驗(yàn)，對(duì)評(píng)茶人員以及審評(píng)環(huán)境要求嚴(yán)格，受限條件較多，較難實(shí)現(xiàn)標(biāo)準(zhǔn)化，審評(píng)結(jié)果易引起爭(zhēng)議。作為感官審評(píng)的重要補(bǔ)充，茶葉主要理化成分相關(guān)檢測(cè)方法的國(guó)家和行業(yè)標(biāo)準(zhǔn)應(yīng)運(yùn)而生。但茶葉理化檢測(cè)普遍存在步驟煩瑣、成本高、效率低、耗時(shí)費(fèi)工、產(chǎn)品破壞大等問(wèn)題，而光譜技術(shù)作為一種經(jīng)濟(jì)、準(zhǔn)確、簡(jiǎn)便、實(shí)時(shí)、無(wú)損的快速檢測(cè)方法，不但可以解決上述問(wèn)題，還可應(yīng)用到茶葉的其他定量及定性分析上。

近紅外光譜技術(shù)(near infrared spectroscopy，NIRS)是近年來(lái)國(guó)內(nèi)外發(fā)展最快的檢測(cè)技術(shù)之一，而高光譜技術(shù)也逐漸顯示出其優(yōu)勢(shì)和潛力，這兩種光譜技術(shù)在農(nóng)業(yè)、食品、藥品等領(lǐng)域的應(yīng)用研究已取得一定的進(jìn)展。本文對(duì)該兩種光譜技術(shù)在茶葉上的應(yīng)用進(jìn)行論述。

1 近紅外光譜技術(shù)在茶葉上的應(yīng)用現(xiàn)狀

近紅外光譜是處于可見(jiàn)光譜和中紅外光譜之間的光譜區(qū)域，美國(guó)材料檢測(cè)協(xié)會(huì)(American Society for Testing and Materials，ASTM)將其定義為波長(zhǎng)在780 －2526 nm (12820 －2959 cm－1)的電磁波［1］。近紅外光譜主要是對(duì)樣品中X-H 鍵(包括C-H、O-H、N-H 等)振動(dòng)的倍頻、合頻以及差頻的疊加吸收，不同的吸收峰位置可間接反映該樣品的分子結(jié)構(gòu)，吸收峰強(qiáng)度與該結(jié)構(gòu)物質(zhì)的濃度關(guān)系密切。因此，獲取近紅外光譜信息，并與適宜的化學(xué)計(jì)量學(xué)方法有機(jī)結(jié)合，建立相關(guān)數(shù)學(xué)模型，即可對(duì)多種有機(jī)物及其混合物進(jìn)行定量或定性分析［2］。

1.1 茶葉理化成分的定量分析

近年來(lái)，近紅外光譜技術(shù)在茶葉理化成分測(cè)定方面應(yīng)用廣泛。吉川聰一郎［3］用近紅外光譜技術(shù)對(duì)蒸青玉露茶和鍋炒玉露茶中的茶多酚、氨基酸、咖啡堿和全N 量進(jìn)行了定量分析，結(jié)果顯示，近紅外光譜分析法與常規(guī)化學(xué)分析法的相關(guān)系數(shù)達(dá)到0.91 以上，表明了近紅外光譜分析技術(shù)在茶葉含量測(cè)定上的可應(yīng)用性，為后續(xù)研究指明了方向。Luypacert et al［4］采用偏最小二乘(partial least squares，PLS)計(jì)量方法建立了綠茶中咖啡堿、表沒(méi)食子兒茶素沒(méi)食子酸酯(EGCG)和總抗氧化能力(TEAC)的近紅外含量模型，并采用茶葉整葉和粉末進(jìn)行比較試驗(yàn)。結(jié)果顯示，使用茶葉整葉作為原料得到的預(yù)測(cè)結(jié)果相關(guān)系數(shù)更高，咖啡堿定量模型相關(guān)系數(shù)為0.96，TEAC 定標(biāo)模型相關(guān)系數(shù)為0.90，EGCG 和表兒茶素(EC)含量模型預(yù)測(cè)結(jié)果相關(guān)系數(shù)分別為0.83 和0.44，EC 濃度偏低和相似結(jié)構(gòu)多酚類物質(zhì)的存在可能是導(dǎo)致EC 含量模型結(jié)果較差的原因。

