引言

自高光譜圖像概念被首次提出后，:到目前該技術已發展為覆蓋上百條光譜通道、像素點的攜帶波譜信息量豐富的高分辨檢測技術，近年來，高光譜成像技術因容納龐大的數據信息使其在作物識別、養分診斷、葉片光譜特征提取、生態物理參數反演與提取、農業遙感信息模型建立及災害檢測等方面已取得了廣泛的研究進展

茶葉是一種多年生農業經濟作物，具有抗菌、消炎、抗癌、抗突變、抗氧化、防輻射、調節血脂代謝等藥理功能。隨著消費者健康意識的增強和茶葉保健功能的逐漸揭示，茶葉綜合應用范圍也日益擴大。本文將對此簡述高光譜成像技術成像機理和反演原理，綜述高光譜成像技術在茶葉領域的相關應用。

2、高光譜技術簡述

高光譜成像技術，是一種新興的集數字攝像機和光譜攝制于一體的無接觸式檢測技術，具有高效、實時、在線等無損檢測特點。其中，待測物影像信息借助成像光譜儀完成提取，由于空間掃描由器件的固體自掃描完成，像元凝視時間長，從而獲取圖像的空間分辨率較高，與此同時，成像光譜儀同步采集待測物物質結構及化學組成對應的光譜信息，高光譜成像系統在納米級的光譜分辨率上，以幾十至數百個波長同時對物體連續成像，實現物體空間信息、光譜信息和光強度信息的同步獲取，從而構建三維數據空間體。光譜采集方式包含反射、透射、散射和熒光4種模式，其光譜覆蓋面包含紫外、可見光、近紅外和中紅外區域，所獲波段信息量大、分辨率高、連續性強，可為待測物屬性分析與判斷提供依據。在既定光源條件下，樣品經成像光譜儀采集光譜數據后傳輸到PC機進行相關數據處理，數據采集部位可由移動平臺控制實現（圖1）。

圖1 高光譜成像系統檢測原理圖

通常，高光譜成像技術對目標產物的成功反演大致需要2個階段，即光譜圖像信息前處理和提取信息與目標產物擬合預測。其中，前者包含圖像預處理技術、切趾處理技術、光譜復原技術、相位校正技術、光譜定標技術等，后者可通過主成分分析、灰度共生矩陣等方法提取特征波段變量作為輸入變量，然后結合支持向量機（SVM）、偏最小二乘法（PLS）、神經網絡、遺傳算法、模糊邏輯等算法構建預測模型，實現對目標變量的成功反演。

3、高光譜成像技術在茶葉中的應用

高光譜成像技術在茶葉中的應用尚處于試驗發展階段，通常采用對原始光譜信息前處理后，利用原始光譜反射率、一階導數光譜反射率、光譜紋理特征參數及相應轉換等作為自變量，運用偏最小二乘法、徑向基函數（RBF）、支持向量機、多元回歸等算法，建立茶鮮葉葉綠素、成茶品質指標等為因變量的預測模型，通過反演，對茶樹的生長和茶葉品質及茶類識別進行估算和檢測。目前相關研究主要集中于茶樹栽培管理監測、茶葉等級劃分和茶類識別。

3.1 栽培管理監測

葉綠素是植物葉片的基本組成物質，通過對光能的吸收、傳遞和轉化等作用實現對植物生長發育營養來源的供應，其含量的高低可間接反映植物生長狀況、光合作用及抗逆性能力，因此，葉綠素可作為植物生長和環境脅迫等方面的敏感指示器；同時，葉綠素是綠茶外觀和葉底的主要呈色物質，對綠茶或其他茶類品質的形成具有重要作用，因此，對其含量及分布的在線、無損檢測對茶樹生長勢檢測、估產、營養診斷、施肥及茶葉加工等方面具有重要的指導意義。葉綠素含量檢測通常采用分光光度法，但該方法檢測時存在耗時、費力、有損等不足，無損檢測方法多集中于近紅外光譜法、葉綠素熒光檢測法等。近紅外光譜是基于特定波長范圍下對應化合物基團（如C-H、N-H、O-H等）對光能吸收產生的圖譜，而熒光檢測是基于物質原子或分子吸收電磁輻射后受激發而發射出的特征輻射形成的檢測方法，兩者均存在吸收強度弱、檢測范圍局限等缺點。此外，近紅外光譜檢測和熒光檢測技術的光譜采集方式實則為高光譜成像技術光譜采集方式中的2種，而該技術光譜采集中其他采集方式，如透射、散射等以及從紫外到中紅外的更寬的光譜覆蓋面將會獲取待測物更多的目標信息，因此融合光譜數據和圖像數據信息的高光譜成像技術可以彌補常規方法對葉面葉綠素含量及其分布檢測的不足。該技術在柑橘、油菜、南瓜等農作物葉片葉綠素含量及分布進行了成功的反演，但在茶葉領域的相關研究相對較少。

