茶葉數(shù)字化加工技術(shù)研究進(jìn)展

沈帥，袁海波，朱宏凱，江用文

中國(guó)農(nóng)業(yè)科學(xué)院茶葉研究所，浙江 杭州 310008

茶產(chǎn)業(yè)是我國(guó)傳統(tǒng)特色優(yōu)勢(shì)產(chǎn)業(yè)，也是共建“一帶一路”的優(yōu)勢(shì)特色外向型產(chǎn)業(yè)。加強(qiáng)茶葉產(chǎn)業(yè)發(fā)展是推進(jìn)農(nóng)村供給側(cè)結(jié)構(gòu)性改革的重要內(nèi)容，是實(shí)現(xiàn)鄉(xiāng)村振興戰(zhàn)略的有利推手。茶產(chǎn)業(yè)發(fā)展的核心，是生產(chǎn)深受廣大消費(fèi)者歡迎的高品質(zhì)產(chǎn)品，而先進(jìn)的加工技術(shù)和生產(chǎn)設(shè)備是生產(chǎn)高質(zhì)量茶產(chǎn)品的必要保障。所謂“工欲善其事，必先利其器”，先進(jìn)的茶葉加工生產(chǎn)裝置或設(shè)備對(duì)于穩(wěn)定產(chǎn)品質(zhì)量、提高生產(chǎn)效率、減少人力投入等方面具有重要意義。近年來(lái)，隨著現(xiàn)代信息化技術(shù)和無(wú)損檢測(cè)技術(shù)高速發(fā)展，光譜技術(shù)、機(jī)器視覺(jué)、電特性等多項(xiàng)先進(jìn)技術(shù)已應(yīng)用到茶葉加工過(guò)程，推動(dòng)傳統(tǒng)茶葉加工生產(chǎn)方式朝著數(shù)字化、智能化方向轉(zhuǎn)型與升級(jí)。本文總結(jié)了近年來(lái)有關(guān)茶葉加工技術(shù)裝備的論文、專利等研究成果，重點(diǎn)綜述了近10年茶葉加工數(shù)字化與智能化技術(shù)研究進(jìn)展，對(duì)比傳統(tǒng)加工技術(shù)的不足和最新加工技術(shù)的優(yōu)勢(shì)，分析了目前茶葉加工技術(shù)仍然存在的問(wèn)題，并提出了我國(guó)茶葉數(shù)字化加工未來(lái)發(fā)展的方向。

1 茶葉數(shù)字化加工研究現(xiàn)狀

近年來(lái)，茶葉加工基礎(chǔ)理論研究日漸深入，關(guān)鍵工序的工藝特性及在制品理化特征等日益明晰；利用光譜技術(shù)、電化學(xué)技術(shù)、機(jī)器視覺(jué)技術(shù)、電子鼻、電子舌等高新技術(shù)手段反映茶葉品質(zhì)質(zhì)量的技術(shù)方法不斷進(jìn)步；促使茶葉加工技術(shù)水平朝著數(shù)字化和智能化的方向大步邁進(jìn)。諸如通過(guò)對(duì)茶葉中多酚類物質(zhì)、全氮量、粗纖維等成分的快速檢測(cè)，以及含水率、形狀、顏色和嫩度等指標(biāo)，實(shí)現(xiàn)茶鮮葉品質(zhì)質(zhì)量的智能感知；對(duì)光譜信息、圖像信息、電參數(shù)的采集處理，實(shí)現(xiàn)萎凋、揉捻、發(fā)酵、干燥等多個(gè)關(guān)鍵加工工序的適度判定。

1.1 鮮葉品質(zhì)質(zhì)量檢測(cè)與分級(jí)

