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。

茶多酚是茶叶中的主要成分, 其含量约占30%左右, 决定着茶汤的味道、颜色等。利用近红外光谱法对茶多酚含量进行快速检测, 在茶叶品质的快速识别中具有极高的实用价值。基于光谱技术结合化学计量学方法, 对不同茶叶的不同成分进行了研究, 结果表明: 茶叶中的主要成分茶多酚含量与近红外波段(1800~2500nm)的吸光度存在近似的线性关系, 在此基础上建立拟合曲线, 得出了不同拟合曲线的相关系数和校正均方根误差; 采用近红外光法结合偏最小二乘法在1872nm建立了茶多酚含量预测模型, 其相关系数达到0.9378, 均方根误差为0.008015。

波谱技术快速获取茶树生长和茶叶品质信息对提高茶叶生产信息化、 产业化水平, 保障茶叶品质和安全具有重要意义。 阐述了波谱技术在茶树生长和茶叶品质信息快速检测的研究进展和发展趋势。 重点介绍了红外光谱, 荧光光谱、 拉曼光谱、 质谱等在茶树生长信息获取（氮、 叶绿素、 病虫害信息等）、 茶叶品种分类、 茶叶分级、 茶叶内部品质检测（茶多酚、 儿茶素、 咖啡碱、 氨基酸、 农药残留等）、 茶饮料和加工品的品质检测以及相关检测设备等方面的研究进展和应用情况, 简述了茶树生长信息获取方法、 传感仪器和产业化应用的研究和发展趋势。 选择合适的预处理和化学计量学方法能有效增加模型效果, 减少冗余数据, 为基于波谱技术便携式仪器的开发提供可能。 基于波谱技术便携式仪器和在线检测仪器开发仍是今后实现该技术应用和推广的重点。 首次介绍了波谱技术在茶叶生产加工领域的应用成果和研究进展, 涵盖茶树生长、 茶叶加工、 茶叶和茶加工品品质安全等多方面内容, 并论述波谱技术在茶叶产业应用存在问题和将来发展趋势。