绿茶是我国饮用范围最广、 最受欢迎的一类茶叶。 不同品种绿茶叶外观上差别较小, 非专业人员难以直接用肉眼进行辨别。 传统化学方法操作复杂、 检测费用较高, 对样品具有破坏性, 无法实现快速无损分析。 近红外光谱技术是一种简便、 快速、 无损、 重现性好、 可直接用于在线定性定量分析的新型分析技术。 由于种植方式以及土壤、 气候等生长环境的差异, 不同品种绿茶叶中含氢基团有机物的种类和含量也不相同, 因此可以通过扫描样品的近红外光谱, 得到不同品种绿茶叶的特征信息, 实现对不同品种绿茶叶的快速鉴别。 研究提出了一种基于近红外光谱与化学计量学技术对不同品种绿茶的快速无损鉴别方法。 使用近红外光谱仪得到了八个品种绿茶样品的光谱图, 用主成分分析方法对不同品种绿茶样品数据进行了聚类分析。 使用连续小波变换方法消除了光谱信号中的基线干扰, 从而提升聚类效果。 利用基于标准偏差与相对标准偏差的变量筛选方法进一步提高了聚类结果的准确性。 结果表明: 主成分分析后样品的第一主成分和第二主成分的方差贡献率之和在90%以上, 可以选取前两个主成分进行聚类分析。 直接采用原始数据进行聚类分析的准确率较低, 难以满足应用需要; 连续小波变换可以有效地消除光谱信号中的基线干扰。 与直接使用原始光谱聚类结果相比, 采用连续小波变换后聚类效果有显著提升, 但依旧不能实现所有品种茶叶样品的准确鉴别。 为了进一步提高方法的稳健性和分类结果的准确性, 选取了标准偏差和相对标准偏差较大的波长数据进行聚类分析。 在符合平均值大于1%的波长范围内, 剔除标准偏差小于5‰的波长, 进一步选择较大相对标准偏差值对应的波长点进行聚类分析。 采用这种方式, 可以仅使用几十个甚至是几个波长即可实现绿茶样品品种的准确聚类分析。 波长筛选方法可以大大提高主成分分析结果的准确性, 采用近红外光谱分析技术与化学计量学方法可以实现对不同品种绿茶的快速鉴别。 经过对各个光谱吸收区域波长所对应官能团分析后, 初步得出多酚、 酰胺类以及氨基酸类物质的种类不同或含量差异是形成绿茶品种差异的重要原因。 所提出的基于近红外光谱与化学计量学技术的方法具有较强的鉴别能力, 为绿茶的快速无损分析提供了一种新手段。

研究利用激光诱导击穿光谱技术结合化学计量学方法快速鉴别抹茶和绿茶粉的可行性。 抹茶与绿茶粉的主要区别在于茶树品种、 栽培管理、 生长时间和加工工艺。 通过采集不同厂家生产的抹茶和不同杀青方式制成的绿茶粉在230～880nm的激光诱导击穿光谱并进行归一化预处理后, 选用主成分分析(PCA), 依据X-variables loadings获取用于鉴别抹茶和绿茶粉的特征波长, 并基于特征波长建立线性判别式分析(LDA)模型。 结果表明: 基于特征波长建立的LDA模型能快速鉴别抹茶和绿茶粉, 4个特征波长分别属于C(Ⅰ) 24794 nm, Mg(Ⅱ) 27960 nm, Ca(Ⅱ) 39345 nm和Fe(Ⅱ) 76668 nm; 建模集和预测集的判别正确率均达到100%。 采用激光诱导击穿光谱技术可以准确鉴别不同厂家生产的抹茶和不同杀青方式制成的绿茶粉。

