为实现成品红茶中外源蔗糖含量的快速有效检测, 将凤庆大叶种红茶作为研究样本, 采用近红外光谱技术, 构建了成品红茶中外源蔗糖含量的定量预测模型。 首先, 制作不同外源蔗糖含量（0、 250、 500和750 g）成品红茶样品并采集其近红外光谱数据。 为提高模型预测精度, 选取标准正态变换（SNV）、 多元散射校正（MSC）、 平滑（Smooth）和中心化（Center）4种不同的预处理方法降噪处理后建立偏最小二乘回归（PLSR）模型, 根据模型效果, 优选出最佳的SNV预处理方法, 其校正集相关系数（Rc）为0.907, 预测集相关系数（Rp）为0.826, 相对标准偏差（RPD）为1.75。 为减少光谱中冗余信息对模型运算速度的影响, 利用竞争性自适应加权算法（CARS）、 混合蛙跳算法（SFLA）、 迭代空间收缩算法结合迭代保留信息变量算法（VCPA-IRIV）和变量迭代空间收缩算法（VISSA）等方法从SNV预处理后的光谱中提取对蔗糖敏感的特征波长, 利用主成分分析（PCA）将全光谱和所筛选的特征波长降维处理后, 分别建立线性PLSR和非线性的支持向量回归（SVR）、 随机森林（RF）定量预测模型。 结果表明, 经过SNV预处理后, 非线性的SVR和RF模型性能优于线性的PLSR模型, 其中VCPA-IRIV-SVR为最优模型, 其Rc值为0.950, Rp值为0.924, RPD值为2.51。 研究表明近红外光谱技术对于红茶加工过程中掺杂蔗糖含量的定量预测是可行的, 为实现红茶安全质量的无损检测提供了支撑。

发酵作为影响红茶品质形成的重要流程, 发酵品质程度的判断主要基于人工经验, 难以实现准确客观的评价。 该研究主要针对于工夫红茶发酵工序, 以不同发酵时序下的样品为对象, 利用高光谱检测技术并结合化学计量学方法, 对制备的不同发酵程度的样本进行无损检测和智能判别。 首先利用高光谱成像仪（400～1 000 nm）采集工夫红茶发酵样品的高光谱数据, 并根据气温、 茶叶嫩度、 萎凋情况、 揉捻过程、 发酵叶颜色及香气等现场生产信息, 将6个不同发酵时序下的样本, 根据发酵程度依次划分为3类（轻度发酵、 适度发酵、 过度发酵）。 为了降低采集高光谱信息时因培养皿中发酵叶的不平整而产生的散射现象对光谱数据的影响, 选取标准正态变量变换算法（standard normal variate, SNV）与多元散射校正算法（multiplicative scatter correction, MSC）对全波段光谱进行预处理, 将预处理后的光谱数据进行主成分分析（principal components analysis, PCA）, 分别得到前3个主成分的三维载荷图, 根据样本在图中的空间分布特征, 因而选择效果较好的SNV预处理方法。 以全波段光谱最优主成分作为模型输入量, 建立邻近算法(K-nearest neighbor, KNN)、 随机森林（random forests, RF）、 极限学习机（extreme learning machine, ELM）判别模型, 识别率分别为63.89%, 94.44%和86.11%, 结果表明, 非线性模型（RF、 ELM）识别率较高, 其中RF模型性能优于ELM模型。 为比较基于全波段与特征波长建立的工夫红茶发酵品质程度模型判别效果, 采用连续投影算法（successive projections algorithm, SPA）提取31个特征波长进行PCA降维处理, 以特征波长最优主成分作为模型输入量, 构建SPA-KNN, SPA-RF和SPA-ELM判别模型, 识别率分别为83.33%, 91.67%和91.67%。 通过SPA对变量筛选后, SPA-KNN和SPA-ELM模型性能明显提高, SPA-RF模型识别准确度略有下降。 与特征波长建立的模型相比, 全波段建立的RF模型性能最佳, 对工夫红茶轻度发酵、 适度发酵、 过度发酵的判别率分别达到了100%, 83.33%和83.33%。 研究结果为推进红茶智能化、 数字化加工的实现, 提供了理论基础和科学依据。