在茶葉加工過(guò)程中，對(duì)鮮葉質(zhì)量等級(jí)的判定是確定加工過(guò)程技術(shù)參數(shù)的前提，即茶葉加工過(guò)程中的“分級(jí)付制”。不同質(zhì)量、不同等級(jí)的原料只有采用相應(yīng)的加工技術(shù)參數(shù)，才能實(shí)現(xiàn)產(chǎn)品加工質(zhì)量的最優(yōu)化。同時(shí)，對(duì)鮮葉等級(jí)和質(zhì)量的在線科學(xué)快速評(píng)判，也是實(shí)現(xiàn)茶葉數(shù)字化和智能化加工的技術(shù)基礎(chǔ)。王勝鵬等利用近紅外光譜技術(shù)，以含水率、粗纖維總量和全氮量作為鮮葉質(zhì)量的判斷依據(jù)，建立了茶鮮葉原料質(zhì)量的在線評(píng)價(jià)模型，為評(píng)價(jià)茶鮮葉原料的質(zhì)量提供了準(zhǔn)確、快捷的新方法。常春等利用茶鮮葉圖像的面積、周長(zhǎng)、長(zhǎng)軸長(zhǎng)度、短軸長(zhǎng)度等幾何特征，以及圖像的對(duì)比度、平滑度等紋理特征進(jìn)行BP（Backpropagation）神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建，可將茶鮮葉按嫩度等級(jí)進(jìn)行準(zhǔn)確分類。王曼等利用近紅外光譜技術(shù)建立了黃山毛峰鮮葉中含水率、全氮量和粗纖維含量的近紅外定量模型，通過(guò)分析近紅外光譜-鮮葉內(nèi)成分-鮮葉等級(jí)間相關(guān)性，得到鮮葉等級(jí)近紅外預(yù)測(cè)模型。在此基礎(chǔ)上嵌入開(kāi)發(fā)了適用性良好的SNIR-2101 茶葉品質(zhì)分析儀，為茶鮮葉品質(zhì)分析和等級(jí)快速評(píng)價(jià)提供新策略。高震宇等針對(duì)風(fēng)選、篩選等分選方法難以做到茶鮮葉精確細(xì)分的問(wèn)題，結(jié)合計(jì)算機(jī)視覺(jué)技術(shù)和深度學(xué)習(xí)算法，設(shè)計(jì)了1 套茶鮮葉智能分選系統(tǒng)，搭建了基于7 層結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)判別模型，可以實(shí)現(xiàn)茶鮮葉的智能識(shí)別和等級(jí)分選。戴春霞等利用高光譜技術(shù)提取高光譜圖像感興趣區(qū)域并結(jié)合偏最小二乘回歸（PLSR）建立茶鮮葉的含水率預(yù)測(cè)模型，實(shí)現(xiàn)對(duì)鮮葉新鮮程度的快速評(píng)判，進(jìn)而實(shí)現(xiàn)對(duì)茶鮮葉質(zhì)量的智能監(jiān)控。Wang等通過(guò)智能手機(jī)開(kāi)發(fā)了1 種基于近紅外光譜技術(shù)的多品種鮮葉質(zhì)量指標(biāo)原位分析工具，通過(guò)偏最小二乘法（PLS）模型對(duì)茶多酚、氨基酸含量及酚氨比進(jìn)行精準(zhǔn)預(yù)測(cè)，可實(shí)現(xiàn)多品種鮮葉品質(zhì)質(zhì)量的數(shù)字化快速定量評(píng)價(jià)。

1.2 攤放程度分析與檢測(cè)

攤放是茶葉加工的重要工序，攤青葉含水率是判斷攤放程度的重要質(zhì)量參數(shù)，并直接影響攤放過(guò)程品質(zhì)成分的轉(zhuǎn)化，最終影響到成品茶的質(zhì)量。因此，進(jìn)行攤放過(guò)程中攤青葉含水率實(shí)時(shí)、準(zhǔn)確和無(wú)損檢測(cè)，實(shí)現(xiàn)攤青葉含水率的在線精準(zhǔn)控制，對(duì)于茶葉攤放工序的數(shù)字化、智能化生產(chǎn)具有重要意義。

王勝鵬等利用近紅外光譜技術(shù)提出了一種預(yù)測(cè)綠茶攤青葉含水率的方法，通過(guò)將鮮葉樣品近紅外光譜全部轉(zhuǎn)化為成對(duì)的數(shù)據(jù)點(diǎn)，利用聯(lián)合區(qū)間偏最小二乘法（siPLS）建立含水率預(yù)測(cè)模型，實(shí)現(xiàn)綠茶攤青葉含水率的快速預(yù)測(cè)。Liu等利用近紅外光譜技術(shù)通過(guò)VCPA-GA提取特征波長(zhǎng)建立了PLSR 和支持向量回歸（SVR）預(yù)測(cè)模型，可以準(zhǔn)確無(wú)損地預(yù)測(cè)綠茶攤青葉的含水率，解決了攤青葉含水率定量預(yù)測(cè)，對(duì)綠茶加工設(shè)備的數(shù)字化具有重要的指導(dǎo)意義。

1.3 萎凋程度檢測(cè)與判別

萎凋作為紅茶加工過(guò)程中的首道工序，其過(guò)程伴隨含水率和葉綠素含量逐漸下降，葉片失水收縮并產(chǎn)生茶黃素，導(dǎo)致萎凋葉外觀和顏色發(fā)生較大變化。在實(shí)際生產(chǎn)中，準(zhǔn)確評(píng)估萎凋程度是提高紅茶品質(zhì)的前提。

