茶叶数字化加工研讨现状

近年来，茶叶加工根底理论研讨日渐深化，要害工序的工艺特性及在制品理化特征等日益清楚；使用光谱技能、电化学技能、机器视觉技能、电子鼻、电子舌等高新技能手法反映茶叶质量质量的技能办法不断进步；促进茶叶加工技能水平朝着数字化和智能化的方向大步跨进。

一、鲜叶质量质量检测与分级

在茶叶加工进程中，对鲜叶质量等级的判定是确认加工进程技能参数的条件。使用近红外光谱技能，以含水率、粗纤维总量和全氮量作为鲜叶质量的判别根据，树立了茶鲜叶质料质量的在线点评模型，为点评茶鲜叶质料的质量供给了精确、方便的新办法。

研讨人员使用茶鲜叶图画的面积、周长、长轴长度、短轴长度等几许特征，以及图画的对比度、滑润度等纹路特征进行BP神经网络模型的构建，可将茶鲜叶按嫩度等级进行精确分类。经过规划一套茶鲜叶智能分选体系，树立根据7层结构的卷积神经网络判别模型，可完成茶鲜叶的智能辨认和等级分选。

鲜茶叶智能分选体系结构示意图

二、摊放程度剖析与检测

摊放是茶叶加工的重要工序，进行摊放进程中摊青叶含水率实时、精确和无损检测，完成摊青叶含水率的在线精准操控，关于茶叶摊放工序的数字化、智能化出产具有重要意义。使用近红外光谱技能提出猜测绿茶摊青叶含水率的办法，经过将鲜叶样品近红外光谱悉数转化为成对的数据点，使用联合区间偏最小二乘法树立含水率猜测模型，能够完成绿茶摊青叶含水率的快速猜测。使用近红外光谱技能经过VCPA-GA提取特征波长树立PLSR和支撑向量回归猜测模型，能够精确无损地猜测绿茶摊青叶的含水率，处理了摊青叶含水率定量猜测，对绿茶加工设备的数字化具有重要的指导意义。

三、萎凋程度检测与判别

在实践出产中，精确点评萎凋程度是进步红茶质量的条件。将图画和光谱信息交融后别离与线性判别剖析法和PLS结合的技能，以光谱和纹路特征值交融数据树立红茶萎凋程度的线性判别模型和儿茶素与氨基酸比值的PLS猜测模型，使得萎凋程度判别精确率到达94.64%，此办法可完成对红茶萎凋程度数字化判别。

此外，研讨者依托微型近红外光谱与智能手机相结合，开发了根据Elman神经网络（ENN）的萎凋叶含水率猜测模型。该办法经过ENN结合了主成分剖析，既能够提取光谱特征，又能够进行动态信息处理，进步了模型的抗干扰才能和练习功率，为猜测萎凋叶含水率供给了一种便携、精确、快速、无损的办法。

(a)微型近红外光谱仪；(b)智能手机上的光谱收集接口

四、杀青程度判别与操控

经过对杀青叶含水率的精确判别，可有用检测出产中绿茶的杀青程度。使用可见-近红外光谱和高光谱成像技能，经过对龙井43杀青叶高光谱信息的预处理和特征提取，别离树立含水率的光谱和成像检测模型，然后为完成绿茶杀青叶含水率数字化在线检测供给技能支撑。使用机器视觉对微波杀青进程中在制品的色泽和纹路特征实时监测，经过树立ELM、遗传神经网络、CNN模型可对杀青叶含水率、茶多酚和氨基酸含量进行在线检测，该办法在快速检测茶叶杀青质量和茶叶数字化杀青作业中具有很好的使用远景。

根据机器视觉的茶叶微波杀青中质量改变与猜测研讨

五、揉捻程度检测与判别

近年来揉捻研讨首要会集在揉捻数字化和根底研讨等方面，首要包含对揉捻进程中在制品根本物理特性、外观纹路、力学特性、电学特性、光学特性、显微结构及首要化学成分的改变进行了相关研讨，经相关剖析开始树立了揉捻程度的点评办法及揉捻机数字化操控战略。

六、发酵和渥堆的质量质量检测与程度判别

1.发酵质量检测和程度判别

（1）视觉视点解析发酵质量的办法研讨。经过机器视觉技能剖析了红茶发酵进程图片信息的RGB、Lab和HSV色彩空间改变规则，以色彩特征参数作为发酵程度模型的输入来树立茶色素的非线性定量猜测模型，计算机图画的色彩特征和随机森林模型、SVM非线性算法可对红茶发酵进程中质量目标进行数字化点评。

（2）光学光谱检测理化成分办法研讨。该收取近年来首要树立了首要内质成分（茶褐素、茶红素、儿茶素、咖啡碱和可溶性糖）定量猜测模型，将红茶不同时期的要害质量目标散布可视化，实时检测红茶发酵进程中要害内质成分的改变状况和散布，为发酵信息的可视化和数字化展示供给技能支撑。

（3）电特性技能在发酵质量检测中的使用。以时刻红茶发酵在制品为研讨目标，使用电特性检测技能与化学计量学办法相结合，构建发酵叶茶多酚含量的猜测模型，探讨了发酵叶电参数（并联等效电容、损耗因子和电抗）的改变规则，实验标明电特性检测技能可用于红茶发酵进程中茶多酚含量的数字化猜测。

电特性信息收集与剖析办法流程

（4）多元信息交融技能在发酵质量检测中的使用。提出了根据低成本微近红外光谱和实验室制作的计算机视觉体系进行红茶发酵质量的在线快速检测，树立了PAC-SVM的儿茶素和茶黄素定量猜测模型，使用色彩、光谱和数据交融信息对红茶发酵程度进行数字化表征。

2.渥堆质量检测和程度判别

使用近红外光谱仪得到了不同渥堆程度的渥堆质料样品的空间散布图，不同渥堆程度青砖茶渥堆质料样品在空间中没有呈现穿插散布的状况，然后完成了渥堆程度的数字化猜测。

七、枯燥程度检测与判别

将热风枯燥进程中的烘干温度、滚筒转速、烘干初始水分、猜测时刻作为输入，含水率作为输出，别离使用多元线性回归、BP神经网络、Elman神经网络以及粒子群优化的Elman神经网络算法树立烘干进程茶叶含水率猜测模型，该办法的优异猜测作用对茶叶枯燥的数字化作业具有指导作用。

本文节选自《我国茶叶》2022年第8期，P1-8，《茶叶数字化加工技能研讨进展》，