本研究應(yīng)用了400-1000nm的高光譜相機(jī)，可采用廣東賽斯拜克科技有限公司產(chǎn)品SP130M進(jìn)行相關(guān)研究。

茶葉，作為世界三大飲料之一，具有悠久的歷史和豐富的文化內(nèi)涵。隨著科技的發(fā)展，茶葉生產(chǎn)與加工的技術(shù)也在不斷進(jìn)步。高光譜成像技術(shù)作為一種現(xiàn)代技術(shù)，在茶葉領(lǐng)域中發(fā)揮了重要的作用。本文將探討高光譜成像技術(shù)在茶葉中的應(yīng)用。

一、高光譜成像技術(shù)概述

高光譜成像技術(shù)是一種結(jié)合了光譜學(xué)和圖像學(xué)的技術(shù)，它能夠獲取樣品的光譜信息和圖像信息。高光譜成像系統(tǒng)通常包括一臺(tái)光譜儀和一臺(tái)攝像機(jī)，能夠同時(shí)獲取樣品的圖像和光譜信息。這種技術(shù)被廣泛應(yīng)用于環(huán)境監(jiān)測(cè)、農(nóng)業(yè)、醫(yī)學(xué)、食品科學(xué)等領(lǐng)域。

二、高光譜成像技術(shù)在茶葉中的應(yīng)用

1. 茶葉品質(zhì)檢測(cè)

高光譜成像技術(shù)可以用于茶葉品質(zhì)的檢測(cè)。通過(guò)分析茶葉的高光譜數(shù)據(jù)，可以提取出茶葉的特征信息，如葉綠素、類(lèi)胡蘿卜素、水分、茶多酚等成分的含量。這些特征信息可以用于構(gòu)建茶葉品質(zhì)的評(píng)價(jià)模型，實(shí)現(xiàn)茶葉品質(zhì)的快速、無(wú)損檢測(cè)。

2. 茶葉病蟲(chóng)害檢測(cè)

茶葉病蟲(chóng)害會(huì)嚴(yán)重影響茶葉的品質(zhì)和產(chǎn)量。高光譜成像技術(shù)可以用于檢測(cè)茶葉病蟲(chóng)害。通過(guò)對(duì)病蟲(chóng)害葉片的高光譜數(shù)據(jù)進(jìn)行建模和分析，可以提取出病蟲(chóng)害的特征信息，從而實(shí)現(xiàn)病蟲(chóng)害的早期發(fā)現(xiàn)和防治。

3. 茶葉種植決策支持

高光譜成像技術(shù)可以用于茶葉種植的決策支持。通過(guò)對(duì)茶葉生長(zhǎng)環(huán)境的監(jiān)測(cè)和分析，可以獲取茶葉的生長(zhǎng)狀況、土壤養(yǎng)分狀況等信息，為茶葉種植的決策提供科學(xué)依據(jù)。

4. 茶葉加工過(guò)程監(jiān)控

高光譜成像技術(shù)可以用于茶葉加工過(guò)程的監(jiān)控。在茶葉加工過(guò)程中，通過(guò)對(duì)加工原料和加工產(chǎn)品的光譜信息和圖像信息進(jìn)行實(shí)時(shí)監(jiān)測(cè)和分析，可以實(shí)現(xiàn)茶葉加工過(guò)程的自動(dòng)化控制和產(chǎn)品質(zhì)量的有效監(jiān)控。

三、高光譜成像技術(shù)在茶葉中的應(yīng)用研究

高光譜成像技術(shù)在茶葉中的應(yīng)用尚處于試驗(yàn)發(fā)展階段，通常采用對(duì)原始光譜信息前處理后，利用原始光譜反射率、一階導(dǎo)數(shù)光譜反射率、光譜紋理特征參數(shù)及相應(yīng)轉(zhuǎn)換等作為自變量，運(yùn)用偏最小二乘法、徑向基函數(shù)（RBF）、支持向量機(jī)、多元回歸等算法，建立茶鮮葉葉綠素、成茶品質(zhì)指標(biāo)等為因變量的預(yù)測(cè)模型，通過(guò)反演，對(duì)茶樹(shù)的生長(zhǎng)和茶葉品質(zhì)及茶類(lèi)識(shí)別進(jìn)行估算和檢測(cè)。目前相關(guān)研究主要集中于茶樹(shù)栽培管理監(jiān)測(cè)、茶葉等級(jí)劃分和茶類(lèi)識(shí)別。

3.1 栽培管理監(jiān)測(cè)