寧井銘等提出了一種將圖像和光譜信息融合后分別與線性判別分析法（LDA）和PLS 結(jié)合的技術(shù)，以光譜和紋理特征值融合數(shù)據(jù)建立紅茶萎凋程度的線性判別模型和兒茶素與氨基酸比值的PLS 預(yù)測(cè)模型，萎凋程度判別準(zhǔn)確率達(dá)到94.64%，此方法可實(shí)現(xiàn)對(duì)紅茶萎凋程度數(shù)字化判別。梁高震等基于機(jī)器視覺(jué)技術(shù)獲取萎凋葉圖像的色澤和紋理特征信息，分析圖像特征變量的變化規(guī)律及其與含水率的關(guān)聯(lián)，采用PLS、極限學(xué)習(xí)機(jī)（ELM）和SVR 算法，分別建立萎凋葉含水率定量預(yù)測(cè)模型，結(jié)果表明SVR 模型能夠更好表征圖像信息與含水率之間的量化解析關(guān)系，為工夫紅茶萎凋過(guò)程在制品含水率在線檢測(cè)裝備的開(kāi)發(fā)提供理論基礎(chǔ)。An 等提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）置信度的萎凋葉含水率檢測(cè)方法，此方法利用深度學(xué)習(xí)算法可以更好地表征圖像與水分的相關(guān)性，與傳統(tǒng)的線性PLS 和非線性SVR 算法相比，該方法可更大程度地提取圖像中與水分相關(guān)的信息，模型具有較好泛化性，可以快速無(wú)損地預(yù)測(cè)萎凋葉含水率。Wang等采用近紅外光譜、電子眼和比色傳感陣列多技術(shù)融合來(lái)評(píng)估萎凋程度，使用支持向量機(jī)（SVM）對(duì)低級(jí)、中級(jí)數(shù)據(jù)融合進(jìn)行建模和比較，中級(jí)融合策略比低級(jí)融合策略模型性能更優(yōu)，SVM模型的最佳判別準(zhǔn)確率為97.50%，此開(kāi)發(fā)的多技術(shù)融合系統(tǒng)可為紅茶葉萎凋過(guò)程的數(shù)字化監(jiān)控提供技術(shù)支撐。Shen 等依靠微型近紅外光譜與智能手機(jī)相結(jié)合，開(kāi)發(fā)了基于Elman 神經(jīng)網(wǎng)絡(luò)（ENN）的萎凋葉含水率預(yù)測(cè)模型。該方法通過(guò)ENN結(jié)合了主成分分析（PCA），既可以提取光譜特征，又可以進(jìn)行動(dòng)態(tài)信息處理，提高了模型的抗干擾能力和訓(xùn)練效率，為預(yù)測(cè)萎凋葉含水率提供了一種便攜、準(zhǔn)確、快速、無(wú)損的方法。

1.4 殺青程度判別與控制

殺青是綠茶、青茶、黃茶和黑茶加工的關(guān)鍵工序，其本質(zhì)在于通過(guò)短時(shí)高溫鈍化葉內(nèi)酶活性（主要是多酚氧化酶PPO 和過(guò)氧化物酶POD），抑制鮮葉中多酚類物質(zhì)氧化，以防止葉片紅變，同時(shí)使葉內(nèi)部分水分蒸發(fā)、散發(fā)青氣、葉子變蔫變軟，為后續(xù)揉捻做形創(chuàng)造條件。殺青后葉子含水率根據(jù)鮮葉老嫩程度不同，一般保持在58%～62%之間。通過(guò)對(duì)殺青葉含水率的準(zhǔn)確判斷，可有效檢測(cè)生產(chǎn)中綠茶的殺青程度。陳培培利用可見(jiàn)-近紅外光譜和高光譜成像技術(shù)，通過(guò)對(duì)龍井43 殺青葉高光譜信息的預(yù)處理和特征提取，分別建立含水率的光譜和成像檢測(cè)模型，從而為實(shí)現(xiàn)綠茶殺青葉含水率數(shù)字化在線檢測(cè)提供技術(shù)支撐。胡永光等基于可見(jiàn)-近紅外光譜分析建立綠茶殺青葉含水率的PLSR預(yù)測(cè)模型，含水率預(yù)測(cè)的平均相對(duì)誤差為3.30%，為實(shí)現(xiàn)綠茶殺青葉含水率的數(shù)字化在線檢測(cè)提供思路。毛曉文以模糊PID控制技術(shù)和近紅外水分在線檢測(cè)技術(shù)為核心，研究了利用綠茶殺青自動(dòng)系統(tǒng)，解決殺青效果穩(wěn)定性的問(wèn)題，為數(shù)字化生產(chǎn)優(yōu)質(zhì)綠茶提供了參考。此外，蔣建軍等在傳統(tǒng)的鍋式殺青裝置基礎(chǔ)上，嵌入PEN 3 電子鼻的氣味在線檢測(cè)裝備，研究不同鍋溫下PEN 3 電子鼻傳感器的響應(yīng)值與殺青品質(zhì)的關(guān)系，提出基于氣味在線檢測(cè)技術(shù)的綠茶鍋式殺青系統(tǒng)，根據(jù)酶促氧化物以及綠茶香氣的響應(yīng)值來(lái)反饋控制殺青鍋溫，此方法可用于實(shí)時(shí)檢測(cè)殺青過(guò)程中的揮發(fā)性成分，并準(zhǔn)確地根據(jù)揮發(fā)性成分的變化規(guī)律作出反饋控制，可為實(shí)現(xiàn)數(shù)字化的殺青處理賦能。吳鑫等利用機(jī)器視覺(jué)對(duì)微波殺青過(guò)程中在制品的色澤和紋理特征實(shí)時(shí)監(jiān)測(cè)，通過(guò)建立ELM、遺傳神經(jīng)網(wǎng)絡(luò)（GABP）、CNN 模型可對(duì)殺青葉含水率、茶多酚和氨基酸含量進(jìn)行在線檢測(cè)，該方法在快速檢測(cè)茶葉殺青品質(zhì)和茶葉數(shù)字化殺青作業(yè)中具有很好的應(yīng)用前景。

