基于近紅外光譜技術(shù)的茶葉質(zhì)量過程控制研究進(jìn)展

蔡海蘭 李琛 楊普香

(江西省蠶桑茶葉研究所 330203)

基于近紅外光譜技術(shù)的茶葉質(zhì)量過程控制研究進(jìn)展

蔡海蘭 李琛 楊普香*

(江西省蠶桑茶葉研究所 330203)

綜述了目前近紅外光譜技術(shù)在茶鮮葉原料的控制、加工過程控制、成品檢驗中的研究進(jìn)展，并對該技術(shù)在此領(lǐng)域的應(yīng)用前景進(jìn)行展望，以期為近紅外光譜技術(shù)在茶葉方面更廣闊的應(yīng)用提供參考。

近紅外光譜技術(shù)；茶葉；質(zhì)量過程控制

質(zhì)量過程控制是保證茶葉品質(zhì)的核心。目前，對茶葉的質(zhì)量控制還停留在以人為主體，通過抽樣檢測階段。這種傳統(tǒng)的質(zhì)量控制模式可控性差，茶葉質(zhì)量的安全性和穩(wěn)定性難以得到保證。近紅外光譜技術(shù)是一種快速、無損的綠色分析技術(shù)，非常適合于生產(chǎn)中各質(zhì)量控制環(huán)節(jié)的實時快速分析和過程監(jiān)控，因此，在茶葉領(lǐng)域中發(fā)展極為迅速。本文對近年近紅外光譜技術(shù)在茶葉質(zhì)量控制過程中的研究進(jìn)展進(jìn)行回顧，分析近紅外光譜在茶葉質(zhì)量控制研究中存在的問題并對其發(fā)展趨勢進(jìn)行展望。

1 近紅外光譜技術(shù)的概述

近紅外光是介于可見光與中紅外區(qū)之間，波長在780～2 526nm 范圍內(nèi)的電磁波。近紅外光譜主要是對樣品中含氫基團(tuán)(C-H、O-H、N-H等) 振動的倍頻、合頻以及差頻的疊加吸收，蘊(yùn)涵著樣品分子結(jié)構(gòu)、組成狀態(tài)等信息，從而為樣品的物理性質(zhì)以及化學(xué)成分的定量或定性分析提供可能[1]。

與傳統(tǒng)的分析技術(shù)相比，近紅外光譜技術(shù)不破壞樣品，無需對樣品作預(yù)處理或預(yù)處理簡單，不需要化學(xué)試劑，能夠?qū)崟r反映物料狀態(tài)，因此可在茶葉生產(chǎn)過程各環(huán)節(jié)進(jìn)行實時快速分析和過程監(jiān)控，以實現(xiàn)茶葉質(zhì)量全過程控制。目前，近紅外光譜技術(shù)在茶鮮葉原料的控制、加工過程的控制、成品茶的檢驗中均有研究。

2 在鮮葉原料控制中的研究

2.1 茶鮮葉的品質(zhì)分析

鮮葉質(zhì)量是確保茶葉最終品質(zhì)的基礎(chǔ)。2010年，王勝鵬等[2]提出了一種以質(zhì)量系數(shù)(含水量×全氮量÷粗纖維量)作為茶鮮葉質(zhì)量的判別準(zhǔn)則，通過近紅外光譜技術(shù)檢測茶鮮葉相關(guān)內(nèi)含物含量評價其嫩度的方法，初步實現(xiàn)了茶鮮葉質(zhì)量的快速準(zhǔn)確評價。安徽農(nóng)業(yè)大學(xué)團(tuán)隊[3]以黃山毛峰茶鮮葉為研究對象，建立了黃山毛峰茶鮮葉含水率、全氮量、粗纖維含量和等級的近紅外預(yù)測模型，研發(fā)了一種茶鮮葉質(zhì)量近紅外光譜分析儀，并將此設(shè)備成功投入在黃山毛峰茶連續(xù)化生產(chǎn)線中[4]。