圖2 第5、6片葉綠素含量與原始光譜和一階導數光譜間的相關系數圖

孔慶波等研究發現，鐵觀音第5、第6片葉的葉綠素含量與716nm處的原始光譜反射率（R716）和640nm處的一階導數光譜反射率（DV640）具有相對較高的相關系數，其中單變量模型以DV640建立的逆函數模型最佳，擬合R2值最大；趙杰文等利用高光譜分析茶樹葉片葉綠素含量及其分布發現，采用的7種光譜圖像數據處理算法中，二次土壤調節植被指數（MSAVI2）算法提取的特征參數與葉綠素參考測量結果建立的回歸預測模型具有較好的校正和預測結果，在去除光譜本身分辨率、葉緣起伏造成反射不均等因素后，基于MSAVI2預測模型也可較為準確的估算出葉表面葉綠素分布情況；王開亮對葉綠素含量預測和分布的相似研究發現，依據高光譜數據的光譜信息建立的無信息變量消除連續投影PLS和聯合區間偏最小二乘法（siPLS）預測模型對葉綠素含量和分布具有較好的預測效果，而依據光譜數據圖像信息，采用主成分分析選取特征波長后，依據灰度統計矩算法建立的葉綠素含量預測優于灰度共生矩陣預測模型。

此外，茶葉中氮素是合成蛋白質和葉綠素的重要組成部分，通過參與酶的合成直接或間接的影響茶樹代謝和生長發育，尤其是對茶葉氨基酸種類和含量具有重要作用，最終影響成茶香氣種類和滋味鮮爽度，因此，茶樹氮素營養狀況的檢測也是茶樹栽培管理的重要內容之一。目前，傳統氮素測量方法有凱氏定氮法，測量過程較為繁瑣，其余方法有肥料窗口法和葉色卡片法，但都屬于定性和半定量方法，而之后研究開發的葉綠素儀也受作物品種、成熟階段、測量葉位等差異影響。有研究指出，水稻葉片氮含量的敏感波段為綠光（525~605nm）、黃光（605~655nm）、短波近紅外光（750~1100nm）；胡永光等研究發現，在可見-近紅外光譜范圍內，去除1350~1400、1800~1920、2400~2500nm波段后，通過一階導數與滑動平均濾波相結合的預處理方法，然后結合PCA建立的PLSR模型對茶樹鮮葉全氮量預測效果最好。基于相似原理，高光譜成像技術茶鮮葉全氮量的測量將更具客觀性和整體性。

3.2 病蟲害管理監測

茶樹遭遇病蟲害侵襲后，葉面部分區域的色素含量或完整性會發生變化形成病斑，而未受侵害區域仍保持正常色澤，且侵害部位隨危害程度呈階段性變化。如茶炭疽病感染后，茶葉病斑由暗綠色向褐色（或紅褐色）最后呈灰白色變化，發病部位由葉緣（或葉尖）沿葉脈蔓延擴大；茶尺蠖幼蟲取食嫩葉成花斑，稍大后咬食葉片成“C”型，而后開始取食全葉，隨著成蟲密度增大，為害部位由嫩葉、老葉至嫩莖擴散。由此，對病蟲害的早期診斷與預防對保證茶葉品質和產量顯得尤為重要。目前，傳統的檢測方法需要人工觀察氣候條件或葉片變化以及對各種病蟲害的系統進行識別，這對觀察人員的專業素養要求較高，也存在工作量大、周期長、信息反饋滯后等缺點，而常規光譜技術采集信息包含整體區域的光譜反射值，影響分析和建模的準確性。高光譜成像技術可以對目標的影像信息和光譜信息進行同步采集，可更為直觀、準確、動態地分析特定區域的物質結構、化學組成及危害程度，現已在水稻穗瘟病害程度分級、菜青蟲生命狀態檢測、芒果果蠅侵害程度識別等農作物病蟲害檢測中得到應用。

圖１不同受害程度茶樹葉片光譜反射率

劉建雄等對茶尺蠖啃食的茶園高光譜對比分析發現，茶園部分光譜特征參數與葉面積指數存在相關性，其中以紅邊峰區一階導數積分值的擬合回歸模型的相關系數最高，達0.995，所建立預測模型的預測值與實際值相關系數達0.93，平均相對誤差為4.46%，由此提出可以利用高光譜遙感技術對產業化和規模化茶園的茶尺蠖危害程度進行監測。伍南等研究表明，利用高光譜參數反演油茶炭疽病病情具有可行性；王曉慶等研究發現，茶樹崇枇71-1受炭疽病脅迫程度與葉片高光譜反射率存在敏感波段為742~974nm和1374~2500nm，而與光譜反射率的一階微分轉換后又存在2個敏感波段，分別為715~763nm和776~778nm，且基于一階微分值的植被指數（Rg-Rr）/（Rg+Rr）對炭疽病危害程度具有較好的預測效果。綜上，高光譜成像技術在茶樹病蟲害的應用研究僅涉及茶尺蠖和茶炭疽病，因此其具有很大的發展前景。而茶樹受病害和蟲害（食葉類、吸汁類）侵襲后的病理特征所表現出的特殊光譜反射率和圖像紋理參數，為病蟲害程度的預測和綜合防治提供了數據基礎，也為下一步開展田間病蟲害提供了重要的理論依據和指導，但田間茶園冠層高光譜值受外界干擾因素較多，其診斷模型的推廣還需進一步校正。