研究傅里叶变化红外透射光谱(FTIR)结合化学计量学方法检测茶叶中非法添加滑石粉的可行性。 首先获取掺杂量不同的滑石粉(0.00, 0.15,　0.25, 0.35,　0.50, 0.65, 0.75, 0.85, 1.00, 1.10, 1.25, 1.50 mg·g-1)210个茶叶样本光谱。 为了突显出光谱中的细微变化, 采用Savitzky-Golay(SG) 平滑、 标准化和标准正态变量(SNV)三种方法对原始光谱进行预处理。 其中, 处理效果最好的是SNV方法。 随后探究光谱与掺杂量之间的定量关系, 采用反向间隔偏最小二乘法(biPLS)和连续投影算法(SPA)的结合进行特征波数的选择, 最终选出来5个特征波数。 并利用偏最小二乘回归算法(PLS)和最小二乘支持向量机算法(LS-SVM)建立基于这5个特征波数的回归模型。 其中LS-SVM模型具有更高的相关系数(RP=0.921)和更小的均方根误差(RMSEP=0.131), 所以该模型具有更好的稳定性及更高的预测能力。 综上所述, 红外光谱技术可以定量地检测出茶叶中非法添加的滑石粉。

利用共聚焦拉曼光谱技术对茶叶中非法添加的重金属染料——美术绿进行检测研究。 首先通过特定的浓缩方法, 获取了五个浓度水平美术绿茶汤样本的拉曼光谱。 通过比对标准品拉曼光谱, 对混有美术绿的样本光谱进行了定性分析。 并找到了能够用于定性鉴别茶叶中美术绿的4个主要拉曼特征波数, 分别为1 341, 1 451, 1 527和1 593 cm-1。 对原始拉曼光谱进行预处理后, 融合反向间隔偏最小二乘（biPLS)、 竞争性自适应重加权算法（CARS)和连续投影算法（SPA)对拉曼光谱中美术绿的特征波段进行深入挖掘, 最终优选出了14个特征波数。 基于这14个特征波数分别建立了偏最小二乘（PLS)回归模型和最小二乘支持向量机（LS-SVM)模型, 结果表明, 两类模型均具有好的稳健性和很高的预测能力, 模型的建模集、 验证集和预测集的决定系数（R2)均超过了09, 证明了所提取出来的特征波数的有效性。 与偏最小二乘回归模型相比, 基于LS-SVM的非线性定量检测模型的效果更佳, 预测集决定系数（R2)达到0964, 均方根误差（RMSE)为0535。 以上研究结果表明, 共聚焦拉曼技术结合特定的样品处理方法及化学计量学方法, 可以实现茶叶中非法添加美术绿的定量检测。 该研究为茶叶中非法添加美术绿这一食品安全问题的有效监管提供了帮助。

将近红外光谱分析技术用于对山东省代表性绿茶(崂山绿茶和日照绿茶)进行快速、无损伤产地溯源.对平滑处理、一阶微分和二阶微分等几种不同的光谱预处理方法进行了系统性对比和研究创新.提出移动窗口BP神经网络(MW-BP-ANN)算法用于选择特征光谱变量.实验发现,一阶微分和移动窗口-BP神经网络可以大幅提高支持向量机(SVM)分类模型的预测能力.经预处理后,分类模型的最优鉴别准确率可达98.33%.研究结果表明,该光谱变量选择方法对提高产地溯源模型的预测能力起到至关重要作用.

应用高光谱成像技术, 基于光谱主成分信息和图像信息的融合实现名优绿茶不同品牌的鉴别。 首先采集6个品牌名优绿茶在380～1 023 nm波长范围的512幅光谱图像, 然后提取并分析绿茶样本的可见近红外光谱响应特性, 结合主成分分析法找到了最能体现这6类样本差异的2个特征波段(545和611 nm), 并从这2个特征波段图像中分别提取12个灰度共生矩阵纹理特征参量包括中值、 协方差、 同质性、 能量、 对比度、 相关、 熵、 逆差距、 反差、 差异性、 二阶距和自相关,最后融合这12个纹理特征和三个主成分特征变量得到名优绿茶品牌识别的特征信息, 利用LS-SVM建立区分模型, 预测集识别率达到了100%, 同时采用ROC曲线的评估方法来评估分类模型。 结果表明综合应用灰度共生矩阵变量和光谱主成分变量作为LS-SVM模型输入可实现对绿茶品牌的鉴别。