2.2 茶鮮葉的產(chǎn)地鑒別分析

茶鮮葉售價以質(zhì)量和產(chǎn)地定價。對茶鮮葉進(jìn)行產(chǎn)地鑒別分析，可實現(xiàn)鮮葉原料的產(chǎn)地可控。王勝鵬等[5]以湖北省恩施州芭蕉鄉(xiāng)、白果鄉(xiāng)和咸豐縣茶鮮葉為研究對象，利用主成分分析法結(jié)合人工神經(jīng)網(wǎng)絡(luò)建立模型進(jìn)行產(chǎn)地鑒別，判別率達(dá)100%，實現(xiàn)了對恩施玉露茶產(chǎn)地的快速、準(zhǔn)確判別，也為其它地理標(biāo)志產(chǎn)品的品質(zhì)控制提供了一種有益探索。

2.3 鮮葉收購價格評估

在茶鮮葉收購時，一般是利用收購者的嗅覺、視覺和觸覺等感覺器官來判定鮮葉價格，此方法的主觀性大，易產(chǎn)生誤差。王勝鵬等[6]應(yīng)用近紅外光譜技術(shù)結(jié)合人工神經(jīng)網(wǎng)絡(luò)方法和聯(lián)合區(qū)間偏最小二乘法，建立了恩施玉露原產(chǎn)地鮮葉收購價格的預(yù)測模型，為快速、準(zhǔn)確、客觀地評估鮮葉收購價格提供了一種新思路。

3 在茶葉加工過程控制中的應(yīng)用

鮮葉原料是制茶的基礎(chǔ)，而加工技術(shù)則是確保制茶品質(zhì)的關(guān)鍵。目前，絕大部分茶葉生產(chǎn)加工過

程多依賴于有經(jīng)驗的茶葉加工師傅，過程控制的人為因素影響著茶葉品質(zhì)的穩(wěn)定。近紅外光譜分析技術(shù)的出現(xiàn)，可及時測定茶葉在制品的質(zhì)量指標(biāo)，增進(jìn)工藝過程理解，為后續(xù)加工工藝提供參考。利用近紅外光譜技術(shù)在茶葉生產(chǎn)過程的研究主要集中在茶葉含水量的在線檢測方面，如對紅茶干燥、綠茶殺青及初制、花茶窨制等過程含水率檢測[7～10]。基于近紅外光譜在線檢測含水量技術(shù)，寧井銘等[11]設(shè)計了殺青自動化控制生產(chǎn)線，通過與PLC控制系統(tǒng)相結(jié)合，解決了殺青中因鮮葉大小、季節(jié)差異以及內(nèi)部含水量的不同影響殺青葉質(zhì)量的問題；陳壽松等[12]將茶葉含水率近紅外在線檢測裝置應(yīng)用于烏龍茶精加工生產(chǎn)線中，探明了茶葉輸送帶動靜狀態(tài)、攤?cè)~厚度、測量高度、茶葉等級等因素對測定茶葉含水率精確度的影響。

除了在線監(jiān)測茶葉含水量，對茶葉在制品其他質(zhì)量指標(biāo)的監(jiān)測研究也在初步探索。張成等[13]應(yīng)用近紅外光譜偏最小二乘法，建立了紅茶烘焙過程中茶紅素的定量預(yù)測模型，較為準(zhǔn)確地預(yù)測樣品中茶紅素質(zhì)量分?jǐn)?shù)，為建立一種紅茶品質(zhì)數(shù)字化評價方法提供參考。寧井銘等[14]提出了利用近紅外光譜結(jié)合人工神經(jīng)網(wǎng)絡(luò)的方法，構(gòu)建普洱茶發(fā)酵程度鑒別模型，能夠?qū)ζ斩璋l(fā)酵程度進(jìn)行控制。該團(tuán)隊[15]還利用近紅外光譜技術(shù)結(jié)合聯(lián)合區(qū)間偏最小二乘法建立祁門紅茶加工過程中氨基酸與兒茶素含量動態(tài)變化檢測模型，為茶葉加工過程中品質(zhì)在線檢測提供了理論依據(jù)。