20 世紀(jì)80年代，閻守和等［5］以31 個(gè)中國(guó)紅茶、綠茶、烏龍茶茶樹(shù)新梢為試驗(yàn)樣本，并分別用Van soest 法(通用纖維分析系統(tǒng))和近紅外光譜分析法檢測(cè)了所有茶樣的纖維素、半纖維素和木質(zhì)素含量，結(jié)合多元回歸進(jìn)行校正，結(jié)果顯示，2 種分析方法所得結(jié)果的相關(guān)系數(shù)分別為:紅茶0.927 －0.966、綠茶0.968 －0.972、烏龍茶0.880 －0.947 和新梢0.894 －0.971，經(jīng)過(guò)校正，兩者的相關(guān)系數(shù)接近0.99，指出近紅外光譜方法完全適用于茶纖維的定量分析，并發(fā)現(xiàn)商品茶的等級(jí)與各種纖維含量存在明顯的相關(guān)性，其中木質(zhì)素含量與茶葉等級(jí)的線性關(guān)系最大。羅一帆等［6］采用誤差反向傳播人工神經(jīng)網(wǎng)絡(luò)(BP－ANN)算法，建立了茶葉中茶多酚和茶多糖的近紅外定標(biāo)模型，并進(jìn)行內(nèi)部交叉驗(yàn)證，所得相關(guān)系數(shù)高達(dá)0.98，可準(zhǔn)確預(yù)測(cè)其含量。Ren et al［7］收集來(lái)自中國(guó)、印度、肯尼亞、斯里蘭卡、緬甸等國(guó)家的140 個(gè)紅茶樣本，應(yīng)用近紅外光譜技術(shù)結(jié)合PLS 計(jì)量方法對(duì)所有茶樣中的咖啡堿、水浸出物、茶多酚、氨基酸進(jìn)行定量分析，4 個(gè)含量模型的預(yù)測(cè)相關(guān)系數(shù)分別為0.955、0.962、0.954 和0.927，正判率較高，結(jié)果良好。

國(guó)內(nèi)外針對(duì)茶葉的茶多酚、氨基酸、水分等理化成分的定量分析已相對(duì)成熟，但有關(guān)茶葉農(nóng)藥殘留的近紅外定量分析研究尚不多見(jiàn)。隨著消費(fèi)者對(duì)茶葉安全問(wèn)題的廣泛關(guān)注以及我國(guó)茶葉出口所面臨的綠色貿(mào)易壁壘等標(biāo)準(zhǔn)的相繼提高，可以嘗試應(yīng)用近紅外光譜分析對(duì)茶葉農(nóng)殘進(jìn)行快速準(zhǔn)確無(wú)損檢測(cè)。

1.2 茶葉的定性分析

1.2.1 種類判別 近年來(lái)，我國(guó)茶葉的國(guó)內(nèi)外消費(fèi)市場(chǎng)進(jìn)一步擴(kuò)大，茶葉出口遍布五大洲，出口金額總量增加，各地消費(fèi)的茶類日益多元化，包括烏龍茶在內(nèi)的我國(guó)特種茶(白茶、黃茶、黑茶)也呈現(xiàn)出穩(wěn)中略升的趨勢(shì)［8］。目前，國(guó)內(nèi)外對(duì)于茶葉的分類主要依賴加工工藝的不同，缺乏量化的分類指標(biāo)，有的茶類之間沒(méi)有特別顯著的差異，限制了我國(guó)各類茶葉在國(guó)際上的流通和公平貿(mào)易。因此，不同茶類的快速判別是當(dāng)前國(guó)際茶葉界亟需解決的問(wèn)題，這也是國(guó)內(nèi)外廣大茶葉消費(fèi)者的迫切需求。

