基于CiteSpace的茶葉領(lǐng)域中高光譜成像技術(shù)應(yīng)用的文獻(xiàn)計量分析

余孜孜，任錫蓉，林民堯，黃玉旺，吳賢奇，劉少群，孫彬妹，鄭鵬

華南農(nóng)業(yè)大學(xué)，廣東 廣州 510642

茶葉中豐富的營養(yǎng)成分及其保健功效相繼被發(fā)現(xiàn)證實(shí)，促進(jìn)了茶葉的消費(fèi)和需求。成品茶品質(zhì)受茶葉生產(chǎn)和流通各環(huán)節(jié)影響，從茶鮮葉到加工，再到成品茶的貯藏等環(huán)節(jié)都需要進(jìn)行監(jiān)測來確保茶葉品質(zhì)。傳統(tǒng)的檢測手段應(yīng)用范圍有限且耗時、耗材，無法滿足快速、無損的精細(xì)化技術(shù)要求，因此拉曼光譜技術(shù)、近紅外光譜檢測技術(shù)、高光譜成像技術(shù)等日新月異的信息化無損檢測技術(shù)表現(xiàn)出極大的優(yōu)越性。其中，高光譜成像技術(shù)以融合圖像與光譜來獲取物質(zhì)空間信息的突出特點(diǎn)被引入至茶葉領(lǐng)域進(jìn)行研究應(yīng)用。高光譜成像技術(shù)能保持樣品的完整性、減少樣品前處理，實(shí)現(xiàn)快速、無損檢測，因此該技術(shù)在茶葉領(lǐng)域具有巨大的發(fā)展?jié)摿?，被引入后茶葉的種類識別、等級判別、成分及生理參數(shù)測定等檢測獲得突破。隨著技術(shù)的逐步發(fā)展，高光譜成像技術(shù)在茶葉領(lǐng)域的相關(guān)應(yīng)用研究不斷推進(jìn)，但對其研究進(jìn)展少有系統(tǒng)梳理。

本文以中國知網(wǎng)（CNKI）和Web of Science（WOS）核心數(shù)據(jù)庫收錄的相關(guān)文獻(xiàn)為數(shù)據(jù)來源，采用文獻(xiàn)分析軟件CiteSpace對有關(guān)高光譜在茶葉領(lǐng)域的研究應(yīng)用文獻(xiàn)進(jìn)行國家、作者和關(guān)鍵詞分析，獲得可視化知識圖譜，梳理高光譜在茶葉中的研究進(jìn)程，歸納其研究方向及熱點(diǎn)，預(yù)測未來可能的研究趨勢，以期對后續(xù)高光譜在茶葉領(lǐng)域應(yīng)用的深入發(fā)展提供理論參考。

1 數(shù)據(jù)來源及方法

1.1 數(shù)據(jù)來源

以CNKI 和WOS 檢索平臺作為文獻(xiàn)數(shù)據(jù)來源。采用高級檢索，在CNKI 中以主題/關(guān)鍵詞=“高光譜”AND“茶葉/茶”的方式進(jìn)行檢索；在WOS 中的檢索公式為TS=（hyperspectral） AND TS=（tea）。CNKI和WOS數(shù)據(jù)庫的檢索時間范圍分別為1999年1月1日至2022年2月28日、1985年1月1日至2022年2月28日，手動篩選檢索結(jié)果，剔除不相關(guān)文獻(xiàn)，最終分別獲得69 篇中文（CNKI）和71篇英文（WOS）有效文獻(xiàn)，將選擇的有效文獻(xiàn)分別以“Refworks”和純文本文件格式導(dǎo)出保存作為數(shù)據(jù)樣本。