1.5 揉捻程度檢測(cè)與判別

揉捻是茶葉外形塑造和利于沖泡的關(guān)鍵工序。在揉捻擠壓力的作用下在制品卷緊成條、細(xì)胞破碎、茶汁外溢，其物理、化學(xué)特性等發(fā)生相應(yīng)變化，近而直接影響成品茶的品質(zhì)。近年來(lái)揉捻研究主要集中在揉捻數(shù)字化和基礎(chǔ)研究等方面，主要包括對(duì)揉捻過(guò)程中在制品基本物理特性、外觀紋理、力學(xué)特性、電學(xué)特性、光學(xué)特性、顯微結(jié)構(gòu)及主要化學(xué)成分的變化進(jìn)行了相關(guān)研究，經(jīng)相關(guān)分析初步建立了揉捻程度的評(píng)價(jià)方法及揉捻機(jī)數(shù)字化控制策略。

林燕萍利用質(zhì)構(gòu)儀探究閩南烏龍茶包揉過(guò)程揉捻葉的力學(xué)特性對(duì)包揉質(zhì)量的影響機(jī)理，為進(jìn)一步研究烏龍茶包揉數(shù)字化技術(shù)與工藝，開(kāi)發(fā)包揉數(shù)字化設(shè)備提供理論科學(xué)依據(jù)。張哲等研究了綠茶揉捻過(guò)程中含水率、柔軟性、彈塑性及孔隙率等物理特性的變化規(guī)律，發(fā)現(xiàn)了揉捻葉含水率與揉捻時(shí)間呈負(fù)相關(guān)；茶葉的彈性與揉捻時(shí)間基本呈線性正相關(guān)，柔軟性和可塑性均為先增加后減小，孔隙率隨揉捻時(shí)間呈開(kāi)口向上的拋物線趨勢(shì)，豐富了茶葉揉捻數(shù)字化的理論基礎(chǔ)。葉陽(yáng)等基于揉捻葉電參數(shù)的復(fù)阻抗Z 值由大到小，復(fù)阻抗Z值降低速度由快到慢，當(dāng)復(fù)阻抗Z值降低并趨于平穩(wěn)后而首次出現(xiàn)回升時(shí)，此時(shí)即為揉捻適度，建立了紅茶揉捻數(shù)字化的判定方法。劉飛研究了工夫紅茶揉捻過(guò)程中揉捻壓力及揉捻在制品主要化學(xué)特性、基本物理特性、外觀紋理、力學(xué)特性、電學(xué)特性、光學(xué)特性、顯微結(jié)構(gòu)的變化，建立了基于多信息融合的揉捻成條率判定方法。徐海衛(wèi)等通過(guò)分析揉捻葉在揉桶中的受力情況，建立了桶式揉捻機(jī)揉捻過(guò)程中的揉捻葉受力模型，得到最佳施壓模型和揉捻盤(pán)轉(zhuǎn)速之間參數(shù)關(guān)系，可為實(shí)現(xiàn)茶葉揉捻加工工藝的數(shù)字化作業(yè)提供參考。

1.6 發(fā)酵和渥堆的品質(zhì)質(zhì)量檢測(cè)與程度判別

發(fā)酵是茶葉品質(zhì)形成的關(guān)鍵工序，此過(guò)程伴隨氧化、聚合、縮合等一系列生化反應(yīng)，主要影響紅茶、普洱茶的特定品質(zhì)形成。在實(shí)際生產(chǎn)中主要根據(jù)發(fā)酵葉在指定時(shí)間下顏色、香氣的變化判斷發(fā)酵質(zhì)量，其數(shù)字化水平較低。近年來(lái)，科研工作者通過(guò)圖像、光學(xué)、電化學(xué)以及融合技術(shù)研究茶葉發(fā)酵過(guò)程，為發(fā)酵工序數(shù)字化提供了新的方法和思路。