近紅外光譜技術(shù)在茶葉種類識(shí)別上得到了一定的發(fā)展。He et al［9］采集240 個(gè)綠茶茶樣的近紅外光譜數(shù)據(jù)，經(jīng)小波變換(WT)預(yù)處理，采用主成分分析(PCA)和誤差反向傳播人工神經(jīng)網(wǎng)絡(luò)分析方法建立了不同種類名優(yōu)綠茶的鑒別模型，樣品的正確判別率達(dá)到100%;Chen et al［10］收集了我國(guó)8 個(gè)省份的紅茶、綠茶、烏龍茶茶樣150 個(gè)，采集所有茶樣的近紅外光譜數(shù)據(jù)，采用支持向量機(jī)(SVM)計(jì)量方法對(duì)3 類茶葉分別建模，所建模型的全樣本正確判別率分別為96.67%、100%、93.33%，可快速識(shí)別茶類。陳波等［11］采用近紅外光譜技術(shù)對(duì)5 種中國(guó)名茶(西湖龍井、洞庭碧螺春、廬山云霧、安溪鐵觀音、武夷巖茶)進(jìn)行聚類分析，識(shí)別結(jié)果良好。此外，不同等級(jí)碧螺春以及不同產(chǎn)地的龍井茶也得到了很好的區(qū)分，這說(shuō)明近紅外光譜技術(shù)在茶葉等級(jí)及產(chǎn)地的區(qū)分中具有應(yīng)用潛力。

1.2.2 產(chǎn)地及真?zhèn)闻袆e 利用近紅外光譜技術(shù)可對(duì)茶葉產(chǎn)地及其真?zhèn)巫龀隹焖贉?zhǔn)確的鑒別，Ren et al［7］運(yùn)用近紅外技術(shù)對(duì)國(guó)內(nèi)外7 個(gè)產(chǎn)茶地區(qū)的140 個(gè)紅茶樣品進(jìn)行產(chǎn)地判別，采用因式分解的方法，建立紅茶產(chǎn)地判別的同步識(shí)別模型，樣品的正確判別率達(dá)到94.3%。He et al［12］采用西湖、錢(qián)塘、越州3 個(gè)龍井主產(chǎn)區(qū)及其他扁形茶產(chǎn)區(qū)的茶葉為樣品，建立龍井茶的近紅外鑒別模型。應(yīng)用PLS 計(jì)量方法針對(duì)4 個(gè)產(chǎn)區(qū)的茶葉進(jìn)行同步建模和特定茶類建模，針對(duì)未正確識(shí)別的茶樣再進(jìn)行歐氏距離二次鑒別，最終所建模型對(duì)未知樣品的正確判別率分別為97.19%、97.54%、97.83%、100%。廖步巖［13］利用近紅外光譜技術(shù)結(jié)合PLS、標(biāo)準(zhǔn)法結(jié)合因子法對(duì)品種、產(chǎn)地和加工工藝各不相同的66 個(gè)茶葉樣本進(jìn)行綜合定性建模，選擇最適宜的波數(shù)和光譜預(yù)處理方式，所建模型可準(zhǔn)確地將炒青綠茶、黃山毛峰兩大茶類以及黃山毛峰6 個(gè)產(chǎn)區(qū)所制茶葉進(jìn)行定性區(qū)分，效果顯著。

現(xiàn)今，近紅外光譜技術(shù)在茶葉種類、產(chǎn)地及真?zhèn)闻袆e的應(yīng)用研究已取得一定進(jìn)展，但大都以名優(yōu)綠茶為研究對(duì)象，尚未發(fā)現(xiàn)針對(duì)我國(guó)六大茶類的判別研究，且針對(duì)單一茶類之間的品種判別也尚不多見(jiàn)。因此，近紅外光譜技術(shù)在我國(guó)茶葉標(biāo)準(zhǔn)化應(yīng)用方面具有很大發(fā)展空間。