我國近紅外技術(shù)在茶葉加工過程中的實際應(yīng)用還有待開發(fā)，未來可利用近紅外品質(zhì)相關(guān)模型與茶葉生產(chǎn)加工過程中的控制系統(tǒng)相結(jié)合建立茶葉生產(chǎn)過程的在線監(jiān)測系統(tǒng)，實現(xiàn)對茶葉生產(chǎn)過程中的成分動態(tài)變化的實時監(jiān)控。

4 在成品茶檢驗中的應(yīng)用

4.1 成品茶的產(chǎn)地溯源

俗話說“高山云霧出好茶”，茶葉的品質(zhì)特性與原料的產(chǎn)地密切相關(guān)。不同產(chǎn)地來源的農(nóng)產(chǎn)品，因其氣候、土壤、水質(zhì)等生長環(huán)境的不同，導(dǎo)致農(nóng)產(chǎn)品中有機(jī)成分的組成和含量存在差異，而這些成分的差異可反映在近紅外光譜上[16]。因此，基于近紅外光譜技術(shù)構(gòu)建茶葉之間的差異性模型可達(dá)到產(chǎn)地溯源的目的。隨著茶葉產(chǎn)地品牌保護(hù)意識的提高，基于近紅外技術(shù)建立的茶葉產(chǎn)地判別模型方面的研究不斷(見表1)，且模型的判別率高。但在研究中也發(fā)現(xiàn)茶葉的年份、環(huán)境、保存條件等外界因素極容易導(dǎo)致NIR模型的不適應(yīng)，影響產(chǎn)地判別的準(zhǔn)確性[17]。因此在后續(xù)研究中研究者還應(yīng)該對所建立的茶葉產(chǎn)地判別模型進(jìn)行維護(hù)，對模型的適應(yīng)性進(jìn)一步深入研究。

4.2 茶葉種類識別

近紅外光譜與適合的化學(xué)計量學(xué)方法相結(jié)合，可以成功應(yīng)用于不同茶類間的判別、同一茶類不同品類間以及同一品類不同原料品種間的判別。對于綠茶、紅茶和烏龍茶，Chen等[32]、蔡健榮等[33]、陳全勝等[34]分別采用了結(jié)合支持向量機(jī)、K最近鄰法、SIMCA模式識別原理實現(xiàn)茶類的精確判別。張龍等[35]基于主成分分析和典則判別分析對不同發(fā)酵類型茶葉(綠茶、烏龍茶、紅茶、黑茶)進(jìn)行了較好的分類，同時獲取了茶葉各組分近紅外吸收在判別分析中的貢獻(xiàn)。采用主成分分析法結(jié)合神經(jīng)網(wǎng)絡(luò)技術(shù)，李曉麗等[36]對綠茶類的西湖龍井、浙江龍井、羊巖勾青、雪水云綠、廬山云霧實現(xiàn)判別；廖步巖等[37]采用主成分分析和系統(tǒng)聚類方法在毛峰與炒青的鑒別上也取得了較為滿意的結(jié)果。周健等[38]采用主成分分析和系統(tǒng)聚類等分析方法實現(xiàn)了對滇青、青餅和普洱茶(熟餅)定性判別。同時，周健等[39～40]基于近紅外對成品茶原料品種(龍井43、群體種、迎霜和烏牛早)進(jìn)行了識別，證實了近紅外識別原料品種的可行性。程權(quán)等[41]采用近紅外光譜技術(shù)結(jié)合PCA-歐氏距離分類同樣對加工工藝相同的幾種閩南烏龍茶品種進(jìn)行了快速識別。