（1）視覺(jué)角度解析發(fā)酵品質(zhì)的方法研究。Borah 等使用曼哈頓距離算法（Manhattan norm）分析不同發(fā)酵時(shí)刻的在制品圖像與適度發(fā)酵樣品圖像信息的聯(lián)系，明確樣品圖像中RGB（red，green，blue）三通道的DPV值若均小于0.3為發(fā)酵適度的結(jié)論，為發(fā)酵程度的數(shù)字化判別提供理論依據(jù)。Singh等利用紅茶發(fā)酵葉圖像中RGB和灰度信息，構(gòu)建了茶葉外形綜合指標(biāo)TQI 的評(píng)價(jià)方法，為茶葉發(fā)酵質(zhì)量的數(shù)字化監(jiān)測(cè)提供解決方案。Dong 等通過(guò)機(jī)器視覺(jué)技術(shù)分析了紅茶發(fā)酵過(guò)程圖片信息的RGB、Lab 和HSV（hue，saturation，value）顏色空間變化規(guī)律，以顏色特征參數(shù)作為發(fā)酵程度模型的輸入來(lái)建立茶色素的非線性定量預(yù)測(cè)模型，計(jì)算機(jī)圖像的顏色特征和隨機(jī)森林模型（RF）、SVM 非線性算法可對(duì)紅茶發(fā)酵過(guò)程中品質(zhì)指標(biāo)進(jìn)行數(shù)字化評(píng)價(jià)。

（2）光學(xué)光譜檢測(cè)理化成分方法研究。理化檢測(cè)方法在判別紅茶發(fā)酵程度和定量預(yù)測(cè)發(fā)酵中關(guān)鍵理化成分方面雖然較精確，但存在耗時(shí)長(zhǎng)、操作復(fù)雜和成本高等缺陷，無(wú)法在實(shí)際生產(chǎn)中快速感知發(fā)酵的主要成分信息，由于茶多酚、兒茶素、茶氨酸、茶黃素和茶紅素內(nèi)C-H、O-H 基伸縮振動(dòng)以及苯環(huán)中較多的C-C、C-O對(duì)光譜的特定波長(zhǎng)具有不同吸收特性，可借助近紅外光譜和高光譜圖像技術(shù)等無(wú)損檢測(cè)技術(shù)對(duì)紅茶在制品進(jìn)行檢測(cè)。董春旺等以不同發(fā)酵時(shí)序下的在制品為研究對(duì)象，利用近紅外光譜技術(shù)，結(jié)合化學(xué)計(jì)量學(xué)方法及不同智能算法，建立了紅茶發(fā)酵中茶色素、兒茶素和酚氨比等關(guān)鍵理化成分及感官品質(zhì)評(píng)分的定量分析模型，可用于數(shù)字化生產(chǎn)中的發(fā)酵成分在線檢測(cè)。鄧余良等基于近紅外光譜和化學(xué)計(jì)量學(xué)方法，建立了紅茶發(fā)酵過(guò)程中茶黃素和茶紅素比值（TFs/TRs）的線性（PLS、Si-PLS、Si-CARS-PLS） 和非線性（Si-CARS-ELM、Si-CARS-ELMAdaBoost）預(yù)測(cè)模型，可為發(fā)酵品質(zhì)的數(shù)字化快速評(píng)價(jià)提供方法。Yang 等討論了堆放發(fā)酵葉不同位置關(guān)鍵內(nèi)質(zhì)成分的變化及影響因素，比較了基于高光譜信息下的不同預(yù)處理、變量選擇和智能算法對(duì)模型性能的影響，建立了主要內(nèi)質(zhì)成分（茶褐素、茶紅素、兒茶素、咖啡堿和可溶性糖）定量預(yù)測(cè)模型，將紅茶不同時(shí)期的關(guān)鍵品質(zhì)指標(biāo)分布可視化，實(shí)時(shí)檢測(cè)紅茶發(fā)酵過(guò)程中關(guān)鍵內(nèi)質(zhì)成分的變化狀態(tài)和分布，為發(fā)酵信息的可視化和數(shù)字化展現(xiàn)提供技術(shù)支撐。

（3）電特性技術(shù)在發(fā)酵品質(zhì)檢測(cè)中的應(yīng)用。王盛琳等以工夫紅茶發(fā)酵在制品為研究對(duì)象，利用電特性檢測(cè)技術(shù)與化學(xué)計(jì)量學(xué)方法相結(jié)合，構(gòu)建發(fā)酵葉茶多酚含量的預(yù)測(cè)模型，探討了發(fā)酵葉電參數(shù)（并聯(lián)等效電容、損耗因子和電抗）的變化規(guī)律，試驗(yàn)表明電特性檢測(cè)技術(shù)可用于紅茶發(fā)酵過(guò)程中茶多酚含量的數(shù)字化預(yù)測(cè)。Dong 等建立了基于電特性測(cè)量和化學(xué)計(jì)量學(xué)方法檢測(cè)發(fā)酵過(guò)程紅茶兒茶素含量的定量預(yù)測(cè)模型，明確了兒茶素含量最敏感的電氣參數(shù)主要是在低頻（0.05～0.10 kHz）下的等效并聯(lián)電容、損耗因子和電抗，為兒茶素含量的數(shù)字化定量預(yù)測(cè)提供了參考。