1.2.3 品質(zhì)評(píng)價(jià) 1988年，閻守和［14］最先嘗試?yán)媒t外光譜技術(shù)進(jìn)行茶葉的品質(zhì)評(píng)價(jià)，按等級(jí)收集我國(guó)綠茶及紅茶樣本共96 個(gè)，包括48 個(gè)國(guó)家出口標(biāo)準(zhǔn)樣以及48 個(gè)相應(yīng)的省級(jí)標(biāo)準(zhǔn)樣，并運(yùn)用感官審評(píng)對(duì)所有茶樣進(jìn)行定級(jí)。以國(guó)家標(biāo)準(zhǔn)樣作為校正樣本，結(jié)合其近紅外光譜數(shù)據(jù)與感官審評(píng)結(jié)果，采用PLS 回歸法建立多線性回歸方程(MRL)，并對(duì)其進(jìn)行評(píng)價(jià)和優(yōu)化，再依據(jù)所建模型對(duì)省級(jí)標(biāo)準(zhǔn)樣進(jìn)行預(yù)測(cè)分析，結(jié)果顯示，共有86 個(gè)茶樣分析正確，占全茶樣的89.6%，由此實(shí)現(xiàn)了將“茶葉等級(jí)”轉(zhuǎn)換成變量參數(shù)，更直觀、客觀、全面地對(duì)茶葉等級(jí)進(jìn)行科學(xué)計(jì)量分析。此外，閻守和［15］又針對(duì)國(guó)外茶葉做了后續(xù)研究，利用近紅外光譜技術(shù)結(jié)合專業(yè)感官審評(píng)，對(duì)3 家布隆迪茶廠所產(chǎn)的紅碎茶進(jìn)行等級(jí)判別，對(duì)日本煎茶、玉露茶以及德國(guó)市場(chǎng)上9 種紅茶的品質(zhì)與市場(chǎng)價(jià)格的關(guān)系進(jìn)行試評(píng)，結(jié)果顯示，茶葉的感官審評(píng)結(jié)果與近紅外預(yù)測(cè)結(jié)果之間的相關(guān)系數(shù)可達(dá)0.961。

2012年，周小芬等［16］應(yīng)用近紅外光譜分析技術(shù)對(duì)大佛龍井茶進(jìn)行品質(zhì)評(píng)價(jià)，結(jié)合茶葉感官審評(píng)結(jié)果，基于干茶色澤、湯色、香氣、滋味、葉底單因子得分及五因子總分、六因子總分，引入PLS 建立7 個(gè)相關(guān)數(shù)學(xué)模型，旨在建立一種客觀的新型茶葉品質(zhì)評(píng)價(jià)方法。結(jié)果顯示，7 個(gè)所建模型均可對(duì)相應(yīng)的茶葉品質(zhì)進(jìn)行準(zhǔn)確預(yù)測(cè)，其中以五因子總分模型的預(yù)測(cè)相關(guān)系數(shù)最高，可達(dá)96.65%。

1.2.4 加工在線監(jiān)控 茶葉原料是制茶的基礎(chǔ)，而加工技術(shù)則是關(guān)鍵。目前，絕大部分茶葉生產(chǎn)商的加工過(guò)程多依賴于有經(jīng)驗(yàn)的茶葉加工師傅，但由于環(huán)境等因素的影響，加工師傅的判斷往往不夠客觀，使茶葉未達(dá)到最適宜的加工狀態(tài)，最終影響茶葉品質(zhì)。對(duì)此，Daikio et al［17］于2011年嘗試應(yīng)用近紅外光譜技術(shù)對(duì)日本蒸青綠茶的加工工藝進(jìn)行優(yōu)化，選用PLS 計(jì)量方法建立相關(guān)參數(shù)模型——滾筒傾斜角度和攪拌棒旋轉(zhuǎn)速率模型，結(jié)果顯示，2 個(gè)模型的預(yù)測(cè)相關(guān)系數(shù)分別為0.95 和0.96，表明了模型的可靠性和近紅外技術(shù)在茶葉在線監(jiān)控方面具有良好的應(yīng)用前景。

近紅外光譜技術(shù)在茶葉加工過(guò)程中的應(yīng)用研究鮮少出現(xiàn)，國(guó)內(nèi)尚未見(jiàn)相關(guān)報(bào)道。若能將光譜技術(shù)應(yīng)用到綠茶的殺青、烏龍茶的做青與焙火、紅茶的發(fā)酵過(guò)程等，建立相關(guān)關(guān)鍵參數(shù)模型，基于茶葉原料屬性自動(dòng)判斷茶葉的最佳加工狀態(tài)，實(shí)現(xiàn)茶葉加工的高級(jí)自動(dòng)化和智能化，不僅可以節(jié)省人力物力資源，而且有利于茶葉生產(chǎn)的標(biāo)準(zhǔn)化和規(guī)范化，促進(jìn)中國(guó)茶葉經(jīng)濟(jì)發(fā)展。