4.3 成品茶生產(chǎn)時間的判別

目前，利用近紅外光譜對成品茶的年份鑒別還處起步階段，其相關(guān)報道較少。但相關(guān)報道結(jié)果均表明，不同年份茶樣的近紅外光譜在峰形、吸收峰強(qiáng)度、峰頻率等方面均存在明顯不同。隨著茶葉年份的增加，其內(nèi)含主要化學(xué)成分不斷減少，近紅外光的吸收值和波峰的尖銳程度也不斷減少。唐林等[42]采用近紅外光譜分析技術(shù)，對54份6個不同年份的普洱茶進(jìn)行聚類分析，識別準(zhǔn)確率為94.444%。馬健[43]利用近紅外光譜法和聚類分析法對40份不同年份的信陽毛尖茶葉進(jìn)行分類和預(yù)測，發(fā)現(xiàn)其聚類特性明顯，識別準(zhǔn)確率為100%。王勝鵬等[44]應(yīng)用近紅外光譜結(jié)合主成分分析法和最小二乘支持向量機(jī)法建立恩施玉露茶保存年份的預(yù)測模型，該模型較為準(zhǔn)確地預(yù)測了驗證集的儲藏年份。周建[45]基于近紅外采用PLS法實現(xiàn)了對以某一天為界限的茶葉生產(chǎn)時間的精確識別。

表1 近紅外光譜技術(shù)在成品茶產(chǎn)地溯源中的應(yīng)用

4.4 茶葉的品質(zhì)評價與定級定價

潘燕飛[46]以花茶、綠茶、普洱茶、烏龍茶為研究對象，發(fā)現(xiàn)不同等級中茶葉品質(zhì)的差異會導(dǎo)致特征譜帶出現(xiàn)波數(shù)、強(qiáng)度、形狀的明顯差異，這為不同品質(zhì)茶葉的鑒別提供有力的依據(jù)。2005年，閻守和[47]應(yīng)用近紅外光譜法評估了茶廠生產(chǎn)產(chǎn)品分級的合理性以及試評日本綠茶和德國紅茶的市場價格與其品質(zhì)的相關(guān)性。利用近紅外光譜技術(shù)結(jié)合人工神經(jīng)網(wǎng)，馬池忠等[48]建立了茶葉品質(zhì)因子與茶葉等級之間的復(fù)雜模型。吳瑞梅等[49]以綠茶滋味化學(xué)鑒定法作為參考測量，利用近紅外光譜技術(shù)對綠茶茶湯滋味單因子品質(zhì)進(jìn)行快速評價，結(jié)果表明近紅外光譜技術(shù)檢測綠茶滋味品質(zhì)是可行的。周小芬[50]和劉洪林等[51]利用該技術(shù)進(jìn)一步對茶葉綜合品質(zhì)的系統(tǒng)評價進(jìn)行了研究，分別得到了大佛龍井和工夫紅茶的干茶色澤、湯色、香氣、滋味、葉底多個單因子及各因子總分的定量分析模型，證明了近紅外光譜客觀評價技術(shù)與感官評價的一致性。

5 展望

我國茶葉品類繁多，其工藝的獨(dú)特性和復(fù)雜的物質(zhì)基礎(chǔ)給茶葉的質(zhì)量控制帶來了巨大的挑戰(zhàn)。近紅外光譜分析技術(shù)與傳統(tǒng)分析手段相比有著不可比擬的優(yōu)勢，其快速、非破壞性、無污染、重現(xiàn)性好、整體分析等優(yōu)點(diǎn)非常適合對復(fù)雜體系的分析處理和重復(fù)性大樣本的分析，非常適合于茶葉質(zhì)量的控制。目前，近紅外技術(shù)在茶葉質(zhì)量控制上的研究還處于起步階段，要從實驗室走向生產(chǎn)實際還有很多的問題需要解決，近紅外光譜分析技術(shù)在許多方面還可以發(fā)揮作用。比如，能否根據(jù)每類茶的工藝特點(diǎn)，建立一套完善的近紅外在線檢測體系，實時監(jiān)控茶葉生產(chǎn)加工過程；能否通過分析原料及在制品加工過程中物理性質(zhì)及關(guān)鍵性化學(xué)成分指標(biāo)變化來控制茶葉的質(zhì)量狀況，建立完善的近紅外檢測茶葉的模型庫并不斷擴(kuò)充模型。這些研究成果應(yīng)用到生產(chǎn)實際中將會對茶葉質(zhì)量的可控性和穩(wěn)定性起到積極推動作用。

[1]嚴(yán)衍祿. 近紅外光譜分析基礎(chǔ)與應(yīng)用[M]. 中國輕工業(yè)出版社, 2005.

