在茶葉市場上，茶葉摻假、低質量茶作為高檔茶、舊茶作為新產茶的問題也不時出現在上。在高經濟利潤的推動下，市場上偶爾會發生鐵觀音摻假。一些非法商人在鐵觀音中混合了本山、毛蟹、黃金桂，他們的外觀與鐵觀音非常相似，但在銷售過程中價格相差很大。普通消費者很難區分茶葉的真實性，這嚴重侵犯了消費者和經營者的合法權益。在此背景下，迫切需要一種快速、無損的檢測茶葉摻假的方法。

四川農業大學康志亮教授團隊利用我司高光譜設備（GaiaField-V10E）及配套的熒光系統，對鐵觀音摻假程度的進行無損檢測。作為一種新的檢測方法，熒光高光譜技術為食品檢測提供了優勢，其基本原理是當一種物質被特定波長的入射光照射時，其分子吸收光能并從基態進入激發態，然后立即去激發并發射出光。圖1熒光高光譜成像系統。

圖1 熒光高光譜成像系統

在這項研究中，摻假茶和純鐵觀音在形狀、顏色和內部成分上只有輕微差異，這增加了檢測茶葉摻假的難度。摻假茶葉樣本的比例符合市場上不法商人的普遍做法。至于茶葉的熒光特性，作為一種植物，茶葉中的不同物質會吸收不同波段的光，并在不同波段發出熒光。

本山被用作摻假茶，約占茶葉樣品總重量的0%、10%、20%、30%、40%和50%，并與鐵觀音混合。圖2為經過PCA后的六個等級的茶葉三維分布圖。為了對茶葉進行摻假檢測。本研究在實驗方案中建立了純鐵觀音和摻假鐵觀音的兩級判別模型，以快速鑒別摻假與否；另一方面，建立了六級判別模型，保證了在不同程度的茶葉摻假情況下，茶葉摻假程度的快速識別。

圖2 六個摻假等級茶葉的PCA分布圖

首先，熒光高光譜成像系統獲得475–1000 nm波段的光譜信息。圖3為茶葉的平均光譜分布圖。接下來，選擇Savitzky–Golay（SG）、乘性散射校正（MSC）和標準正態變量（SVN）對熒光高光譜數據進行預處理。并且對預處理方法進行參數的比較。表1為不同預處理方法在SVM下的評價指標。

表1 不同預處理方法下的評價指標

圖3 摻假茶葉的平均光譜曲線

此外，還采用了連續投影算法（SPA）、競爭自適應加權采樣（CARS）、隨機青蛙算法（RF）和無信息變量消除（UVE）來提取茶葉光譜信息的特征波長。

建立了二分類模型（區分純鐵觀音和摻假鐵觀音）和六分類模型（區分純鐵觀音和五個摻假等級的茶葉）。在確定模型的預處理（SG）方法后，選擇特征波長對模型進行簡化。在SG平滑后，應用了四種特征選擇方法。SG平滑結合SPA、CARS、RF和UVE算法，將104個通道分別減少到33、11、44和46個通道。圖4顯示了SG-CARS之后的特征選擇。SG7平滑結合四種特征波長選擇方法的評價指標如表2所示。所有的特征選擇方法都有助于降低數據維數。

圖4 SG-CARS后的特征選擇

表2 不同特征選擇方法下的評價指標

在建立六分類模型過程中。首先，與兩分類模型一樣，將不同的預處理方法與支持向量機相結合，建立了四類判別模型。然后，為了簡化模型，選擇了四種特征選擇方法來篩選模型的特征波長，這有利于提高模型的效果和精度。所有模型的結果如表3所示。其中，六分類模型和兩分類模型的預處理方法存在差異。通過使用SNV和MSC，提高了分類模型的準確性。

特征選擇后，這些模型的總體趨勢大致相同。純鐵觀音、10%和30%摻假茶葉的準確率幾乎為100%，但摻假程度為40%的準確率不高，表明該模型可能無法準確區分鐵觀音的摻假水平。相比之下，在SNV之后，模型的整體準確性得到了提高。在RF之后，整體準確度提高了1.09%，僅用時0.002秒。在該分類中，純鐵觀音和10%和30%的摻假茶被準確預測；模型的變化也提高了茶葉剩余摻假比例的準確性。考慮到整體影響，RF在建立分類模型方面表現出更高的效率。總之，SNV-RF-SVM是區分純茶和摻假茶的最佳方法，其總準確率為94.27%，僅需0.00698秒。

表3 六分類模型評價指標

第一作者簡介：

康志亮，四川農業大學教授，碩士生導師。

主要研究方向：信號與信息處理、傳感器與檢測技術、自動控制。

參考文獻：Hu Y , Kang Z . The Rapid Non-Destructive Detection of Adulteration and Its Degree of Tieguanyin by Fluorescence Hyperspectral Technology[J]. Molecules, 2022, 27(4):1196. DOI：10.3390/molecules27041196