2 高光譜技術(shù)在茶葉上的應(yīng)用現(xiàn)狀

高光譜技術(shù)從20 世紀(jì)80年代起逐漸進(jìn)入人們的視野。通過(guò)搭載在不同空間平臺(tái)上的高光譜傳感器，即成像光譜儀，在電磁波譜的紫外光、可見(jiàn)光、近紅外光和中紅外光區(qū)域，以大量細(xì)分的光譜波段對(duì)目標(biāo)材料進(jìn)行成像［18］，相比一般光譜分析可提取更多的光譜特征參數(shù)，更準(zhǔn)確、全面地表征被測(cè)物質(zhì)。高光譜技術(shù)起步于軍事領(lǐng)域，隨著高光譜圖像技術(shù)的出現(xiàn)和快速發(fā)展，在水稻、小麥、棉花、水果、肉類等農(nóng)產(chǎn)品品質(zhì)檢測(cè)方面已逐漸顯示出其突出優(yōu)勢(shì)［19－21］。

茶葉品質(zhì)指標(biāo)包括外部(色澤和外形等)和內(nèi)部品質(zhì)指標(biāo)(滋味和香氣等)。目前學(xué)術(shù)界在采用儀器分析茶葉綜合品質(zhì)時(shí)，多應(yīng)用光譜技術(shù)獲取茶葉的內(nèi)部品質(zhì)信息，借助計(jì)算機(jī)視覺(jué)技術(shù)反映茶葉的外部品質(zhì)特征［22］，尚未能利用單一的檢測(cè)手段全面地描述茶葉品質(zhì)，儀器檢測(cè)結(jié)果帶有不可避免的局限性，品質(zhì)評(píng)定結(jié)果必然會(huì)受到影響，易引起爭(zhēng)議。高光譜圖像技術(shù)是高光譜技術(shù)和圖像處理技術(shù)的融合，兼具光譜分析能力和圖像分辨能力，同時(shí)對(duì)茶葉內(nèi)外部品質(zhì)進(jìn)行檢測(cè)，對(duì)各種品質(zhì)特征進(jìn)行全面的可視化分析，增強(qiáng)茶葉品質(zhì)評(píng)定結(jié)果的可靠性和穩(wěn)定性，達(dá)到科學(xué)計(jì)量化的品質(zhì)評(píng)定要求。

2.1 茶葉內(nèi)質(zhì)成分的定量分析

趙杰文等［23］以茶樹(shù)鮮葉為分析對(duì)象，采集其高光譜圖像數(shù)據(jù)，提取相應(yīng)的光譜特征參數(shù)，結(jié)合葉綠素含量的參考測(cè)量值，并引入7 種高光譜圖像數(shù)據(jù)處理算法，建立相應(yīng)的定量模型。結(jié)果顯示，二次土壤調(diào)節(jié)植被指數(shù)(modified second soil-adjusted vegetation index，MSAVI2)模型的預(yù)測(cè)精度最高，其相關(guān)系數(shù)可達(dá)0.8323，表明了利用高光譜技術(shù)進(jìn)行茶葉葉綠素定量分析的可靠性，為進(jìn)一步分析茶葉成分及營(yíng)養(yǎng)素診斷提供依據(jù)。

2.2 茶葉品質(zhì)判別

迄今為止，高光譜技術(shù)在茶葉品質(zhì)評(píng)定和等級(jí)判別上的應(yīng)用多集中在綠茶上，如陳全勝等［24］以4 個(gè)等級(jí)的炒青綠茶為試驗(yàn)對(duì)象，采集茶葉高光譜圖像數(shù)據(jù)，優(yōu)選出3 個(gè)特征波長(zhǎng)下的18 個(gè)特征變量，進(jìn)行主成分分析，最終以8 個(gè)主成分建立的等級(jí)判別模型效果最佳，模型預(yù)測(cè)全樣本正判率達(dá)到94%。蔣帆等［25，26］分別應(yīng)用高光譜技術(shù)和高光譜—圖像結(jié)合技術(shù)提取不同等級(jí)龍井茶的光譜特征參數(shù)和圖像特征，并結(jié)合支持向量機(jī)計(jì)量方法，構(gòu)建龍井茶的等級(jí)識(shí)別模型，所建模型的識(shí)別率分別達(dá)到98.3%和89%，精度較高，判別結(jié)果較好。