[2]王勝鵬, 宛曉春, 林茂先, 等. 基于水分、全氮量和粗纖維含量的茶鮮葉原料質(zhì)量近紅外評價方法[J]. 茶葉科學(xué), 2011, 31(1): 66～71.

[3]王曼, 張正竹, 寧井銘, 等. 基于近紅外光譜的黃山毛峰茶鮮葉品質(zhì)分析及等級快速評價[J]. 食品工業(yè)科技, 2014, 35(22): 57～60.

[4]任廣鑫, 寧井銘, 吳衛(wèi)國, 等. 黃山毛峰茶連續(xù)化生產(chǎn)線加工工藝參數(shù)的研究[J]. 安徽農(nóng)業(yè)大學(xué)學(xué)報, 2013, 40(1): 124～129.

[5]王勝鵬, 龔自明, 高士偉, 等. 近紅外光譜結(jié)合神經(jīng)網(wǎng)絡(luò)判別茶鮮葉產(chǎn)地[J]. 中國計量學(xué)院學(xué)報, 2014, 25(4): 419～423.

[6]王勝鵬, 龔自明. 近紅外光譜技術(shù)的恩施玉露原產(chǎn)地鮮葉收購價格評估[J]. 中國計量學(xué)院學(xué)報, 2016(2): 167～171.

[7]陳琳, 董春旺, 高明珠, 等. 基于近紅外光譜的紅茶干燥中含水率無損檢測方法[J]. 茶葉科學(xué), 2016, 36(2): 184～190.

[8]胡永光, 陳培培, 趙夢龍. 綠茶殺青葉料含水率可見-近紅外光譜檢測[J]. 農(nóng)業(yè)機(jī)械學(xué)報, 2013, 44(8): 174～179.

[9]李曉麗, 程術(shù)希, 何勇. 基于漫反射光譜的初制綠茶含水率無損檢測方法[J]. 農(nóng)業(yè)工程學(xué)報, 2010 (5): 195～201.

[10]蔣迎. 傅里葉變換近紅外光譜對花茶窨制過程的水分測定方法[J]. 中國茶葉, 2003, 25(5): 24～25.

[11]寧井銘, 孫磊, 張正竹, 等. 基于近紅外技術(shù)的綠茶殺青自動控制系統(tǒng)設(shè)計與試驗[J]. 安徽農(nóng)業(yè)大學(xué)學(xué)報, 2013, 40(6): 899～902.

[12]陳壽松, 鄭功宇, 金心怡, 等. 茶葉含水率近紅外在線快速測定及其應(yīng)用研究[J]. 茶葉科學(xué), 2014, 34(4): 337～343.

[13]張成, 葉陽, 朱宏凱, 等. 不同焙火溫度對紅茶中茶紅素的影響及近紅外預(yù)測模型的建立[J]. 西南師范大學(xué)學(xué)報: 自然科學(xué)版, 2015, 40(4): 42～46.

[14]寧井銘, 宛曉春, 張正竹, 等. 近紅外光譜技術(shù)結(jié)合人工神經(jīng)網(wǎng)絡(luò)判別普洱茶發(fā)酵程度[J]. 農(nóng)業(yè)工程學(xué)報, 2013, 29(11): 255～260.

[15]寧井銘, 顏玲, 張正竹, 等. 祁門紅茶加工中氨基酸和兒茶素快速檢測模型建立[J]. 光譜學(xué)與光譜分析, 2015(12): 37.

[16]Liu L, Cozzolino D, Cynkar W U, et al. Geographic classification of spanish and australian tempranillo red wines by visible and near-infrared spectroscopy combined with multivariate analysis[J]. Journal of Agricultural and Food Chemistry, 2006, 54(18): 6754～6759.

