白茶是我國(guó)六大茶類(lèi)之一，儲(chǔ)藏年份對(duì)白茶的經(jīng)濟(jì)價(jià)值具有重要影響，有著“一年茶，三年藥，七年寶”的說(shuō)法。有學(xué)者經(jīng)實(shí)驗(yàn)證實(shí)了采用基于高光譜成像技術(shù)判別分析白茶儲(chǔ)藏年份的無(wú)損檢測(cè)方法的可行性。本文對(duì)該實(shí)驗(yàn)以及相關(guān)研究成果進(jìn)行了簡(jiǎn)單介紹。

?

實(shí)驗(yàn)設(shè)備

在實(shí)際的操作中，可采用賽斯拜生產(chǎn)的高光譜相機(jī)進(jìn)行研究。光譜范圍在400-1000nm，波長(zhǎng)分辨率優(yōu)于2.5nm，可達(dá)1200個(gè)光譜通道。采集速度全譜段可達(dá)128FPS，波段選擇后最高3300Hz（支持多區(qū)域波段選擇）。

?

實(shí)驗(yàn)方法

通過(guò)對(duì)3、6、10年壽眉高光譜圖像感興趣區(qū)域光譜數(shù)據(jù)的提取，采用最小二乘平滑濾波、標(biāo)準(zhǔn)正態(tài)變換、歸一化、多元散射校正預(yù)處理算法，并用支持向量機(jī)、偏最小二乘聯(lián)合線(xiàn)性判定法、邏輯回歸建模對(duì)不同預(yù)處理后的光譜數(shù)據(jù)進(jìn)行判別分析。最后，通過(guò)分析混淆矩陣、精確率、召回率來(lái)評(píng)估模型性能。

?

實(shí)驗(yàn)結(jié)果

通過(guò)高光譜成像技術(shù)獲得450-998nm波段范圍內(nèi)的高光譜數(shù)據(jù)對(duì)儲(chǔ)藏年份為3、6、10年的壽眉樣本進(jìn)行無(wú)損檢測(cè)研究。采用Minmax、SGF、SNV、MSC4種算法來(lái)對(duì)壽眉原始光譜數(shù)據(jù)進(jìn)行預(yù)處理，并分別建立SVM、PLS-LDA、LR判別模型。建模結(jié)果表明，相較于線(xiàn)性模型PLS-LDA、LR，非線(xiàn)性模型SVM對(duì)于壽眉樣本的高光譜數(shù)據(jù)有更好的判別效果，說(shuō)明光譜數(shù)據(jù)和白茶儲(chǔ)藏年份之間的關(guān)系更可能是一個(gè)非線(xiàn)性關(guān)系，這與白茶中多種內(nèi)含成分在儲(chǔ)藏過(guò)程中不斷發(fā)生復(fù)雜的化學(xué)變化有關(guān)。本文所建立的SNV-SVM處理組合針對(duì)3、6、10年這三個(gè)年份的壽眉有較高的判別精確率以及較強(qiáng)的泛化能力，而對(duì)于判別其他品類(lèi)和其他年份的白茶還需后續(xù)進(jìn)一步研究。

分析結(jié)果表明，經(jīng)過(guò)標(biāo)準(zhǔn)正態(tài)變換預(yù)處理結(jié)合支持向量機(jī)所建立的模型判別效果最佳，訓(xùn)練集和測(cè)試集的精確率分別為90.83%和86.02%。由此可見(jiàn)，利用高光譜成像技術(shù)對(duì)白茶儲(chǔ)藏年份進(jìn)行快速無(wú)損的判別具有一定的可行性。

?

其他研究成果

高光譜成像技術(shù)是一種更高效、無(wú)損的檢測(cè)技術(shù)。近紅外光譜技術(shù)對(duì)待檢測(cè)的樣本有一定的要求，例如磨碎過(guò)篩，而高光譜成像技術(shù)則不需要。并且高光譜成像技術(shù)是成像技術(shù)和光譜技術(shù)的結(jié)合體，故可以同時(shí)獲得待測(cè)樣品的光譜信息和空間信息，以此檢測(cè)樣品的內(nèi)外品質(zhì)。目前高光譜成像技術(shù)在茶葉領(lǐng)域的研究主要集中在茶葉等級(jí)判別和茶類(lèi)判別。

于英杰等利用高光譜技術(shù)對(duì)不同等級(jí)的鐵觀(guān)音進(jìn)行判別，結(jié)合支持向量機(jī)的模型對(duì)未知的鐵觀(guān)音茶樣正確判別率可達(dá)92.86%。

李曉麗等結(jié)合高光譜成像儀和高效液相色譜法，建立光譜與表沒(méi)食子兒茶素沒(méi)食子酸酯（epigallocatechin gallate，EGCG）濃度之間的回歸模型，其最優(yōu)回歸模型的決定系數(shù)達(dá)到0.905。

李瑤等以蒙頂黃芽、竹葉青、甘露茶葉為實(shí)驗(yàn)對(duì)象，利用高光譜成像技術(shù)結(jié)合支持向量機(jī)建立茶葉品種判別模型和茶葉等級(jí)判別模型，其精確率分別達(dá)到了100%和96.67%。

Guangxin Ren等利用近紅外高光譜成像結(jié)合多決策樹(shù)的方法，對(duì)祁門(mén)工夫紅茶進(jìn)行了品質(zhì)和等級(jí)判別，比較了三種不同類(lèi)型的監(jiān)督?jīng)Q策樹(shù)算法，其中基于數(shù)據(jù)融合的細(xì)樹(shù)（fine tree，F(xiàn)T）模型預(yù)測(cè)效果最好，紅茶品質(zhì)的評(píng)價(jià)正確率達(dá)到93.13%。Zhiqi Hong等采用380~1030和874~1734nm兩個(gè)光譜范圍的高光譜成像系統(tǒng)對(duì)6個(gè)產(chǎn)地的龍井茶單葉進(jìn)行了產(chǎn)地判別，建立了支持向量機(jī)和偏最小二乘判別分析模型，在兩個(gè)光譜范圍內(nèi)均獲得了良好的分類(lèi)性能，校正集和預(yù)測(cè)集的總體分類(lèi)精確率均在84%以上。

?