黃俊仕 ，王冬欣，熊愛(ài)華，劉 鵬，3，李 紅，艾施榮，吳瑞梅，文建萍*

（1.江西農(nóng)業(yè)大學(xué)工學(xué)院，江西南昌 330045；2.婺源縣鄣公山茶葉實(shí)業(yè)有限公司，江西婺源 333200；3.江西機(jī)電職業(yè)技術(shù)學(xué)院，江西南昌 330013）

【研究意義】茶葉最早生產(chǎn)于我國(guó)，由于其良好的滋味口感和有益的藥用價(jià)值，深受消費(fèi)者喜愛(ài)，已經(jīng)成為世界三大飲料之一。隨著茶文化的推廣以及“一帶一路”等貿(mào)易政策的提出，我國(guó)茶葉生產(chǎn)和消費(fèi)總量不斷增長(zhǎng)，2018年國(guó)內(nèi)茶葉消費(fèi)總量達(dá)到200萬(wàn)噸，消費(fèi)總額達(dá)到2 400億元。近年來(lái)，茶葉行業(yè)不斷增加與茶葉內(nèi)部有益成分相關(guān)的質(zhì)量控制措施，以提高其市場(chǎng)價(jià)值[1]。茶多酚（tea polyphenols，TP）、氨基酸（amino acid，AA）等茶葉內(nèi)部成分直接影響著茶葉滋味品質(zhì)。茶多酚含量決定了茶葉滋味的醇厚，兒茶素是茶葉中最豐富的多酚類物質(zhì)，在綠茶中含量很高，有一種獨(dú)特的澀味，適合大多消費(fèi)者的口味[2]。氨基酸含量影響著茶葉鮮爽味，可以起到緩解澀味，增加甜味的作用[3?4]。澀味與鮮爽味的協(xié)調(diào)是茶葉滋味的關(guān)鍵，即茶葉中茶多酚與氨基酸含量比例（酚氨比）是決定茶葉滋味品質(zhì)的重要指標(biāo)。王海利等[3]研究表明酚氨比相對(duì)于氨基酸和茶多酚含量單一指標(biāo)，能更好地反應(yīng)茶葉滋味，且酚氨比與茶滋味鮮度、醇度和滋味化學(xué)總分均存在極顯著負(fù)相關(guān)性。對(duì)于茶葉品質(zhì)內(nèi)部成分的檢測(cè)，常采用液態(tài)色譜?串聯(lián)質(zhì)譜法[5]，分光光度法[6]，高光譜成像技術(shù)[7]等理化方法進(jìn)行分析，而這些方法存在成本高，耗時(shí)耗力，前處理復(fù)雜等缺陷，難以適應(yīng)現(xiàn)場(chǎng)快速檢測(cè)需要。近紅外光譜（near infrared spectroscopy，NIR）是一種介于可見(jiàn)光和中紅外之間的電磁輻射，主要反映有機(jī)物中C?H，N?H，O?H等含氫基團(tuán)振動(dòng)的合頻、倍頻吸收光譜信息，由于該技術(shù)具有成本低、效率高、響應(yīng)速度快、綠色無(wú)損等優(yōu)勢(shì)，被廣泛應(yīng)用于茶葉品質(zhì)檢測(cè)[8?10]。近紅外光譜數(shù)據(jù)量大，不僅包含分析物相關(guān)的有用信息，也存在大量的冗余信息。當(dāng)所有光譜波長(zhǎng)信息均被用于模型建立時(shí)，將導(dǎo)致模型計(jì)算量大以及過(guò)擬合等問(wèn)題降低模型預(yù)測(cè)性能，研究者們將這種現(xiàn)象稱之為“維度災(zāi)難”。