葉綠素是植物葉片的基本組成物質(zhì)，通過(guò)對(duì)光能的吸收、傳遞和轉(zhuǎn)化等作用實(shí)現(xiàn)對(duì)植物生長(zhǎng)發(fā)育營(yíng)養(yǎng)來(lái)源的供應(yīng)，其含量的高低可間接反映植物生長(zhǎng)狀況、光合作用及抗逆性能力，因此，葉綠素可作為植物生長(zhǎng)和環(huán)境脅迫等方面的敏感指示器；同時(shí)，葉綠素是綠茶外觀和葉底的主要呈色物質(zhì)，對(duì)綠茶或其他茶類(lèi)品質(zhì)的形成具有重要作用，因此，對(duì)其含量及分布的在線、無(wú)損檢測(cè)對(duì)茶樹(shù)生長(zhǎng)勢(shì)檢測(cè)、估產(chǎn)、營(yíng)養(yǎng)診斷、施肥及茶葉加工等方面具有重要的指導(dǎo)意義。葉綠素含量檢測(cè)通常采用分光光度法，但該方法檢測(cè)時(shí)存在耗時(shí)、費(fèi)力、有損等不足，無(wú)損檢測(cè)方法多集中于近紅外光譜法、葉綠素?zé)晒鈾z測(cè)法等。近紅外光譜是基于特定波長(zhǎng)范圍下對(duì)應(yīng)化合物基團(tuán)（如C-H、N-H、O-H等）對(duì)光能吸收產(chǎn)生的圖譜，而熒光檢測(cè)是基于物質(zhì)原子或分子吸收電磁輻射后受激發(fā)而發(fā)射出的特征輻射形成的檢測(cè)方法，兩者均存在吸收強(qiáng)度弱、檢測(cè)范圍局限等缺點(diǎn)。此外，近紅外光譜檢測(cè)和熒光檢測(cè)技術(shù)的光譜采集方式實(shí)則為高光譜成像技術(shù)光譜采集方式中的2種，而該技術(shù)光譜采集中其他采集方式，如透射、散射等以及從紫外到中紅外的更寬的光譜覆蓋面將會(huì)獲取待測(cè)物更多的目標(biāo)信息，因此融合光譜數(shù)據(jù)和圖像數(shù)據(jù)信息的高光譜成像技術(shù)可以彌補(bǔ)常規(guī)方法對(duì)葉面葉綠素含量及其分布檢測(cè)的不足。該技術(shù)在柑橘、油菜、南瓜等農(nóng)作物葉片葉綠素含量及分布進(jìn)行了成功的反演，但在茶葉領(lǐng)域的相關(guān)研究相對(duì)較少。

圖2 第5、6片葉綠素含量與原始光譜和一階導(dǎo)數(shù)光譜間的相關(guān)系數(shù)圖

孔慶波等研究發(fā)現(xiàn)，鐵觀音第5、第6片葉的葉綠素含量與716nm處的原始光譜反射率（R716）和640nm處的一階導(dǎo)數(shù)光譜反射率（DV640）具有相對(duì)較高的相關(guān)系數(shù)，其中單變量模型以DV640建立的逆函數(shù)模型最佳，擬合R2值最大；趙杰文等利用高光譜分析茶樹(shù)葉片葉綠素含量及其分布發(fā)現(xiàn)，采用的7種光譜圖像數(shù)據(jù)處理算法中，二次土壤調(diào)節(jié)植被指數(shù)（MSAVI2）算法提取的特征參數(shù)與葉綠素參考測(cè)量結(jié)果建立的回歸預(yù)測(cè)模型具有較好的校正和預(yù)測(cè)結(jié)果，在去除光譜本身分辨率、葉緣起伏造成反射不均等因素后，基于MSAVI2預(yù)測(cè)模型也可較為準(zhǔn)確的估算出葉表面葉綠素分布情況；王開(kāi)亮對(duì)葉綠素含量預(yù)測(cè)和分布的相似研究發(fā)現(xiàn)，依據(jù)高光譜數(shù)據(jù)的光譜信息建立的無(wú)信息變量消除連續(xù)投影PLS和聯(lián)合區(qū)間偏最小二乘法（siPLS）預(yù)測(cè)模型對(duì)葉綠素含量和分布具有較好的預(yù)測(cè)效果，而依據(jù)光譜數(shù)據(jù)圖像信息，采用主成分分析選取特征波長(zhǎng)后，依據(jù)灰度統(tǒng)計(jì)矩算法建立的葉綠素含量預(yù)測(cè)優(yōu)于灰度共生矩陣預(yù)測(cè)模型。