氨基酸与儿茶素是茶叶品质的重要组成成分。 祁门红茶在加工过程中, 氨基酸与儿茶素含量发生了显著的变化, 而且不同加工阶段差异性很大, 但目前在生产中缺乏快速在线检测方法。 为了实现对祁门红茶加工过程中氨基酸和儿茶素含量快速测定, 试验以鲜叶、 萎凋叶、 揉捻叶、 发酵叶和干燥后毛茶为原料, 获取近红外光谱并利用化学方法检测氨基酸和儿茶素含量。 对采集的原始光谱进行标准正态变量变换(SNVT)预处理, 利用联合区间偏最小二乘回归法(Si-PLS)构建氨基酸和儿茶素含量近红外回归模型, 相关系数与交互验证均方根误差作为评价模型的有效指标。 结果表明, 利用Si-PLS方法建立氨基酸含量的模型最优组合包含20个光谱区间并联合4个子区间和9个主成分因子, 校正集的相关系数、 校正均方根误差分别为0.955 8和1.768; 预测集的相关系数、 预测均方根误差分别为0.949 5和2.16。 儿茶素含量的模型最优组合包含20个光谱区间并联合3个子区间和10个主成分因子, 校正集的相关系数、 校正均方根误差分别为0.940 1和1.22; 预测集的相关系数、 预测均方根误差分别为0.938 5和1.17。 所建立模型准确性较好, 这为茶叶加工过程中茶叶品质的在线监控提供了理论依据。

采用60Co-γ射线辐照处理安化红茶，研究不同吸收剂量的杀菌效果及对其主要品质成分和感官品质的影响。结果表明，辐照处理杀菌效果显著，吸收剂量为5.93 kGy的辐照处理可将其菌落总数和霉菌数都控制在100 CFU?g^-1以内；吸收剂量为10.13 kGy以内辐照对其主要品质成分及感官品质无明显影响。综合试验结果，确定了安化红茶辐照杀菌的适宜工艺剂量范围为4.0~6.0 kGy。

为了研究陈化时间对普洱熟茶所含化学成分的影响,分析了同一品种普洱熟茶在不同陈化时间的傅里叶变换红外光谱,光谱初步显示不同陈化时间的普洱熟茶的化学成分存在差异.茶叶是一个复杂的体系,其红外光谱由所含成分的特征吸收带叠加而成.为了深入探索发生变化的特征带,对光谱中的1 900～900 cm-1吸收带进行傅里叶自去卷积,确定该范围内叠加子峰的个数和预估波数位置,然后进行曲线拟合分析.通过曲线拟合分析确定不同陈化时间普洱熟茶红外光谱中的蛋白质、茶多酚、果胶和多聚糖的子峰位置.蛋白质的特征吸收酰胺Ⅱ带子峰出现在1 520 cm-1,茶多酚和果胶吸收子峰分别出现在1 278和1 103 cm-1,葡甘露聚糖和阿拉伯聚糖的吸收子峰波数是1 063和1 037 cm-1,分别利用这些子峰面积和叠加带面积的比例间接反映蛋白质、茶多酚、果胶和多聚糖的含量在陈化过程中的变化情况.曲线拟合结果显示,随着陈化时间的增加,茶叶中的酰胺Ⅱ带子峰面积比例先增大后减小,同时茶多酚和果胶类物质含量比例减少,可溶性多聚糖类物质含量比例增加.这解释了普洱熟茶随着陈化时间增加其苦涩味减弱,口感上出现甜味的原因.研究表明傅里叶变换红外光谱结合曲线拟合分析能反映普洱熟茶陈化过程中化学成分的变化,为其品质的评定提供有效依据。