【前人研究進(jìn)展】針對(duì)這一問(wèn)題，許多研究者利用變量選擇方法提取有效光譜特征波長(zhǎng)，用于預(yù)測(cè)模型的建立，不僅可以提高模型的預(yù)測(cè)性能，還能提供更佳的解釋性模型。Chen等[11]利用主成分分析方法提取近紅外光譜低維特征，并結(jié)合反向傳播自適應(yīng)提升算法建立8種茶葉滋味相關(guān)的內(nèi)部成分預(yù)測(cè)模型，模型預(yù)測(cè)集相關(guān)系數(shù)大于0.7。Yang等[12]采用聯(lián)合區(qū)間最小二乘（synergy interval partial least square，Si?PLS）方法優(yōu)選近紅外光譜變量區(qū)間，建立水泥原料主要成分（CaO、SiO2、Al2O3和Fe2O3）檢測(cè)模型，預(yù)測(cè)集相關(guān)系數(shù)達(dá)到0.729 4～0.930 4，平均預(yù)測(cè)誤差為0.03%～0.13%。然而，即使選擇小區(qū)間變量，一些共線性的相關(guān)變量依舊存在，且在實(shí)際建模中變量數(shù)仍然很多。因此，Dong等[13]采用自適應(yīng)權(quán)重加權(quán)算法對(duì)Si?PLS優(yōu)選的近紅外光譜區(qū)間變量再次進(jìn)行特征選擇，利用極限學(xué)習(xí)機(jī)結(jié)合自適應(yīng)提升算法建立工夫紅茶發(fā)酵過(guò)程中茶黃素與茶紅霉素比值快速檢測(cè)模型，模型預(yù)測(cè)集決定系數(shù)為0.893，預(yù)測(cè)均方根誤差為0.004 4。【本研究切入點(diǎn)】面對(duì)光譜數(shù)據(jù)中的大量特征變量，需考慮變量選擇過(guò)程計(jì)算速度和精度，混合特征篩選方法越來(lái)越多的被研究者所關(guān)注。【擬解決的關(guān)鍵問(wèn)題】本文采用變量組成集群分析?迭代保留信息變量混合特征提取方法對(duì)茶葉浸出物近紅外光譜波長(zhǎng)變量進(jìn)行優(yōu)選，利用篩選出的特征波長(zhǎng)建立隨機(jī)森林（randomforest，RF）茶葉滋味品質(zhì)指標(biāo)酚氨比預(yù)測(cè)模型，并與線性偏最小二乘（partial least squares，PLS）模型進(jìn)行比較。

1 材料與方法

1.1 樣本制備

選取來(lái)自不同省份的93個(gè)不同等級(jí)市售茶葉樣本，所收集的樣本均經(jīng)過(guò)正常的處理和儲(chǔ)存，以確保在處理過(guò)程中不會(huì)出現(xiàn)明顯的變質(zhì)。首先，每個(gè)樣本稱取3 g干茶加入150 mL沸騰蒸餾水中，蓋上杯蓋浸泡5 min。用濾紙過(guò)濾后，待冷卻至25 ℃左右進(jìn)行后續(xù)測(cè)定分析。

1.2 酚氨比化學(xué)測(cè)定

每個(gè)樣品取10 mL上層浸出液，滴入25 mL的容量瓶中，用蒸餾水稀釋刻度線。采用福林酚試劑比色法，依據(jù)GB/T 8313－2008《茶葉中茶多酚和兒茶素類含量的檢測(cè)方法》國(guó)家標(biāo)準(zhǔn)進(jìn)行茶多酚測(cè)定；采用茚三酮分光光度法，依據(jù)GB/T 8314－2013《茶游離氨基酸總量的測(cè)定》國(guó)家標(biāo)準(zhǔn)進(jìn)行氨基酸測(cè)定。酚氨比由茶多酚總量除以氨基酸總量得來(lái)。圖1所示為茶葉樣本酚氨比統(tǒng)計(jì)圖，所有樣本酚氨比呈正態(tài)分布。

圖1 茶葉樣本酚氨比統(tǒng)計(jì)Fig.1 Statistical diagram of ratio of TP to AA for tea samples

1.3 近紅外光譜采集

Antaris II型近紅外光譜儀（美國(guó)Thermo Fisher公司）用于檢測(cè)茶葉浸出液，并利用InGaAs檢測(cè)器光譜數(shù)據(jù)采集。光譜掃描范圍為10 000～4 000 cm?1，分辨率為3.856 cm?1，掃描次數(shù)為32，每個(gè)樣本具有1 557個(gè)光譜數(shù)據(jù)。吸光度數(shù)據(jù)以log（1/R)的形式存儲(chǔ)，R表示透射率。每個(gè)樣本被測(cè)定3次，以3個(gè)光譜的平均值作為該樣本最終光譜數(shù)據(jù)。由于茶葉浸出液中可能存在氣泡等因素，導(dǎo)致光散射[14]，原始光譜中除分析物自身信息外，還包含一些噪音信息。標(biāo)準(zhǔn)正態(tài)變量變換（standard normalvariate transformation，SNV）能夠有效消除散射引起的噪音，提高光譜信噪比。因此，在預(yù)測(cè)模型建立之前選擇SNV方法對(duì)茶湯近紅外光譜進(jìn)行預(yù)處理，圖2所示為經(jīng)預(yù)處理后所有樣本光譜圖。

