紅茶是一種全發酵茶葉，因其風味而受到消費者青睞。有研究表明茶多酚是茶葉中主要功能性物質，約占茶葉干質量的18%~40%。還有研究表明茶多酚具有預防脂肪肝、抑菌、抗氧化等功效。
現如今通過化學方法測定紅茶中茶多酚含量已有多種方法，如氣相色譜-質譜法、液相色譜-質譜法以及高效液相色譜法等。這些方法雖然可以達到足夠高的精確度，但檢測工序會對試驗樣本造成破壞，且需要在專業人員的監管下進行，且這些方法成本較高，步驟復雜。高光譜成像技術(HSI)作為一種快速無損的光譜檢測方法已廣泛應用于食品檢測領域。該檢測方法操作簡單，可在不破壞樣本的前提下快速獲得能反映被測物品質參數的光譜，且能夠獲取近紅外光譜儀無法測得的樣本圖像數據。
01高光譜圖像采集
茶葉樣本模仿流水線檢測方式，使其自然成堆地散落于可移動載物臺之上，采用軟件ENVI4.8的確定感興趣區域(regionofinterest，ROI)處理系統分析高光譜圖像內各個成像點，從而獲得紅茶光譜數據。由于茶葉葉片并不能平整，會導致鏡頭獲取不同高度的葉片數據時產生誤差，因此選取感興趣點提取葉片數據時應避免選取顏色過暗的葉片，如圖2所示。
圖1 高光譜采集系統示意圖
圖2提取光譜數據
02光譜預處理
光譜相機掃描茶葉樣品獲得全波長光譜數據，初始波長以及末尾波長由于設備、環境等原因噪音過大，數據失真，故將其剔除。在實際生產中，樣本在傳送帶上的分布是無序的，高低錯落的，為模擬這一過程，實驗中茶葉葉片錯落分布于傳送板上，故茶葉高低錯落不平，光譜數據反射率會受其影響，進而呈現出整體性的提高或下降，因此本研究采用MSC預處理方法減小這種誤差干擾，其校正后光譜圖像如圖3所示。
圖 3MSC預處理后光譜數據
03波長篩選
全光譜建模存在數據冗余、波段多等特點，會影響模型預測精度以及模型運行速度，同樣會使得可視化圖像生成緩慢，在實際應用時會產生延時，缺乏檢測實時性。圖4表示的是英紅九號紅茶通過SPA尋優特征變量的過程。14個波長為1386、1419、1666、1571、1498、1447、1727、1856、1889、2174、2308、2051、1313、1199nm。茶多酚為酚類、酯類等有機物組成的混合物，其含有的官能團較多且復雜，但其主要官能團苯環骨架、酯基、羥基在光譜信息上表達特性的區域為1400~1900nm，故特征波長點大多出自此處是符合茶多酚中各物質化學結構的。
圖4 SPA篩選特征光譜變量過程圖
圖5 PSO-LSSVR預測紅茶種茶多酚含量值與真實值對比圖
04可視化結果
將茶葉光譜數據代入PSO-LSSVR模型，對高光譜圖像各個像素點進行茶多酚含量預測，可視化效果如圖6所示。A圖紅茶編號為H86，其茶多酚質量分數由化學法測得為22.31%，可視化圖像中茶葉表面整體呈橙色，但可以看出部分茶尖呈紅色。B圖紅茶編號為H13，其茶多酚質量分數由化學測量法測得為14.36%，可視化圖像中茶葉表面整體呈黃綠色，但也可以看出部分茶尖呈橙紅色。C圖紅茶編號為H40，其茶多酚質量分數由化學測量法測得為8.96%，可視化圖像中茶葉表面整體呈現淺藍色。
通過高光譜技術可以實現茶多酚含量可視化，且通過色彩梯度圖可直觀看出茶葉中茶多酚含量高低及其分布情況，在茶葉分級過程中可以作為一個步驟，使操作人員快速直觀地判別茶葉等級，并將其挑選分類。
注:A~C3種茶編號及其所含茶多酚的質量分數為H86號:22.31%，H13號:14.36%，H40號:8.96%。圖6茶多酚含量可視化
推薦：
便攜式高光譜成像系統iSpecHyper-VS1000
專門用于刑偵、物證鑒定、醫學醫療、精準農業、礦物地質勘探等領域的產品，主要優勢具有體積小、幀率高、高光譜分辨率高、高像質等性價比特點采用了透射光柵內推掃原理高光譜成像，系統集成高性能數據采集與分析處理系統，高速USB3.0接口傳輸，全靶面高成像質量光學設計，物鏡接口為標準C-Mount，可根據用戶需求更換物鏡。