3.3 生產加工監測

茶葉生產加工的在線監測為實現生產連續化、自動化乃至智能化奠定了基礎，目前茶葉加工過程仍側重于工藝改善和品質成分的化學檢測，而儀器化的在線監測技術仍處于發展階段。已有的茶葉加工在線監測多為電子鼻技術、機器視覺、近紅外等，而針對高光譜成像技術的茶葉加工監測鮮有報道。含水量是保證茶葉生產加工有序進行和成茶品質等級的重要評價指標，如綠茶殺青葉失水快慢及殺青老嫩程度、紅茶萎調葉失水快慢及程度等都將直接制約后續做形、干燥工序，并對成茶色澤、香氣、滋味等內含品質產生重要影響，因此，含水量的實時檢測對茶葉生產的連續化和自動化意義重大。實際生產中，茶葉含水量的檢測以眼觀、手摸等感官為主，經驗性較強，而基于電特性參數和近紅外光譜的檢測技術具有一定局限性，如基于電特性參數的預測模型對原料外觀形狀、溫度、壓緊程度、測試電頻、制品含水量范圍等要求較高，檢測范圍和精準度較差，近紅外光譜主要檢測目標成分的光譜反射率變化，但在實際生產加工中，茶葉失水同時伴隨外觀紋理特征的變化（如外形尺寸、色澤等），需要機器視覺輔助檢測，而高光譜成像技術的應用正好綜合了這兩者的優勢。

李浬從龍井茶近紅外高光譜圖像中遴選出特征波段，并分別使用灰度共生矩陣法（GLCM）、灰度游程法（GLRLM）及三維Gabor過濾器法（TDGF）提取紋理特征值，基于光譜特征和紋理特征分別采用主成分分析與偏最小二乘法回歸結合模型和連續投影分析與偏最小二乘法回歸結合模型對其含水率進行預測，取得了良好的預測效果。陳培培采用主成分分析法提取綠茶殺青葉料特征波長，然后根據共生矩陣方法提取出6個灰度特征值和5個紋理特征值，最后綜合灰度和紋理特征值進行主成分回歸、神經網絡以及SVM回歸分析預測殺青葉含水量，結果表明SVM回歸模型效果較好，且相關系數為0.8566、均方根誤差為0.0401。茶葉加工過程在制品外觀紋理和品質成分的變化為高光譜成像技術的應用奠定了物質基礎，今后可促進該技術在茶葉領域更多后續研究的開展，實現生產效率和生產品質的提高，以滿足不同消費需求。

4、總結

茶葉含有多種對人體有益的功能成分，具有較高的開發和實用價值。本文簡述了高光譜成像技術的檢測原理，分類綜述了該技術在茶葉栽培管理、病蟲害監測等方面的應用及不足，并提出了相應的解決措施

下一章，我們將再講述高光譜成像技術在生產加工、等級劃分等方面的應用及不足，并提出相應的解決措施，同時再對其在茶葉領域的發展進行展望，以期為促進茶葉精細化發展提供參考。

推薦：

便攜式地物光譜儀iSpecField-NIR/WNIR

專門用于野外遙感測量、土壤環境、礦物地質勘探等領域的最新明星產品，由于其操作靈活、便攜方便、光譜測試速度快、光譜數據準確是一款真正意義上便攜式地物光譜儀。

無人機機載高光譜成像系統iSpecHyper-VM100

一款基于小型多旋翼無人機機載高光譜成像系統，該系統由高光譜成像相機、穩定云臺、機載控制與數據采集模塊、機載供電模塊等部分組成。無人機機載高光譜成像系統通過獨特的內置式或外部掃描和穩定控制，有效地解決了在微型無人機搭載推掃式高光譜照相機時，由于振動引起的圖像質量較差的問題，并具備較高的光譜分辨率和良好的成像性能。

便攜式高光譜成像系統iSpecHyper-VS1000

專門用于公安刑偵、物證鑒定、醫學醫療、精準農業、礦物地質勘探等領域的最新產品，主要優勢具有體積小、幀率高、高光譜分辨率高、高像質等性價比特點采用了透射光柵內推掃原理高光譜成像，系統集成高性能數據采集與分析處理系統，高速USB3.0接口傳輸，全靶面高成像質量光學設計，物鏡接口為標準C-Mount，可根據用戶需求更換物鏡。

審核編輯 黃宇