1.4 變量組成集群分析-迭代保留信息變量混合特征提取方法

1.4.1 變量組成集群分析 變量組成集群分析（vari-able combination population analysis，VCPA）[15]是一種基于達(dá)爾文“適者生存”進(jìn)化論的變量選擇方法。該方法主要運(yùn)用指數(shù)衰減函數(shù)（exponentially decreasing function，EDF），二進(jìn)制矩陣采樣法（binary matrix sampling，BMS）和模型集群分析（model population analysis，MPA）從變量空間中選取最優(yōu)變量子集。首先，采用EDF確定每次迭代剩余變量數(shù)，BMS根據(jù)剩余變量數(shù)從變量空間進(jìn)行采用組成若干變量子集。然后，利用各變量子集分別建立偏最小二乘子模型，采用MPA方法從前10%的最優(yōu)子模型中保留出現(xiàn)頻數(shù)最多的變量。在保留的變量空間上再次重復(fù)以上操作，迭代N次，最終篩選出最優(yōu)的變量子集[16]。

圖2 SNV預(yù)處理后的茶湯光譜Fig.2 NIR spectra of tea infusion by SNV preprocessing

1.4.2 迭代保留信息變量 迭代保留信息變量（iteratively retains informative variables，IRIV）[17]把變量分為4類：降低模型性能明顯的干擾信息變量，降低模型性能不明顯的無(wú)信息變量，提高模型性能不明顯的弱信息變量和提高模型性能明顯的強(qiáng)信息變量。IRIV可以有效地提出干擾信息變量和無(wú)信息變量，并保留弱信息變量和強(qiáng)信息變量[18]。IRIV采用BMS從變量空間進(jìn)行隨機(jī)采用，對(duì)于每個(gè)變量，IRIV觀察其在所有變量組合中的包含與排除是交叉驗(yàn)證均方根誤差（root mean square error of crossvalidation，RM-SECV）的差異，而其他變量的狀態(tài)(包含或排除)保持不變。每個(gè)變量的重要性是根據(jù)RMSECV的差異來(lái)評(píng)估的。如果當(dāng)RMSECV被排除在變量組合之外時(shí)，RMSECV會(huì)增加，這表明該變量是有用的和信息豐富的。不斷重復(fù)排除策略，直到變量子集中不包含干擾信息變量和無(wú)關(guān)信息變量。

1.4.3 混合特征提取方法 VCPA采用EDF方法快速剔除變量，最終篩選出的變量數(shù)通常較少，一些信息變量可能會(huì)被剔除；而IRIV方法充分考慮到每個(gè)變量的重要性，因此需要大量的計(jì)算時(shí)間，當(dāng)面對(duì)大量的變量時(shí)，會(huì)耗費(fèi)大量的時(shí)間，導(dǎo)致計(jì)算效率低下。VCPA?IRIV混合方法能夠充分發(fā)揮兩種方法各自優(yōu)勢(shì)、彌補(bǔ)不足。首先采用VCPA進(jìn)行快速縮小變量空間，設(shè)置最終剩余變量數(shù)為N；然后再通過(guò)IRIV評(píng)估剩余變量空間中每個(gè)變量的重要性，以優(yōu)選出最佳變量子集。

1.5 模型建立與評(píng)價(jià)