1.2 方法

首先運(yùn)用CNKI 和WOS 數(shù)據(jù)庫的可視化分析檢索功能統(tǒng)計文獻(xiàn)年發(fā)表量，發(fā)現(xiàn)CNKI中相關(guān)文獻(xiàn)最早出現(xiàn)在2008年，WOS中則最早出現(xiàn)于2009年。之后將上述保存的CNKI 和WOS 文獻(xiàn)數(shù)據(jù)分別導(dǎo)入至CiteSpace5.8.R3 軟件，進(jìn)行以下設(shè)置：CNKI 數(shù)據(jù)庫時間范圍為2008年1月—2022年2月，WOS數(shù)據(jù)庫時間范圍為2009年1月—2022年2月；Node Tpyes（節(jié)點(diǎn)類型）均先后選擇Keyword（關(guān)鍵詞）、Country（國家）、Author（作者）分別作圖，Pruning（網(wǎng)絡(luò)裁剪區(qū)）均選擇Pathfinder（路徑找尋）、Pruning the merged network（修剪合并的網(wǎng)絡(luò)），其余為默認(rèn)參數(shù)。運(yùn)行軟件得到統(tǒng)計數(shù)據(jù)，生成并繪制共現(xiàn)圖譜和Timeline view（時間線視圖）。

在圖譜中，國家、作者和關(guān)鍵詞的節(jié)點(diǎn)越大則頻次越高；節(jié)點(diǎn)的圈層表示中心性，是對節(jié)點(diǎn)影響力的標(biāo)識，其寬度越寬則中心性越強(qiáng)，當(dāng)中心性≥0.1時可被視為關(guān)鍵轉(zhuǎn)折點(diǎn)。在時間線知識圖譜中，聚類模塊值Modularity（Q值）與聚類平均輪廓值Mean Silhouette（S值）兩個聚類參數(shù)用于判斷聚類效果，Q＞0.3 認(rèn)為聚類結(jié)構(gòu)顯著，S＞0.5認(rèn)為聚類合理。

為進(jìn)一步細(xì)化高光譜成像技術(shù)在茶葉中的研究領(lǐng)域，對CiteSpace統(tǒng)計的CNKI和WOS數(shù)據(jù)庫的所有關(guān)鍵詞進(jìn)行內(nèi)容分析和階段性領(lǐng)域歸類，若關(guān)鍵詞涉及到多個領(lǐng)域，則按照比例計算頻次和中心性。

2 CiteSpace結(jié)果分析

2.1 發(fā)文國家分析

高光譜成像技術(shù)在茶葉領(lǐng)域應(yīng)用研究的國家合作網(wǎng)絡(luò)圖譜顯示，共有10個國家參與研究該項內(nèi)容，包括中國、日本、美國、比利時、蘇格蘭、印度、英國、愛爾蘭、荷蘭、韓國。按發(fā)文量排列，中國、日本、美國位居前三，且中國發(fā)文量達(dá)53篇；其中，比利時的中心性超過0.1，中國的中心性為0.06。可見，比利時發(fā)表的研究論文對高光譜成像技術(shù)在茶葉中的應(yīng)用研究貢獻(xiàn)最高，而中國作為茶葉原產(chǎn)地對相關(guān)內(nèi)容的研究數(shù)量最多，貢獻(xiàn)率居于第二位。

2.2 作者合作分析

作者合作網(wǎng)絡(luò)圖譜能夠呈現(xiàn)某一研究領(lǐng)域的核心作者以及作者間合作聯(lián)系緊密程度，而核心作者是基于最高發(fā)文量作者的發(fā)文數(shù)，可通過普賴斯定律計算，公式為=0.749（），其中代表核心作者最低發(fā)文量，代表該時間段內(nèi)最高產(chǎn)作者的發(fā)文量。

對中英文文獻(xiàn)進(jìn)行作者合作網(wǎng)絡(luò)分析后發(fā)現(xiàn)，CNKI 文獻(xiàn)的作者合作網(wǎng)絡(luò)顯示節(jié)點(diǎn)數(shù)161個，連線352 條。CiteSpace 數(shù)據(jù)統(tǒng)計得到論文發(fā)表最多篇數(shù)是4 篇，作者是吳瑞梅。代入上述公式計算得出=1.498，取整數(shù)2，即發(fā)文量≥2 的作者為核心作者。依照統(tǒng)計數(shù)據(jù)，核心作者共有34 位，發(fā)文數(shù)量3 篇及以上的作者有吳瑞梅（4篇）、李姝寰（3篇）、寧井銘（3篇）、艾施榮（3篇）、王化（3 篇）、劉仲華（3 篇）。此研究領(lǐng)域形成以吳瑞梅、劉仲華為核心的作者群，并且核心作者中吳瑞梅與艾施榮、李姝寰與寧井銘各自組成了合作團(tuán)隊，此外還有其他合作小團(tuán)體以及較多孤立的作者。