（4）多元信息融合技術(shù)在發(fā)酵品質(zhì)檢測(cè)中的應(yīng)用。Jin 等提出了基于低成本微近紅外光譜和實(shí)驗(yàn)室制造的計(jì)算機(jī)視覺(jué)系統(tǒng)（CVS）進(jìn)行紅茶發(fā)酵質(zhì)量的在線快速檢測(cè)，建立了PAC-SVM的兒茶素和茶黃素定量預(yù)測(cè)模型，利用顏色、光譜和數(shù)據(jù)融合信息對(duì)紅茶發(fā)酵程度進(jìn)行數(shù)字化表征。Li 等構(gòu)建了基于納米材料的比色傳感器陣列，并采用紫外-可見(jiàn)光譜結(jié)合化學(xué)計(jì)量學(xué)方法監(jiān)測(cè)紅茶的發(fā)酵質(zhì)量，建立紅茶發(fā)酵過(guò)程中關(guān)鍵化合物茶黃素和兒茶素的數(shù)字化定量預(yù)測(cè)模型。Jin等結(jié)合傅里葉變換近紅外光譜（FT-NIR）和CVS 對(duì)紅茶發(fā)酵程度進(jìn)行綜合評(píng)價(jià)，用兩種中級(jí)策略分析FT-NIR 和CVS 的融合信號(hào)。K-最近鄰（KNN）、LDA 和SVM 用于分類建模，證明了FTNIR 和CVS 在中級(jí)融合策略的組合可以作為紅茶發(fā)酵程度的數(shù)字化評(píng)估方法。

龔自明等利用近紅外光譜儀得到了不同渥堆程度的渥堆原料樣品的空間分布圖，不同渥堆程度青磚茶渥堆原料樣品在空間中沒(méi)有出現(xiàn)交叉分布的情況，從而實(shí)現(xiàn)了渥堆程度的數(shù)字化預(yù)測(cè)。寧井銘等提出了利用近紅外光譜結(jié)合人工神經(jīng)網(wǎng)絡(luò)的方法對(duì)普洱茶發(fā)酵程度進(jìn)行模型構(gòu)建，實(shí)現(xiàn)了近紅外光譜技術(shù)結(jié)合模式識(shí)別對(duì)普洱茶發(fā)酵質(zhì)量的數(shù)字化快速判別。

1.7 干燥程度檢測(cè)與判別

干燥過(guò)程是茶葉加工的最后一道工序，茶葉含水率是判斷干燥程度的重要質(zhì)量參數(shù)，隨著茶葉水分散失、外形固定，茶葉內(nèi)含成分發(fā)生系列理化反應(yīng)，是形成茶葉色澤、香氣以及滋味的重要過(guò)程。劉飛等提出了基于不同頻率下電特性參數(shù)值與綠茶干燥過(guò)程在制品含水率進(jìn)行相關(guān)性分析，建立了含水率定量預(yù)測(cè)模型，為茶葉干燥過(guò)程在制品狀態(tài)的數(shù)字化快速無(wú)損檢測(cè)提供了思路。陳琳等提出了基于近紅外光譜紅茶干燥中含水率無(wú)損檢測(cè)方法，利用PLS、siPLS分別構(gòu)建水分近紅外預(yù)測(cè)模型，實(shí)現(xiàn)工夫紅茶干燥過(guò)程含水率的快速檢測(cè)。吳繼忠等采用近紅外光譜分析技術(shù)分析茶葉干燥過(guò)程水分含量，應(yīng)用全光譜PLS模型、遺傳偏最小二乘模型（GA-PLS）、競(jìng)爭(zhēng)性自適應(yīng)加權(quán)抽樣偏最小二乘模型（CARS-PLS）建立模型，為茶葉干燥過(guò)程品質(zhì)的數(shù)字化、智能化監(jiān)控提供方法。趙麗清等將熱風(fēng)干燥過(guò)程中的烘干溫度、滾筒轉(zhuǎn)速、烘干初始水分、預(yù)測(cè)時(shí)間作為輸入，含水率作為輸出，分別利用多元線性回歸、BP 神經(jīng)網(wǎng)絡(luò)、Elman 神經(jīng)網(wǎng)絡(luò)以及粒子群優(yōu)化的Elman神經(jīng)網(wǎng)絡(luò)（PSO-Elman）算法建立烘干過(guò)程茶葉含水率預(yù)測(cè)模型，該方法的優(yōu)異預(yù)測(cè)效果對(duì)茶葉干燥的數(shù)字化作業(yè)具有指導(dǎo)作用。