[17]王冬, 潘立剛, 王紀(jì)華,等. 基于線性漸變分光微型近紅外儀的西湖龍井真?zhèn)文Ｐ筒贿m應(yīng)性析因及修正研究[J]. 光譜學(xué)與光譜分析, 2014(11):2938～2943.

[18] Ren GX, Wang SP, Ning JM, et al. Quantitative analysis and geographical traceability of black tea using Fouriertrans form near-infrared spectroscopy (FT-NIRS) [J]. Food Res Int, 2013, 53(2): 822～826.

[19]陳全勝, 趙杰文, 張海東,等. 基于支持向量機(jī)的近紅外光譜鑒別茶葉的真?zhèn)蝃J]. 光學(xué)學(xué)報, 2006, 26(6):933～937.

[20]袁鑫, 譚紅, 楊鴻波, 等. 貴定云霧茶近紅外識別模型的初步建立[J]. 中國農(nóng)學(xué)通報, 2013, 29(3): 215～220.

[21]Xu L, Shi P T, Fu X S, et al. Protected geographical indication identification of a Chinese green tea (Anji-white) by near-infrared spectroscopy and chemometric class modeling techniques[J]. Journal of Spectroscopy, 2013(1).

[22]莊新港, 王麗麗, 吳雪原,等. 基于近紅外的移動窗口BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)山東綠茶產(chǎn)地溯源(英文)[J]. 紅外與毫米波學(xué)報, 2016, 35(2):200～205.

[23]占茉莉, 李勇, 魏益民,等. 應(yīng)用FT-IR光譜指紋分析和模式識別技術(shù)溯源茶葉產(chǎn)地的研究[J]. 核農(nóng)學(xué)報, 2008, 22(6):829～833.

[24]周健, 成浩, 賀巍,等. 基于近紅外的PLS量化模型鑒定西湖龍井真?zhèn)蔚难芯縖J]. 光譜學(xué)與光譜分析, 2009, 29(5):1251～1254.

[25]張龍, 王飛娟, 潘家榮,等. 近紅外光譜和模式識別技術(shù)在西湖龍井與浙江龍井茶葉鑒別中的應(yīng)用[J]. 紅外, 2012, 33(3):44～48.

[26]張龍, 潘家榮, 朱誠. 基于近紅外光譜的西湖龍井茶產(chǎn)地的精細(xì)判別[J]. 紅外, 2015, 36(12):41～46.

[27]Chen Q, Zhao J, Lin H. Study on discrimination of Roast green tea ( Camellia sinensis, L.) according to geographical origin by FT-NIR spectroscopy and supervised pattern recognition[J]. Spectrochimica Acta Part A Molecular & Biomolecular Spectroscopy, 2009, 72(4):845～850.

[28]Yan S M, Liu J P, Xu L, et al. Rapid discrimination of the geographical origins of an Oolong tea (Anxi-Tieguanyin) by near-infrared spectroscopy and partial least squares discriminant analysis.[J]. Journal of Analytical Methods in Chemistry, 2014.

[29]言思敏. 地理標(biāo)志產(chǎn)品武夷巖茶的產(chǎn)地識別技術(shù)研究[D]. 中國計量學(xué)院, 2015.

[30]周健, 成浩, 王麗鴛,等. 基于杠桿率校正的PLS-DA法對正半巖武夷巖茶的識別研究[J]. 茶葉科學(xué), 2009, 29(1):34～40.

[31]胡燕, 齊桂年. 我國不同產(chǎn)地黑茶的FTIR指紋圖譜分析[J]. 核農(nóng)學(xué)報, 2014, 28(4):684～691.

[32]Chen Q, Zhao J, Fang 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: Molecular and Biomolecular Spectroscopy, 2007, 66(3): 568～574.

[33]蔡健榮, 呂強(qiáng), 張海東, 等. 利用近紅外光譜技術(shù)識別不同類別的茶葉[J]. 安徽農(nóng)業(yè)科學(xué), 2007, 35(14): 4083～4084.

