针对茶叶中的农药残留问题,利用表面增强拉曼光谱(SERS)技术结合二维相关光谱法快速检测茶叶中毒死蜱残留。以金纳米为增强基底,采集含不同浓度毒死蜱残留茶叶样本的SERS,利用标准正态变量变换(SNV)对原始拉曼光谱进行预处理,再以毒死蜱浓度为外扰,进行二维相关同步光谱和自相关谱分析,筛选出与毒死蜱浓度变化相关的特征谱峰,利用灰狼算法(GWO)优化支持向量机(SVM)参数,建立茶叶中毒死蜱残留分析模型,并与偏最小二乘(PLS)模型得到的结果进行比较。结果表明:利用二维相关光谱法优选出毒死蜱的14个特征谱峰,所建SVM模型对预测集样本的决定系数 Rp2为0.98,方均根误差为1.32,相对分析误差为6.32,能用于茶叶中毒死蜱残留的实际估测,模型性能优于采用1096 cm ^-1单个特征谱峰建立的SVM模型和PLS模型。研究结果表明:将二维相关光谱法用于筛选与茶叶中毒死蜱浓度相关的特征谱峰是可行的,为拉曼光谱中特征变量优选提供了新思路;同时也表明,SERS结合二维相关光谱法可以实现茶叶中毒死蜱残留的快速检测,为茶叶农药残留快速检测装置的开发提供了方法支持。

为弥补茶叶品质感官审评存在的缺陷, 利用计算机视觉技术对茶叶品质进行快速无损评价研究。 以碧螺春绿茶为对象, 依据专家感官审评结果, 将茶样分成4个等级; 采用中值滤波及拉普拉斯算子对茶样图像进行预处理, 并提取预处理后的茶样图像的颜色特征和纹理特征以表征茶叶图像的外形特征, 利用随机森林算法对茶叶外形特征属性进行重要性排序; 筛选出重要性较大的特征及随机森林算法中最优的决策树棵数建立感官评价模型, 并与建立的支持向量机（SVM）模型性能相比较。 结果表明: 色调均值、 色调标准差、 绿体均值、 平均灰度级、 饱和度均值、 红体均值、 饱和度标准差、 亮度均值、 一致性等9个特征属性的重要性较大, 且与感官审评特征描述结果相一致; 当采用优选出的9个重要性较大的特征及决策数棵数为500时, 建立的模型性能最优, 模型总体判别率为95.75%, Kappa系数为0.933, OOB误差为5%, 较SVM模型分别提高了3.5%, 0.066, 优选的9个重要性较大的图像特征与感官审评特征描述相一致。 研究表明: 利用随机森林方法筛选出对茶叶外形特征属性贡献最大的少数几个特征建立模型, 模型性能就能达到很好的识别效果, 模型得到简化, 同时模型精度和稳定性都高于其他方法。