我國(guó)六大茶類品質(zhì)各異，有些茶葉更有清香、濃香以及輕、重焙火之分，不利于我國(guó)茶葉的準(zhǔn)確定級(jí)。光譜技術(shù)在綠茶等級(jí)判別上的成功應(yīng)用為我國(guó)紅茶、烏龍茶、黑茶、白茶、黃茶的準(zhǔn)確定級(jí)提供了借鑒，對(duì)進(jìn)一步實(shí)現(xiàn)茶葉科學(xué)定級(jí)、完善茶葉標(biāo)準(zhǔn)體系，規(guī)范茶葉市場(chǎng)的運(yùn)行具有很大的促進(jìn)和帶動(dòng)作用。

3 小結(jié)和展望

隨著近紅外光譜技術(shù)和高光譜技術(shù)在茶葉上的應(yīng)用日益廣泛，某些應(yīng)用性及技術(shù)性問(wèn)題隨之出現(xiàn)，如分析對(duì)象大都以綠茶和少量紅茶、烏龍茶為主，針對(duì)其他茶類和品種的相關(guān)研究尚是空白;光譜分析對(duì)茶葉樣本要求嚴(yán)格，同一品種不同地域、季節(jié)或批次的茶葉對(duì)模型精度也會(huì)有影響，因此，樣品收集難度較大，模型具有局限性;光譜儀器的更新相對(duì)滯后，不能滿足研究需要，未來(lái)應(yīng)著重研制和生產(chǎn)更具針對(duì)性、便捷性、適宜在線成像的新型光譜設(shè)備，加快研究進(jìn)程。

迄今，近紅外光譜技術(shù)和高光譜技術(shù)在我國(guó)茶葉上的應(yīng)用已具備一定的前期基礎(chǔ)，宜擴(kuò)大光譜技術(shù)在茶葉上的應(yīng)用范圍，進(jìn)行多茶類、多品種及茶葉衍生品的品質(zhì)判別、質(zhì)量檢測(cè)及加工在線監(jiān)控，優(yōu)化光譜數(shù)據(jù)與化學(xué)計(jì)量學(xué)的結(jié)合條件等，以期建立一種科學(xué)、可量化的茶葉定量及定性分析方法，推進(jìn)我國(guó)茶葉標(biāo)準(zhǔn)化進(jìn)程，為我國(guó)在國(guó)際茶葉標(biāo)準(zhǔn)化領(lǐng)域爭(zhēng)取更多的話語(yǔ)權(quán)。

［1］陸婉珍.現(xiàn)代近紅外光譜分析技術(shù)［M］.2 版.北京:中國(guó)石化出版社，2007:1 －2.

［2］徐廣通，袁洪福，陸婉珍.現(xiàn)代近紅外光譜技術(shù)及應(yīng)用進(jìn)展［J］.光譜學(xué)與光譜分析，2002，20(2):134 －142.

［3］吉川聰一郎.用近紅外光光度法進(jìn)行茶葉品質(zhì)評(píng)價(jià):蒸青玉露茶和鍋炒玉露茶主要成分的分析［J］. 茶葉研究報(bào)告，1997，85(S1):88 －89.

［4］LUYPACERT J，ZHANG M H，MASSART D L. Feasibility study for the use of near infrared spectroscopy in the qualitative and quantitative analysis of green tea，Camellia sinensis (L.)［J］. Analytica Chimica Acta，2003，487:303 －312.

［5］閻守和，莫漢斯M·汪拜爾M·.用近紅外光譜法檢測(cè)茶纖維的研究［J］.茶葉科學(xué)，1987，7(1):45 －50.

［6］羅一帆，郭振飛，朱振宇，等.近紅外光譜測(cè)定茶葉中茶多酚和茶多糖的人工神經(jīng)網(wǎng)絡(luò)模型研究［J］.光譜學(xué)與光譜分析，2005，25(8):1230 －1233.

［7］REN G，WANG S，NING J，et al. Quantitative analysis and geographical traceability of black tea using Fourier transform nearinfrared spectroscopy (FT-NIRS)［J］. Food Research International，2013，53:822 －826.