[34]陳全勝, 趙杰文, 張海東, 等. SIMCA 模式識別方法在近紅外光譜識別茶葉中的應(yīng)用[J]. 食品科學(xué), 2006, 27(4): 186～189.

[35]張龍, 潘家榮, 朱誠. 基于近紅外光譜的不同發(fā)酵類型茶葉判別[J]. 食品科學(xué), 2012, 33(20): 149～152.

[36]李曉麗, 何勇, 裘正軍. 一種基于可見-近紅外光譜快速鑒別茶葉品種的新方法[J]. 光譜學(xué)與光譜分析, 2007, 27(2): 279～282.

[37]廖步巖, 張正竹, 夏濤,等. 近紅外光譜分析技術(shù)在茶葉品質(zhì)屬性甄別中的應(yīng)用[J]. 安徽農(nóng)業(yè)大學(xué)學(xué)報, 2009, 36(2):287～291.

[38]周健, 成浩, 葉陽, 等. 滇青、青餅和普洱茶 (熟餅) 近紅外指紋圖譜分析[J]. 核農(nóng)學(xué)報, 2009, 23(1): 110～113.

[39]周健, 成浩, 葉陽, 等. 基于近紅外的 Fisher 分類法識別茶葉原料品種的研究[J]. 光學(xué)學(xué)報, 2009, 29(4): 1117～1121.

[40]周健, 成浩, 曾建明, 等. 基于近紅外的多相偏最小二乘模型組合分析實現(xiàn)茶葉原料品種鑒定與溯源的研究[J]. 光譜學(xué)與光譜分析, 2010 (10): 2650～2653.

[41]程權(quán), 楊方, 王丹紅, 等. 近紅外光譜技術(shù)對閩南烏龍茶品種的識別研究[J]. 光譜學(xué)與光譜分析, 2014, 34(3): 656～659.

[42]唐林, 張艷誠, 李家華, 等. 基于近紅外光譜的普洱茶年份檢測研究[J]. 廣東農(nóng)業(yè)科學(xué), 2014, 41(17): 93～96.

[43]馬健. 基于近紅外光譜和聚類法的信陽毛尖的年份鑒別[J]. 信陽農(nóng)業(yè)高等?？茖W(xué)校學(xué)報, 2015(3) :108～111.

[44]王勝鵬, 龔自明, 高士偉, 等. 基于近紅外光譜技術(shù)的恩施玉露茶保存年份的快速無損鑒別[J]. 華中農(nóng)業(yè)大學(xué)學(xué)報, 2015, 34(5): 111～114.

[45]周健. 基于近紅外的茶葉成分分析與信息識別的研究[D]. 北京: 中國農(nóng)業(yè)科學(xué)院, 2008.

[46]潘燕飛. 傅立葉紅外光譜法用于茶葉品質(zhì)的鑒定[J]. 煙臺大學(xué)學(xué)報: 自然科學(xué)與工程版, 2008, 21(4): 266～272.

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

[48]馬池忠, 杜玉紅, 董西立, 等. 近紅外光譜分析和人工神經(jīng)網(wǎng)絡(luò)技術(shù)在茶葉感官品質(zhì)評定中的應(yīng)用[J]. 中國標(biāo)準(zhǔn)化, 2007(7): 47～48.

[49]吳瑞梅, 趙杰文, 陳全勝, 等. 近紅外光譜技術(shù)結(jié)合特征變量篩選快速檢測綠茶滋味品質(zhì)[J]. 光譜學(xué)與光譜分析, 2011, 31(7): 1782～1785.

[50]周小芬, 葉陽, 周竹定, 等. 基于近紅外光譜法的大佛龍井茶品質(zhì)評價研究[J]. 光譜學(xué)與光譜分析, 2012, 32(11): 2971～2975.

[51]劉洪林. 基于近紅外光譜技術(shù)(NIRS)對工夫紅茶審評品質(zhì)客觀評價研究[J]. 食品工業(yè)科技, 2016, 37(5)：311～315.

江西省現(xiàn)代茶葉產(chǎn)業(yè)技術(shù)體系專項。

*通訊作者