采用線性PLS和非線性隨機(jī)森林[19]建立茶葉滋味品質(zhì)成分檢測(cè)模型，采用相關(guān)系數(shù)（R）評(píng)價(jià)模型預(yù)測(cè)值與實(shí)驗(yàn)值之間的相關(guān)程度，其值范圍為0～1，且越接近1越好；以訓(xùn)練集均方根誤差（root mean square error of calibration，RMSEC）評(píng)價(jià)模型訓(xùn)練誤差，預(yù)測(cè)集均方根誤差（root mean square error of predic-tion，RMSEP）評(píng)價(jià)模型預(yù)測(cè)誤差，其值越小越好；以預(yù)測(cè)集相對(duì)分析誤差（relative percent deviation，RPD）評(píng)價(jià)模型性能可靠程度。如果RPD大于3.0，說(shuō)明模型性能可靠，預(yù)測(cè)精度好，可用于實(shí)際檢測(cè)；RPD在2.5～3.0，說(shuō)明模型可靠性有待提高，只能用于實(shí)際估測(cè)；RPD在2.0～2.5，模型可以近似定量預(yù)測(cè)；RPD值小于2.0，方法預(yù)測(cè)不可靠。

2 結(jié)果與分析

2.1 光譜特征提取

采用Kennard?Stone（KS）方法將93個(gè)樣本劃分為訓(xùn)練集和測(cè)試集，60個(gè)樣本作為訓(xùn)練集用于訓(xùn)練模型，其余33個(gè)樣本為預(yù)測(cè)集預(yù)測(cè)模型性能。利用VCPA?IRIV在訓(xùn)練樣本集上進(jìn)行特征提取，VCPA?IRIV方法超參數(shù)EDF剩余變量數(shù)設(shè)置為100，迭代次數(shù)為50，最優(yōu)子模型的比例為10%，BMS運(yùn)行次數(shù)為1 000，并采用5折交叉驗(yàn)證進(jìn)行變量重要性評(píng)價(jià)。通過(guò)VCPA?IRIV方法最終優(yōu)選出18個(gè)光譜特征，圖3所示為特征變量選擇結(jié)果，圖中“★”所標(biāo)記光譜特征為算法優(yōu)選的變量子集。從光譜圖（圖1）可知光譜在5 155 cm?1和6 900～7 140 cm?1處分別存在與H2O的O?H第一泛音和H2O中O?H基團(tuán)的拉伸變形結(jié)合有關(guān)的強(qiáng)吸收帶。如果用這些強(qiáng)吸收光譜變量來(lái)建立校正模型，會(huì)影響模型的性能。然而，VCPA?IRIV方法所選的特征變量很好地避開(kāi)了與H2O強(qiáng)相關(guān)的光譜特征信息，表明該方法所提取特征的有效性。

表1所示為采用VCPA?IRIV算法選擇的18個(gè)光譜特征及其對(duì)應(yīng)的鍵，其中9 889.177，9 862.179 cm?1為茶多酚與氨基酸上N?H的二級(jí)倍頻吸收峰，8 759.096，8 782.237，8 882.518，8 535.394 cm?1為茶多酚與氨基酸C?H的二級(jí)倍頻吸收峰，5 904.965，5 951.248，6 032.244，6 124.81，6 225.09，6 255.946，6 263.66 cm?1為C?H和S?H的一級(jí)倍頻吸收峰[20]，表明VCPA?IRIV方法提取的光譜特征信息可用于茶葉滋味品質(zhì)指標(biāo)酚氨比的有效預(yù)測(cè)。

圖3 利用VCPA?IRIV選擇特征變量結(jié)果Fig.3 The result of features selected by VCPA?IRIValgorithm

表1 采用VCPA-IRIV算法選擇光譜特征及其對(duì)應(yīng)的鍵Tab.1 Selected spectra intervals by VCPA-IRIV algorithm and their corresponding bonds

2.2 RF預(yù)測(cè)模型建立

采用VCPA?IRIV方法提取的特征變量，建立隨機(jī)森林綠茶滋味品質(zhì)指標(biāo)酚氨比預(yù)測(cè)模型。設(shè)置RF算法的超參數(shù)回歸數(shù)棵數(shù)（ntree）為1 000，節(jié)點(diǎn)分裂候選變量數(shù)（mtry）為所有變量數(shù)的1/3，即為6。圖4所示為訓(xùn)練集和測(cè)試集中各樣本的實(shí)驗(yàn)值與RF模型預(yù)測(cè)值對(duì)比圖。由圖4可知，RF模型訓(xùn)練集的Rc和RMSEC為別為0.949，0.231；測(cè)試集的Rp和RMSEP分別為0.943和0.232，表明模型具有較好的泛化性能。測(cè)試集的RPD為3.019，說(shuō)明模型性能可靠，預(yù)測(cè)精度好，可用于實(shí)際檢測(cè)。