2 茶葉數(shù)字化加工存在的問(wèn)題

在茶產(chǎn)業(yè)宏觀背景的發(fā)展態(tài)勢(shì)下，茶葉加工的數(shù)字化、智能化雖呈現(xiàn)積極發(fā)展的趨勢(shì)，特別是光譜技術(shù)、機(jī)器視覺(jué)技術(shù)、電特性、電子鼻等無(wú)損在線檢測(cè)技術(shù)為茶葉加工的數(shù)字化、智能化轉(zhuǎn)型與升級(jí)提供技術(shù)支撐，其優(yōu)勢(shì)主要體現(xiàn)在檢測(cè)速度快，對(duì)被測(cè)樣品無(wú)損且操作便捷，但在實(shí)際加工生產(chǎn)中，仍舊存在諸多現(xiàn)實(shí)問(wèn)題。一方面是在線檢測(cè)技術(shù)需要逐步完善。如近紅外檢測(cè)中標(biāo)準(zhǔn)譜庫(kù)的建立與完善，減少外界干擾因素（光譜取樣位置、采樣條件等）對(duì)測(cè)量精度的影響，光譜模型的局限性和普適性；機(jī)器視覺(jué)檢測(cè)中光源的優(yōu)選和成像效果，適用不同場(chǎng)景的圖像處理算法的精簡(jiǎn)與創(chuàng)新；電特性檢測(cè)中要保證測(cè)試條件的穩(wěn)定性以及改善低頻檢測(cè)時(shí)電特性參數(shù)比較不穩(wěn)定，系統(tǒng)誤差比較明顯；電子鼻檢測(cè)中數(shù)據(jù)處理的高效性及新型傳感器的研發(fā)。此外，受不同年份、季節(jié)、降雨量、光照、土壤等多因素的影響，茶葉在制品品質(zhì)信息的差異顯著，導(dǎo)致茶葉加工全程各分析技術(shù)的靈敏度和準(zhǔn)確性、合適的數(shù)據(jù)分析策略、高效的模型遷移泛化能力以及建立完備的在線檢測(cè)技術(shù)信息數(shù)據(jù)庫(kù)及數(shù)字化裝備研發(fā)等方面發(fā)展受到限制。另一方面是茶葉加工數(shù)字化、智能化研發(fā)的創(chuàng)新和投入需要提高。目前，我國(guó)的茶葉生產(chǎn)加工裝備大多仍處于機(jī)械化發(fā)展過(guò)程中，自動(dòng)化生產(chǎn)線中僅少量加工工序?qū)崿F(xiàn)初步數(shù)字化，尚未完全實(shí)現(xiàn)數(shù)字化和智能化，一部分茶葉初加工裝備缺乏在線檢測(cè)技術(shù)、現(xiàn)代信息技術(shù)等高新技術(shù)的應(yīng)用和創(chuàng)新，研發(fā)投入少和研發(fā)企業(yè)及相關(guān)專業(yè)研發(fā)技術(shù)人員匱乏，數(shù)字化產(chǎn)品的設(shè)計(jì)、研發(fā)過(guò)程涉及機(jī)械、物理、自動(dòng)化、計(jì)算機(jī)等多個(gè)學(xué)科，需要企業(yè)在相關(guān)學(xué)科技術(shù)上投入大量人力、時(shí)間和資金，使得相關(guān)企業(yè)和科研單位研發(fā)先進(jìn)適用的茶葉生產(chǎn)數(shù)字化作業(yè)新技術(shù)、新設(shè)備過(guò)于滯后，將直接影響茶葉加工數(shù)字化、智能化創(chuàng)新和裝備的升級(jí)換代。

3 茶葉數(shù)字化加工發(fā)展趨勢(shì)及展望

3.1 茶葉加工產(chǎn)業(yè)對(duì)科技的需求

在現(xiàn)代信息化技術(shù)和無(wú)損檢測(cè)技術(shù)高速發(fā)展的時(shí)代背景下，通過(guò)光譜技術(shù)、圖像技術(shù)、電特性技術(shù)、電子鼻、電子舌、信息技術(shù)、數(shù)據(jù)挖掘與處理、智能控制與制造等多領(lǐng)域技術(shù)的深度融合與集成創(chuàng)新，將帶動(dòng)茶葉加工的數(shù)字化變革，產(chǎn)品定向化加工、品質(zhì)精準(zhǔn)化調(diào)控逐漸成為可能，而隨著高端智能控制系統(tǒng)在茶業(yè)領(lǐng)域的融合和發(fā)展，茶葉加工向“無(wú)人工廠”“智能造”轉(zhuǎn)型升級(jí)將成為今后茶葉加工業(yè)的發(fā)展必然。