以绿茶为研究对象, 氮含量为定量分析指标, 研究了不同分辨率(2, 4, 6, 8, 16 cm-1)对近红外光谱图及氮含量模型的影响。 结果表明: 仪器的分辨率影响光谱图的质量, 分辨率越高, 得到的信息越丰富, 但同时噪音增大; 分辨率越低, 光谱图更加平滑, 信息量减少, 当分辨率太低时光谱失真严重。 分辨率为4 cm-1时, 模型外部验证集RMSEP值为0.054 6, 明显低于其他模型, 相关系数为0.998 2, 预测性能最好; 模型预测精度也较好, STDEV和RSD分别为0.020和0.334。 分辨率4 cm-1为最优分辨率。 试验可以为近红外光谱仪采集绿茶光谱图提供参数选择依据, 提高模型的稳定性与预测性能, 促进近红外光谱检测技术在茶叶上的应用与推广。

茶汤滋味是茶叶品质的核心, 该研究利用近红外光谱技术快速检测绿茶滋味品质。 试验以滋味化学鉴定法作为绿茶滋味品质检测的标准方法, 试验得到的滋味总得分值作为近红外光谱预测模型的参考测量值。 在模型建立过程中, 首先利用联合区间偏最小二乘法(siPLS)筛选特征子区间； 然后, 用遗传算法(GA)在特征子区间内优选特征变量。 最优模型在优选出38个特征变量, 主成分因子数为6时获得, 模型预测集相关系数(Rp)为0.890 8, 预测均方根误差(RMSEP)为4.66。 研究结果表明, 利用近红外光谱技术结合siPLS-GA算法检测绿茶滋味品质是可行的, 同时表明siPLS-GA算法相对于其他方法在本研究中的应用具有一定的优越性。

绿茶含有多种人体必需的营养成分, 是传统的健康饮品之一。 采用ICP-AES法测定了两个等级三个品种的绿茶中Ni, Ba, Fe, Mn, Cr, Mg, Ca, Cu和Al九种元素含量, 结果表明不同品种绿茶中各种矿物质元素含量存在一定的差异, 同一品种不同等级的绿茶矿物质元素含量也有所不同。 研究结果不仅对人们日常饮茶的选择提供了一定科学依据, 同时对绿茶的品种鉴别以及等级评价提供了参考。

研究了普洱茶发酵过程中多糖分子组成及光谱学特性的变化规律。 结果显示, 普洱茶及其原料多糖主要组分TPS1和TPS2的分子组成及光谱学特性差异显著。 TPS2含有较高糖醛酸, 而TPS1含有较高的中性糖和蛋白质。 TPS1和TPS2均由半乳糖(Gal)、 阿拉伯糖(Arb)、 甘露糖(Man)、 葡萄糖(Glu)、 木糖(Xyl)、 鼠李糖(Rha)六种单糖组成, 其分子摩尔比分别为23.6∶5.9∶24.2∶1.1∶1.8∶3.2和26.9∶3.2∶19.3∶5.5∶1.3∶2.7。 TPS2和TPS1的重均分子量分别为1.68×104和1.21×104道尔顿。 TPS1和TPS2水溶液在200～400 nm之间无特征吸收峰。 红外光谱图显示, TPS1和TPS2的信息基本相同, 都是含有吡喃环的多糖。 在三维AFM图中, TPS1形成的聚集体高度约为4 nm, 长宽约为0.2～0.4 μm, TPS2形成的聚集体高度约为40 nm, 长宽约为0.5～0.8 μm。 SEM图片显示, TPS1呈表面光滑的鳞片状聚集体, TPS2呈表面粗糙的片状聚集体。 引起普洱茶及其原料多糖分子组成及光谱学性质发生变化的动力主要为微生物作用和湿热作用。