此外，茶葉中氮素是合成蛋白質(zhì)和葉綠素的重要組成部分，通過(guò)參與酶的合成直接或間接的影響茶樹(shù)代謝和生長(zhǎng)發(fā)育，尤其是對(duì)茶葉氨基酸種類(lèi)和含量具有重要作用，最終影響成茶香氣種類(lèi)和滋味鮮爽度，因此，茶樹(shù)氮素營(yíng)養(yǎng)狀況的檢測(cè)也是茶樹(shù)栽培管理的重要內(nèi)容之一。目前，傳統(tǒng)氮素測(cè)量方法有凱氏定氮法，測(cè)量過(guò)程較為繁瑣，其余方法有肥料窗口法和葉色卡片法，但都屬于定性和半定量方法，而之后研究開(kāi)發(fā)的葉綠素儀也受作物品種、成熟階段、測(cè)量葉位等差異影響。有研究指出，水稻葉片氮含量的敏感波段為綠光（525~605nm）、黃光（605~655nm）、短波近紅外光（750~1100nm）；胡永光等研究發(fā)現(xiàn)，在可見(jiàn)-近紅外光譜范圍內(nèi)，去除1350~1400、1800~1920、2400~2500nm波段后，通過(guò)一階導(dǎo)數(shù)與滑動(dòng)平均濾波相結(jié)合的預(yù)處理方法，然后結(jié)合PCA建立的PLSR模型對(duì)茶樹(shù)鮮葉全氮量預(yù)測(cè)效果最好?；谙嗨圃?，高光譜成像技術(shù)茶鮮葉全氮量的測(cè)量將更具客觀性和整體性。

3.2 病蟲(chóng)害管理監(jiān)測(cè)

茶樹(shù)遭遇病蟲(chóng)害侵襲后，葉面部分區(qū)域的色素含量或完整性會(huì)發(fā)生變化形成病斑，而未受侵害區(qū)域仍保持正常色澤，且侵害部位隨危害程度呈階段性變化。如茶炭疽病感染后，茶葉病斑由暗綠色向褐色（或紅褐色）最后呈灰白色變化，發(fā)病部位由葉緣（或葉尖）沿葉脈蔓延擴(kuò)大；茶尺蠖幼蟲(chóng)取食嫩葉成花斑，稍大后咬食葉片成“C”型，而后開(kāi)始取食全葉，隨著成蟲(chóng)密度增大，為害部位由嫩葉、老葉至嫩莖擴(kuò)散。由此，對(duì)病蟲(chóng)害的早期診斷與預(yù)防對(duì)保證茶葉品質(zhì)和產(chǎn)量顯得尤為重要。目前，傳統(tǒng)的檢測(cè)方法需要人工觀察氣候條件或葉片變化以及對(duì)各種病蟲(chóng)害的系統(tǒng)進(jìn)行識(shí)別，這對(duì)觀察人員的專業(yè)素養(yǎng)要求較高，也存在工作量大、周期長(zhǎng)、信息反饋滯后等缺點(diǎn)，而常規(guī)光譜技術(shù)采集信息包含整體區(qū)域的光譜反射值，影響分析和建模的準(zhǔn)確性。高光譜成像技術(shù)可以對(duì)目標(biāo)的影像信息和光譜信息進(jìn)行同步采集，可更為直觀、準(zhǔn)確、動(dòng)態(tài)地分析特定區(qū)域的物質(zhì)結(jié)構(gòu)、化學(xué)組成及危害程度，現(xiàn)已在水稻穗瘟病害程度分級(jí)、菜青蟲(chóng)生命狀態(tài)檢測(cè)、芒果果蠅侵害程度識(shí)別等農(nóng)作物病蟲(chóng)害檢測(cè)中得到應(yīng)用。

圖１ 不同受害程度茶樹(shù)葉片光譜反射率

劉建雄等對(duì)茶尺蠖啃食的茶園高光譜對(duì)比分析發(fā)現(xiàn)，茶園部分光譜特征參數(shù)與葉面積指數(shù)存在相關(guān)性，其中以紅邊峰區(qū)一階導(dǎo)數(shù)積分值的擬合回歸模型的相關(guān)系數(shù)最高，達(dá)0.995，所建立預(yù)測(cè)模型的預(yù)測(cè)值與實(shí)際值相關(guān)系數(shù)達(dá)0.93，平均相對(duì)誤差為4.46%，由此提出可以利用高光譜遙感技術(shù)對(duì)產(chǎn)業(yè)化和規(guī)?；鑸@的茶尺蠖危害程度進(jìn)行監(jiān)測(cè)。伍南等研究表明，利用高光譜參數(shù)反演油茶炭疽病病情具有可行性；王曉慶等研究發(fā)現(xiàn)，茶樹(shù)崇枇71-1受炭疽病脅迫程度與葉片高光譜反射率存在敏感波段為742~974nm和1374~2500nm，而與光譜反射率的一階微分轉(zhuǎn)換后又存在2個(gè)敏感波段，分別為715~763nm和776~778nm，且基于一階微分值的植被指數(shù)（Rg-Rr）/（Rg+Rr）對(duì)炭疽病危害程度具有較好的預(yù)測(cè)效果。綜上，高光譜成像技術(shù)在茶樹(shù)病蟲(chóng)害的應(yīng)用研究?jī)H涉及茶尺蠖和茶炭疽病，因此其具有很大的發(fā)展前景。而茶樹(shù)受病害和蟲(chóng)害（食葉類(lèi)、吸汁類(lèi)）侵襲后的病理特征所表現(xiàn)出的特殊光譜反射率和圖像紋理參數(shù)，為病蟲(chóng)害程度的預(yù)測(cè)和綜合防治提供了數(shù)據(jù)基礎(chǔ)，也為下一步開(kāi)展田間病蟲(chóng)害提供了重要的理論依據(jù)和指導(dǎo)，但田間茶園冠層高光譜值受外界干擾因素較多，其診斷模型的推廣還需進(jìn)一步校正。