英文文獻(xiàn)作者節(jié)點(diǎn)數(shù)165個，連線394條。統(tǒng)計結(jié)果顯示，學(xué)者NING JINGMING（寧井銘）發(fā)表論文數(shù)最高，達(dá)14篇，代入計算得到=2.802，取整數(shù)3，表明發(fā)文量3篇及以上的作者為核心作者。按照此標(biāo)準(zhǔn)共計20位核心作者，發(fā)文量前八的作者是NING JINGMING、ZHANG ZHENGZHU（張正竹）、SUN JUN（孫?。?、WANG YUJIE（王玉潔）、CHEN QUANSHENG （陳全勝）、LI LUQING （李露青）、WU XIAOHONG （武小紅）、REI SONOBE，分別對應(yīng)發(fā)表論文14 篇、10 篇、9 篇、8 篇、7 篇、7 篇、6 篇、6 篇。英文文獻(xiàn)核心作者之間交流相對較多，以NING JINGMING 為首，與ZHANG ZHENGZHU、WANG YUJIE、LI LUQING 等核心作者組成了聯(lián)系緊密的較大研究群體，SUN JUN 與WU XIAOHONG也交流甚多，此外還有分別以核心作者CHEN QUANSHENG、REI SONOBE、HE YONG （何勇）帶領(lǐng)的合作團(tuán)隊?？梢钥闯鲈谠撗芯款I(lǐng)域發(fā)表英文論文的作者多以團(tuán)隊合作的形式開展研究，人數(shù)大多超過3人。

2.3 發(fā)文量分析

發(fā)文量的時間分布統(tǒng)計可以反映某研究的發(fā)展階段與趨勢，基于CiteSpace中時間切片后各年份的文獻(xiàn)數(shù)量統(tǒng)計數(shù)據(jù)，CNKI、WOS 的年發(fā)文量以及累計發(fā)文總量匯總?cè)鐖D1。2008—2021年間，總體上茶葉領(lǐng)域高光譜成像技術(shù)研究的相關(guān)文章發(fā)文總量呈持續(xù)上升趨勢，而中英文文獻(xiàn)的年發(fā)文量變化波動較大，可大致分為兩個階段。2008—2016年為緩慢發(fā)展階段，文獻(xiàn)發(fā)表分別始于2008年（CNKI）和2009年（WOS）。此階段文獻(xiàn)增量總體較低，但中文文獻(xiàn)的數(shù)量多數(shù)時間高于英文文獻(xiàn)的數(shù)量，特別是在2014年中文文獻(xiàn)發(fā)表量出現(xiàn)1個小高峰，年發(fā)文量為8篇，除此之外國內(nèi)外年發(fā)文量≤5篇，說明在此期間高光譜成像技術(shù)在茶葉領(lǐng)域的應(yīng)用開始逐漸走入學(xué)者的視野，但沒有受到顯著關(guān)注。

圖1 茶葉領(lǐng)域高光譜研究文獻(xiàn)發(fā)文趨勢

2017年至今則是快速發(fā)展階段，該時期的累計發(fā)文量約占總量的68%。中文文獻(xiàn)又一次達(dá)到小高峰后回落，增速放緩；而英文文獻(xiàn)在2017年之后增長速度加快，2019年開始年發(fā)文量明顯高于中文文獻(xiàn)，并于2020年達(dá)到頂峰（17 篇），2022年前兩月已有2 篇英文文獻(xiàn)發(fā)表，表明茶葉領(lǐng)域的高光譜成像技術(shù)研究在國內(nèi)外反響愈來愈強(qiáng)烈。以科技力量提高茶業(yè)質(zhì)量效益和市場競爭力越來越成為全球性趨勢，因此隨著技術(shù)的發(fā)展和茶葉領(lǐng)域科技需求的增加，可以預(yù)測之后高光譜的相關(guān)研究熱度仍會持續(xù)。