3.2 茶葉數(shù)字化加工發(fā)展趨勢(shì)及展望

隨著經(jīng)濟(jì)社會(huì)發(fā)展，消費(fèi)者對(duì)茶葉產(chǎn)品質(zhì)量的優(yōu)異和穩(wěn)定要求將不斷提升，與此同時(shí)，勞力、能源等資源緊缺矛盾亦將越加突出，必須依靠現(xiàn)代信息化技術(shù)和無(wú)損檢測(cè)技術(shù)融合與創(chuàng)新，推進(jìn)茶葉的數(shù)字化、智能化加工，實(shí)現(xiàn)加工方式的升級(jí)發(fā)展。因此，未來(lái)無(wú)損在線檢測(cè)技術(shù)將在茶葉數(shù)字化加工中繼續(xù)承擔(dān)重要角色，具體發(fā)展趨勢(shì)如下。

一是建立起不同區(qū)域、不同季節(jié)、不同品種、不同嫩度具有代表性的茶葉加工全程在制品的在線檢測(cè)數(shù)據(jù)庫(kù)，為建立茶葉加工在制品品質(zhì)的快速通用分析模型奠定基礎(chǔ)。

二是開(kāi)發(fā)高效、精準(zhǔn)且可便于移植的數(shù)據(jù)處理算法和分析模型，解決茶葉在制品信息檢測(cè)過(guò)程中數(shù)據(jù)量過(guò)大、冗余過(guò)多、噪聲干擾過(guò)強(qiáng)、處理時(shí)間長(zhǎng)而無(wú)法實(shí)現(xiàn)在線檢測(cè)的問(wèn)題。

三是加強(qiáng)對(duì)在線無(wú)損檢測(cè)技術(shù)和檢測(cè)設(shè)備的研發(fā)與創(chuàng)新。近紅外光譜技術(shù)應(yīng)向便攜化和輕型化方向發(fā)展，明確茶葉加工在制品不同指標(biāo)的關(guān)鍵特征波長(zhǎng)和建立對(duì)應(yīng)通用型模型，降低自主研發(fā)成本；高光譜技術(shù)應(yīng)用于光譜圖像采集系統(tǒng)，系統(tǒng)設(shè)計(jì)簡(jiǎn)易、精準(zhǔn)便捷，結(jié)合光譜預(yù)處理、數(shù)據(jù)降維、圖像處理等方法，建立基于茶葉加工在制品不同特征指標(biāo)的信息最佳處理算法和分析模型，降低設(shè)備研發(fā)成本；機(jī)器視覺(jué)技術(shù)應(yīng)用于建立通用型的照明系統(tǒng)，針對(duì)茶葉加工過(guò)程不同的應(yīng)用場(chǎng)景需求，設(shè)計(jì)合適的照明裝置，結(jié)合先進(jìn)的圖像處理和深度學(xué)習(xí)等算法的簡(jiǎn)化，提高對(duì)茶葉加工在制品的檢測(cè)分析效果；介電特性檢測(cè)技術(shù)應(yīng)擴(kuò)大茶葉加工過(guò)程的應(yīng)用范圍，加強(qiáng)介電檢測(cè)設(shè)備穩(wěn)定性和低頻靈敏度的研發(fā)；電子鼻技術(shù)應(yīng)優(yōu)化和研發(fā)穩(wěn)定可靠的新型氣體傳感器，提高檢測(cè)效率。

四是多傳感器無(wú)損檢測(cè)技術(shù)融合應(yīng)用于茶葉加工無(wú)損檢測(cè)中，可避免單一技術(shù)的信息缺失和不全面，實(shí)現(xiàn)高效、快速、全面的茶葉加工在制品品質(zhì)在線檢測(cè)。

五是基于在線檢測(cè)技術(shù)、信號(hào)傳輸與處理技術(shù)的加工工序數(shù)字化控制系統(tǒng)，開(kāi)展茶葉智能加工技術(shù)集成，將智能加工設(shè)備與品質(zhì)感知監(jiān)控技術(shù)進(jìn)行融合，實(shí)現(xiàn)加工過(guò)程的信息自反饋、工藝自決策和過(guò)程自執(zhí)行。集成建立數(shù)字化加工示范生產(chǎn)線，構(gòu)建現(xiàn)代加工技術(shù)體系，組建智能化“無(wú)人工廠”。

總體而言，茶葉數(shù)字化加工的發(fā)展必將持續(xù)以科技創(chuàng)新為支撐，以市場(chǎng)需求為引領(lǐng)，以數(shù)字經(jīng)濟(jì)為目標(biāo)，不斷深化基礎(chǔ)理論和創(chuàng)新應(yīng)用研究，通過(guò)現(xiàn)代食品無(wú)損檢測(cè)技術(shù)、機(jī)械自動(dòng)化、信息工程、物聯(lián)網(wǎng)和人工智能等多學(xué)科交叉，結(jié)合高新技術(shù)的融合與研發(fā)，促進(jìn)現(xiàn)有茶葉加工技術(shù)向數(shù)字化和智能化方向轉(zhuǎn)型與升級(jí)，實(shí)現(xiàn)茶葉加工數(shù)字化精準(zhǔn)調(diào)控，有效提高產(chǎn)品的科技含量和附加值，推動(dòng)茶產(chǎn)業(yè)高速發(fā)展。