［8］李閩榕，楊江帆.中國(guó)茶產(chǎn)業(yè)發(fā)展報(bào)告(2011)［M］.北京:社會(huì)科學(xué)文獻(xiàn)出版社，2011:89 －91.

［9］HE Y，LI X，DENG X. Discrimination of varieties of tea using nearing infrared spectroscopy by principal component analysis and BP model［J］. Journal of Food Engineering，2007，79:1238 －1242.

［10］CHEN Q，ZHAO J，F(xiàn)ANG C H，et al. Feasibility study on identification of green，black and Oolong teas using near-infrared reflectance spectroscopy based on support vector machine (SVM)［J］. Spectrochimica Acta Part A，2007，66:568 －574.

［11］陳波，靳保輝，梁宏，等.近紅外光譜技術(shù)與聚類分析鑒別中國(guó)名茶［J］.光譜實(shí)驗(yàn)室，2012，29(5):2901 －2905.

［12］HE W，ZHOU J，CHENG H，et al. Validation of origins of tea samples using partial least squares analysis and Euclidean distance method with near-infrared spectroscopy data［J］. Spectrochim Acta A Mol Biomol Spectrosc，2012，86:399 －404.

［13］廖步巖.近紅外光譜技術(shù)在茶葉鑒別中的應(yīng)用研究［D］.合肥:安徽農(nóng)業(yè)大學(xué)，2009.

［14］閻守和.評(píng)價(jià)茶品質(zhì)的近紅外光譜(NIRS)法［J］.上海茶葉，2005(3):19 －21.

［15］閻守和.應(yīng)用近紅外光譜法(NIRS)評(píng)估茶的品質(zhì)及其商品價(jià)［J］.上海茶葉，2005(4):20 －22.

［16］周小芬，葉陽(yáng)，周竹定，等.基于近紅外光譜法的大佛龍井茶品質(zhì)評(píng)價(jià)研究［J］.光譜學(xué)與光譜分析，2012，32(11):2971－2975.

［17］DAIKIO，TAKESHIB，YUICHI O，et al. Application of Fourier transform near-infrared spectroscopy to optimization of green tea steaming process conditions［J］. Journal of Bioscience and Bioengineering，2011，112(3):247 －251.

［18］ELACHI C. Introduction to the physics and techniques of remote sensing［M］. New York:John Wiley，1987:267 －268.

［19］MEHL M P，CHEN Y R，KIM M S. Development of hyperspectral imaging technique for the detection of apple surface defects and contaminations［J］. Food Engineering，2004，61(1):67 －81.

［20］劉占宇，祝增榮，趙敏，等.基于主成分分析和人工神經(jīng)網(wǎng)絡(luò)的稻穗健康狀態(tài)的高光譜識(shí)別［J］.浙江農(nóng)業(yè)學(xué)報(bào)，2011，23(3):607 －616.

［21］顧志宏.基于高光譜的大麥籽粒蛋白質(zhì)含量遙感預(yù)測(cè)［J］.光譜學(xué)與光譜分析，2012，32(2):435 －438.

［22］陳全勝，趙杰文，張海東，等.利用計(jì)算機(jī)視覺(jué)識(shí)別茶葉的色澤類型［J］.江蘇大學(xué)學(xué)報(bào):自然科學(xué)版，2005，26(6):1－4.

［23］趙杰文，王開(kāi)亮，歐陽(yáng)琴，等.高光譜技術(shù)分析茶樹(shù)葉片中葉綠素含量及分布［J］.光譜學(xué)與光譜分析，2011，31(2):512－515.

［24］陳全勝，趙杰文，蔡健榮，等.利用高光譜圖像技術(shù)評(píng)判茶葉的質(zhì)量等級(jí)［J］.光學(xué)學(xué)報(bào)，2008，28(4):669 －674.

［25］蔣帆，喬欣，鄭華軍.基于高光譜分析技術(shù)的機(jī)炒龍井茶等級(jí)識(shí)別方法［J］.農(nóng)業(yè)工程學(xué)報(bào)，2011，27(7):343 －347.

［26］蔣帆.基于高光譜和圖像技術(shù)的龍井茶葉品質(zhì)檢測(cè)方法研究［D］.杭州:浙江工業(yè)大學(xué)，2010.