2.4 研究進(jìn)程及方向分析

CiteSpace 的時間線視圖和關(guān)鍵詞突顯圖譜能進(jìn)一步梳理高光譜成像技術(shù)在茶葉領(lǐng)域的研究脈絡(luò)。時間線視圖既能對關(guān)鍵詞進(jìn)行聚類分析，反映該研究領(lǐng)域的焦點(diǎn)內(nèi)容，又可以呈現(xiàn)不同時間段的關(guān)鍵詞變化趨勢，展現(xiàn)聚類中的文獻(xiàn)歷史跨度。突顯圖譜則展示某時間段內(nèi)數(shù)量激增且聯(lián)系較強(qiáng)的關(guān)鍵詞，以此確認(rèn)前沿動態(tài)，預(yù)測未來研究趨勢。

對CNKI的中文文獻(xiàn)進(jìn)行時間線視圖和關(guān)鍵詞突顯圖譜繪制，結(jié)果共顯示出9 個聚類集，可以大致劃分成以下兩類：4個有關(guān)高光譜成像技術(shù)的研究內(nèi)容和5 個在茶葉中的應(yīng)用方向，其中作物和無損檢測聚類集的研究時間貫穿整個演進(jìn)過程。在時間線視圖基礎(chǔ)上分析突現(xiàn)詞，得到2008—2021年的14個關(guān)鍵詞。經(jīng)計算有關(guān)高光譜成像技術(shù)發(fā)展研究的累計頻次和平均頻次分別為85 次和1.85 次，累計中心性和平均中心性分別為1.69、0.037。在茶葉中的研究應(yīng)用范圍分為茶葉栽培和茶葉加工兩大領(lǐng)域，統(tǒng)計得到表1。結(jié)合時間視圖、突顯圖譜和表1，可將CNKI文獻(xiàn)中茶葉領(lǐng)域中高光譜成像技術(shù)應(yīng)用領(lǐng)域的研究分為以下幾個階段。

表1 CNKI文獻(xiàn)中高光譜成像技術(shù)在茶葉中的主要應(yīng)用領(lǐng)域和方向

緩慢發(fā)展階段（2008—2016年），在茶葉栽培領(lǐng)域，高光譜以植物營養(yǎng)信息獲取、病蟲害檢測和農(nóng)藥殘留檢測的應(yīng)用為主。在茶葉加工領(lǐng)域，種類識別、品質(zhì)鑒別為主要的應(yīng)用方向，其中，品質(zhì)鑒別包含等級評判、制茶工藝評價（萎凋）等不同研究內(nèi)容。突顯圖譜顯示，栽培與加工領(lǐng)域的“等級”“茶多酚”“萎凋”關(guān)鍵詞在此階段突顯，“等級”的突顯強(qiáng)度較強(qiáng)（1.08），且持續(xù)研究的時間長度最長。

快速發(fā)展階段（2017—2021年），主要應(yīng)用范圍繼續(xù)擴(kuò)展。除病害檢測外，茶園分布識別以及茶園生產(chǎn)管理為栽培領(lǐng)域的主要方向。對于加工領(lǐng)域，儲藏年份判別是近年來新增的研究方向，且此階段的品質(zhì)鑒別中同樣含有在制茶工藝評價中的應(yīng)用，但具體內(nèi)容從萎凋工藝發(fā)展到拼配、發(fā)酵的工藝。

綜上，中文文獻(xiàn)的有關(guān)高光譜成像技術(shù)在茶葉領(lǐng)域的應(yīng)用方向主要有植物營養(yǎng)信息獲取、病蟲害檢測、農(nóng)藥殘留檢測、茶園分布識別、茶園生產(chǎn)管理、種類識別、品質(zhì)鑒別。從整體的頻次和中心性來看，茶葉加工領(lǐng)域均高于茶葉栽培領(lǐng)域，并且兩個領(lǐng)域總和的累計值（111 次和1.85）均高于有關(guān)高光譜成像技術(shù)發(fā)展研究的累計值，但其平均值較低，分別為1.35次和0.022。