3.3 生產(chǎn)加工監(jiān)測(cè)

茶葉生產(chǎn)加工的在線監(jiān)測(cè)為實(shí)現(xiàn)生產(chǎn)連續(xù)化、自動(dòng)化乃至智能化奠定了基礎(chǔ)，目前茶葉加工過(guò)程仍側(cè)重于工藝改善和品質(zhì)成分的化學(xué)檢測(cè)，而儀器化的在線監(jiān)測(cè)技術(shù)仍處于發(fā)展階段。已有的茶葉加工在線監(jiān)測(cè)多為電子鼻技術(shù)、機(jī)器視覺(jué)、近紅外等，而針對(duì)高光譜成像技術(shù)的茶葉加工監(jiān)測(cè)鮮有報(bào)道。含水量是保證茶葉生產(chǎn)加工有序進(jìn)行和成茶品質(zhì)等級(jí)的重要評(píng)價(jià)指標(biāo)，如綠茶殺青葉失水快慢及殺青老嫩程度、紅茶萎調(diào)葉失水快慢及程度等都將直接制約后續(xù)做形、干燥工序，并對(duì)成茶色澤、香氣、滋味等內(nèi)含品質(zhì)產(chǎn)生重要影響，因此，含水量的實(shí)時(shí)檢測(cè)對(duì)茶葉生產(chǎn)的連續(xù)化和自動(dòng)化意義重大。實(shí)際生產(chǎn)中，茶葉含水量的檢測(cè)以眼觀、手摸等感官為主，經(jīng)驗(yàn)性較強(qiáng)，而基于電特性參數(shù)和近紅外光譜的檢測(cè)技術(shù)具有一定局限性，如基于電特性參數(shù)的預(yù)測(cè)模型對(duì)原料外觀形狀、溫度、壓緊程度、測(cè)試電頻、制品含水量范圍等要求較高，檢測(cè)范圍和精準(zhǔn)度較差，近紅外光譜主要檢測(cè)目標(biāo)成分的光譜反射率變化，但在實(shí)際生產(chǎn)加工中，茶葉失水同時(shí)伴隨外觀紋理特征的變化（如外形尺寸、色澤等），需要機(jī)器視覺(jué)輔助檢測(cè)，而高光譜成像技術(shù)的應(yīng)用正好綜合了這兩者的優(yōu)勢(shì)。

李浬從龍井茶近紅外高光譜圖像中遴選出特征波段，并分別使用灰度共生矩陣法（GLCM）、灰度游程法（GLRLM）及三維Gabor過(guò)濾器法（TDGF）提取紋理特征值，基于光譜特征和紋理特征分別采用主成分分析與偏最小二乘法回歸結(jié)合模型和連續(xù)投影分析與偏最小二乘法回歸結(jié)合模型對(duì)其含水率進(jìn)行預(yù)測(cè)，取得了良好的預(yù)測(cè)效果。陳培培采用主成分分析法提取綠茶殺青葉料特征波長(zhǎng)，然后根據(jù)共生矩陣方法提取出6個(gè)灰度特征值和5個(gè)紋理特征值，最后綜合灰度和紋理特征值進(jìn)行主成分回歸、神經(jīng)網(wǎng)絡(luò)以及SVM回歸分析預(yù)測(cè)殺青葉含水量，結(jié)果表明SVM回歸模型效果較好，且相關(guān)系數(shù)為0.8566、均方根誤差為0.0401。茶葉加工過(guò)程在制品外觀紋理和品質(zhì)成分的變化為高光譜成像技術(shù)的應(yīng)用奠定了物質(zhì)基礎(chǔ)，今后可促進(jìn)該技術(shù)在茶葉領(lǐng)域更多后續(xù)研究的開(kāi)展，實(shí)現(xiàn)生產(chǎn)效率和生產(chǎn)品質(zhì)的提高，以滿足不同消費(fèi)需求。