圖4 訓(xùn)練集（a）和測(cè)試集（b）中樣本實(shí)驗(yàn)值與預(yù)測(cè)值對(duì)比圖Fig.4 Comparison of experimental and predicted values of samples in calibration set（a）and prediction set（b)

2.3 模型性能比較

為了進(jìn)一步表現(xiàn)VCPA?IRIV方法提取光譜特征的有效性，采用競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法[21]（com-petitive adaptive reweighted sampling，CARS）和連續(xù)投影算法[22]（successive projections algorithm，SPA）進(jìn)行光譜特征選擇比較。表2所示為基于VCPA?IRIV、CARS和SPA提取的特征所建立的PLS與RF預(yù)測(cè)模型性能比較結(jié)果。結(jié)果表明，CARS和SPA提取的光譜變量中均集中H2O的強(qiáng)吸收帶（5 155 cm?1和6 900～7 140 cm?1）附近，以這些變量作為輸入所建預(yù)測(cè)模型的預(yù)測(cè)效果均較差。VCPA?IRIV提取的光譜變量所建的預(yù)測(cè)模型中，線性PLS預(yù)測(cè)模型主成分為10時(shí)，模型性能最佳，訓(xùn)練集的Rc和RMSEC為別為0.920，0.256；測(cè)試集的Rp和RMSEP分別為0.907和0.307；測(cè)試集的RPD為2.281；表明非線性的RF模型在魯棒性和泛化性能上均優(yōu)于線性的PLS模型。

表2 VCPA-IRIV、CARS和SPA提取的特征所建不同預(yù)測(cè)模型性能比較Tab.2 Comparison of results based on different models based on VCPA-IRIV，CARS and SPA

3 結(jié)論與討論

本研究利用近紅外光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法實(shí)現(xiàn)綠茶滋味品質(zhì)指標(biāo)酚氨比值的快速檢測(cè)方法。綠茶浸出物近紅外光譜信息中，H2O的強(qiáng)干擾信息及其他冗余信息的引入將嚴(yán)重影響綠茶滋味品質(zhì)指標(biāo)酚氨比的檢測(cè)模型性能。利用VCPA?IRIV、CARS和SPA 3種不同特征提取方法對(duì)近紅外光譜變量進(jìn)行優(yōu)選，CARS和SPA提取的光譜變量中均集中H20的強(qiáng)吸收帶附近，而VCPA?IRIV方法提取的18個(gè)特征光譜變量大多與茶多酚和氨基酸相關(guān)，很好地避開(kāi)了H20的強(qiáng)吸收帶。

此外，近紅外光譜根據(jù)當(dāng)樣品被輻射時(shí)復(fù)雜有機(jī)物中不同的化學(xué)鍵吸收或發(fā)射不同波長(zhǎng)光的原理對(duì)分析物進(jìn)行檢測(cè)，由于有機(jī)物的分子有各種各樣的振動(dòng)和化學(xué)鍵，它們的光譜響應(yīng)通常并非簡(jiǎn)單的線性耦合在一起，分析物濃度和光譜數(shù)據(jù)常常呈現(xiàn)非線性關(guān)系[23]。利用非線性RF所建綠茶滋味品質(zhì)指標(biāo)酚氨比值快速檢測(cè)模型性能明顯優(yōu)于線性PLS模型。VCPA?IRIV優(yōu)選的18個(gè)特征變量作為輸入建立的非線性RF模型性能最佳，訓(xùn)練集Rc和RMSEC為別為0.949，0.231；測(cè)試集的Rp、RMSEP和RPD分別為0.943、0.232和3.019。研究表明VCPA?IRIV方法能夠有效的提出有效光譜變量，消除冗余光譜信息；為利用近紅外光譜技術(shù)對(duì)綠茶滋味品質(zhì)指標(biāo)酚氨比值快速檢測(cè)方法提供了新的研究思路，且有助于光譜技術(shù)在農(nóng)產(chǎn)品品質(zhì)與安全上的推廣運(yùn)用。