WOS 文獻(xiàn)聚類共顯示8 個聚類集，聚類集的分類標(biāo)準(zhǔn)與CNKI聚集的分類標(biāo)準(zhǔn)一致，其中feature selection （特征選擇）、convolutional neural networks（卷積神經(jīng)網(wǎng)絡(luò)）、modeling（建模）為高光譜成像技術(shù)發(fā)展研究，而tea leaves（茶葉）、discriminant analysis（判別分析）、fine tea powder（細(xì)微的茶粉）、tea quality（茶葉品質(zhì)）和shadegrown tea（遮陰茶）則屬于茶葉領(lǐng)域的應(yīng)用研究方向。此外，生成的突顯圖譜共顯示10 個突顯詞，時間段為2009—2022年。WOS中計算得到有關(guān)高光譜成像技術(shù)發(fā)展研究的累計頻次和平均頻次分別為123 次和1.86 次，累計中心性和平均中心性分別為2.56、0.039。將國際文獻(xiàn)中有關(guān)高光譜成像技術(shù)在茶葉領(lǐng)域的主要應(yīng)用方向歸類整理如表2，并歸納出WOS 文獻(xiàn)中階段性茶葉研究方向內(nèi)容如下。

表2 WOS文獻(xiàn)中高光譜成像技術(shù)在茶葉中的主要應(yīng)用領(lǐng)域和方向

2009—2016年，國際上對高光譜成像技術(shù)在茶葉中的應(yīng)用研究關(guān)注度低，關(guān)鍵詞分布稀疏。在茶葉栽培領(lǐng)域主要是獲取茶葉生長的營養(yǎng)信息，在加工上主要有對制茶工藝中的茶葉如干燥葉進(jìn)行品質(zhì)鑒別?！皌ea quality”“tea leave”“discriminant analysis”以及“water content”為此階段兩個領(lǐng)域的突顯詞。

2016年之后，高光譜成像技術(shù)在茶葉領(lǐng)域的應(yīng)用快速發(fā)展，特別是2019年前后，關(guān)鍵詞分布變得密集。栽培領(lǐng)域方向由植物營養(yǎng)信息獲取發(fā)展至病蟲害檢測、茶園分布識別等，而加工領(lǐng)域增加種類識別，并且品質(zhì)鑒別內(nèi)容拓展，新增儲藏年份判別和茶深加工產(chǎn)品品質(zhì)判別。突顯圖譜顯示這一階段兩個領(lǐng)域的突顯詞有“monitoring photosynthetic pigment”和“fine tea powder”，對“fine tea powder”的研究持續(xù)至今。

英文文獻(xiàn)中高光譜成像技術(shù)在茶葉領(lǐng)域的研究方向主要為植物營養(yǎng)信息獲取、病蟲害檢測、茶園分布識別、種類識別、品質(zhì)鑒別，茶葉加工領(lǐng)域整體關(guān)注度高于栽培領(lǐng)域。而兩個領(lǐng)域總和的頻次累計值和中心性累計值（76 次和2.07）雖然低于高光譜技術(shù)發(fā)展領(lǐng)域的累計值，但平均值要更高，分別為1.90次和0.052。

3 在茶葉領(lǐng)域的研究熱點(diǎn)與展望

3.1 研究態(tài)勢

高光譜成像技術(shù)在茶葉領(lǐng)域的研究自2017年進(jìn)入快速發(fā)展階段，發(fā)文量的翻倍增加表明該技術(shù)在國內(nèi)外的關(guān)注度迅速提升，茶業(yè)信息技術(shù)化進(jìn)程正加速推進(jìn)。其中，中國學(xué)者的英文文獻(xiàn)發(fā)文量遠(yuǎn)超其他國家，占比高達(dá)78%，我國學(xué)者作出巨大的貢獻(xiàn)。

但是從國家、國內(nèi)外作者的合作網(wǎng)絡(luò)可以看出，國家以及科研工作者之間聯(lián)系強(qiáng)度較弱，特別是國內(nèi)核心作者交集較少，而且國際性交流合作不足，因此未來國內(nèi)外研究者之間的團(tuán)隊合作強(qiáng)度有待增強(qiáng)，望能出現(xiàn)更多的引領(lǐng)者進(jìn)一步拓展該領(lǐng)域的學(xué)術(shù)成果。

3.2 研究熱點(diǎn)

