近日，山東省農(nóng)業(yè)科學院茶葉研究所與中茶所在Food Control（中科院一區(qū)TOP，IF=6.652）上合作發(fā)表了題為“Detection of anthocyanin content in fresh Zijuan tea leaves based on hyperspectral imaging”的研究論文（https://doi.org/10.1016/j.foodcont.2023.109839）。本研究首次通過高光譜成像技術和機器學習算法，表征了不同嫩度等級的紫鵑茶鮮葉花青素含量與分布信息。

 

　　山東農(nóng)科院為第一完成單位，茶葉所董春旺、中茶所顏鵬為該論文的通訊作者，聯(lián)培碩士研究生戴馥霜為第一作者。該研究得到了山東省農(nóng)業(yè)科學院333工程與創(chuàng)新工程等項目的資助。

 

　　快速無損檢測紫娟茶鮮葉原料中花青素含量和品質等級，可以幫助茶葉加工環(huán)節(jié)精準調整工藝參數(shù)，提升特異葉色茶成茶質量。針對當前高效液相色譜法 （HPLC） 檢測紫娟茶鮮葉中花青素的含量，分析周期長、操作復雜、時效性差、對儀器與操作人員要求高的缺點。本研究基于高光譜成像技術，采用多種光譜預處理和特征波長篩選方法，利用機器學習算法建立了紫娟茶鮮葉嫩度SVM分類模型。采用線性與非線性算法，構建了花青素總量、Cya-3,5-O-diglucoside, Cya-3-O-glucoside和牽牛花色素的量化檢測模型，其相對偏差（RPD）分別是3.233、2.868、3.529和3.298，表明該模型具有較高的準確性。本研究實現(xiàn)了高效無損檢測紫娟鮮葉中花青素及其重要成分的含量，并將不同嫩度紫娟茶鮮葉中花青素分布信息的可視化呈現(xiàn)，為紫芽茶類鮮葉品質等級的智能分類提供了新思路。