通過對關(guān)鍵詞分析總結(jié)，得到高光譜成像技術(shù)主要在茶葉栽培與加工領(lǐng)域逐漸擴(kuò)大深入，茶葉加工受到學(xué)者的更多關(guān)注。加工領(lǐng)域的品質(zhì)鑒別、種類識別和栽培領(lǐng)域的茶葉營養(yǎng)成分監(jiān)測、病蟲害預(yù)測鑒定是當(dāng)前熱點(diǎn)應(yīng)用方向。

品質(zhì)鑒別是高光譜成像技術(shù)最早研究的方向，包括等級評判、制茶工藝評價等內(nèi)容。在等級評判中已應(yīng)用的檢測手段如感官審評、近紅外光譜等均未能兼顧茶葉內(nèi)外綜合信息，2008年開始學(xué)者利用高光譜成像技術(shù)的圖像信息，進(jìn)行一系列圖像處理來研究綠茶等級評判，以達(dá)到同時檢測茶葉內(nèi)外品質(zhì)的目的，因而利用此技術(shù)綜合高效判別茶葉等級成為學(xué)者關(guān)注的熱點(diǎn)，之后研究對象從綠茶又發(fā)展至烏龍茶、紅茶。

數(shù)字農(nóng)業(yè)中的精細(xì)化要求，使得生產(chǎn)者通過科技的融入將品質(zhì)特征數(shù)字化，從而更精確把控各道加工工藝。在高光譜成像技術(shù)應(yīng)用于制茶工藝的研究上，CNKI 文獻(xiàn)以探究紅茶的萎凋、發(fā)酵程度，以及拼配效果為主，通過生化成分含量或生產(chǎn)信息建立預(yù)測模型進(jìn)行量化判別；WOS文獻(xiàn)除關(guān)注紅茶萎凋程度的判別研究外，還涉及茶葉品質(zhì)檢測等方面。

傳統(tǒng)的茶葉種類識別多依靠一定經(jīng)驗(yàn)積累的人工判別，且同樣需要結(jié)合外部特征與內(nèi)部品質(zhì)信息，因此采用高光譜成像技術(shù)已建立針對不同茶類識別的預(yù)測模型，但在建模過程中存在提取特征信息困難等問題。隨著技術(shù)的不斷深入應(yīng)用，研究者改進(jìn)數(shù)據(jù)處理和建模方法，通過聯(lián)合低秩自動編碼器、高光譜遙感等技術(shù)提升準(zhǔn)確率和效率。因此，該技術(shù)還被應(yīng)用于茶葉特別是名優(yōu)茶的真?zhèn)巫R別和地理起源保護(hù)，如碧螺春、鐵觀音真?zhèn)闻袆e和龍井茶、廬山云霧茶產(chǎn)地鑒別等。

光合色素是茶樹光合作用中的重要功能物質(zhì)，其包含的葉綠素能反映植物的生長態(tài)勢和營養(yǎng)狀況，并且影響茶葉外觀及品質(zhì)形成；此外，有學(xué)者提出總?cè)~綠素與類胡蘿卜素的比例可能是評估植物環(huán)境壓力的良好指標(biāo)，因而國內(nèi)外學(xué)者重點(diǎn)關(guān)注高光譜成像技術(shù)無損監(jiān)測葉綠素、類胡蘿卜素含量，這對茶樹健康狀況、抗逆能力等方面的及時準(zhǔn)確判斷具有指導(dǎo)意義。值得注意的是，日本的茶樹栽培通常經(jīng)過遮光處理，即承受低光脅迫的環(huán)境壓力，所以日本采用高光譜成像技術(shù)監(jiān)測色素含量變化以研究遮陰茶樹生長條件。

氮、磷、鉀是茶樹生長發(fā)育中必需的3 種養(yǎng)分，傳統(tǒng)方法檢測茶葉氮、磷、鉀的含量不僅耗時且會破壞茶葉，鑒于此，高光譜成像技術(shù)因能無損估算營養(yǎng)成分含量而得到運(yùn)用。而且，如今茶農(nóng)為追求茶葉品質(zhì)常大量施肥，有研究將高光譜成像技術(shù)應(yīng)用于茶樹氮肥水平判別，利于指導(dǎo)合理施肥。通過高光譜成像技術(shù)建立光合色素（葉綠素、類胡蘿卜素）和氮、磷、鉀等植物營養(yǎng)成分含量與茶樹生長態(tài)勢之間的檢測模型，可高效實(shí)時監(jiān)測茶樹健康狀況，為優(yōu)化施肥管理和提高茶葉品質(zhì)提供了數(shù)據(jù)基礎(chǔ)。

茶樹遭受病蟲害初期，受害葉片的外觀特征并不顯著，隨著受害程度的加深，為害特征通過葉片顏色、形態(tài)等方面逐漸顯現(xiàn)，因此對茶葉病蟲害進(jìn)行早期診斷十分重要。在使用科技采集信息之前，人工觀察鑒別存在不及時、易誤判等問題，而高光譜成像技術(shù)通過獲取影像和光譜信息，能實(shí)時、客觀地分析茶葉特征，預(yù)測識別災(zāi)害類型及損害程度。目前，該技術(shù)在茶園常見的炭疽病、赤葉斑病、茶白星病、紅葉病以及小綠葉蟬等病蟲害識別中得到應(yīng)用，有助于茶葉病蟲害的綜合防治。

3.3 未來趨勢

品質(zhì)鑒別是茶葉加工最核心的研究內(nèi)容，中國六大茶類（綠茶、紅茶、白茶、黃茶、黑茶、青茶）具有不同品質(zhì)特征，各茶類品質(zhì)評判標(biāo)準(zhǔn)不盡相同，因而上述品質(zhì)鑒別中各研究內(nèi)容還有較大研究空間，如繼續(xù)利用高光譜成像技術(shù)進(jìn)行更多的茶類及其等級評判，以及綠茶殺青、白茶萎凋、黃茶悶黃、黑茶渥堆等關(guān)鍵工藝評價。同時，技術(shù)的深入應(yīng)用也受到市場的影響。市場上隨著人們對茶葉“越陳越香”的品質(zhì)追求，出現(xiàn)白茶、普洱茶等茶葉儲藏年份造假以哄抬價格等亂象，使得利用高光譜成像技術(shù)快速無損判別茶葉儲藏年份的應(yīng)用受到關(guān)注，陳書媛等發(fā)現(xiàn)建立標(biāo)準(zhǔn)正態(tài)變換預(yù)處理結(jié)合支持向量機(jī)模型對壽眉的儲藏年份判別效果最佳。因此，通過高光譜成像技術(shù)建立茶葉儲藏年份與茶葉品質(zhì)的關(guān)系，幫助消費(fèi)者快速、準(zhǔn)確識別茶葉儲藏年份是今后研究的一個重要方向。

此外，研究人員還利用高光譜成像技術(shù)對抹茶進(jìn)行質(zhì)量評估、物化特性檢測的研究，但仍需在特征提取和建模手段中提高模型預(yù)測能力。隨著茶產(chǎn)品的開發(fā)利用，相關(guān)產(chǎn)品的品質(zhì)鑒別會是未來高光譜成像技術(shù)新的研究內(nèi)容。

對茶園進(jìn)行精細(xì)化管理，可為茶葉品質(zhì)提升提供良好基礎(chǔ)。先前有學(xué)者利用高光譜遙感基于茶樹冠層光譜檢測生長時期的茶葉質(zhì)量，但是高光譜遙感技術(shù)在茶葉栽培領(lǐng)域的研究較少涉及整體茶園的生態(tài)及生產(chǎn)管理。現(xiàn)階段已有關(guān)注數(shù)字化對茶園生產(chǎn)模式創(chuàng)新的影響，將高光譜遙感技術(shù)運(yùn)用于安吉白茶產(chǎn)量估算，使得數(shù)字化進(jìn)一步在茶園管理深入應(yīng)用。高光譜遙感技術(shù)多應(yīng)用于生態(tài)系統(tǒng)的生物參量精確分析檢測，在茶園精準(zhǔn)生產(chǎn)管理中仍有廣闊的實(shí)踐空間，如植被多樣性檢測、土壤生化參量反演、大氣污染物監(jiān)測等茶園精細(xì)化管理是未來繼續(xù)努力的方向。