陳佳瑜，楊艷芹，袁海波，鄧余良，沈 帥，劉政權(quán)，江用文*

（1 安徽農(nóng)業(yè)大學(xué) 茶樹生物學(xué)與資源利用國(guó)家重點(diǎn)實(shí)驗(yàn)室 合肥 230036 2 中國(guó)農(nóng)業(yè)科學(xué)院茶葉研究所 農(nóng)業(yè)部茶樹生物學(xué)與資源利用重點(diǎn)實(shí)驗(yàn)室 杭州 310008）

工夫紅茶是我國(guó)特有的紅茶品種，品類多且產(chǎn)地廣。其中，滇紅工夫是我國(guó)第一個(gè)以大葉種為原料制成的紅茶，主產(chǎn)于云南省的臨滄、保山、西雙版納、思茅（普洱）、德宏等地。作為中國(guó)工夫紅茶的后起之秀，滇紅工夫因形美、色艷、香高、味醇的品質(zhì)特點(diǎn)，在國(guó)內(nèi)外市場(chǎng)中廣受歡迎[1]。茶湯的綜合品質(zhì)體現(xiàn)在“色、香、味”[2]3 個(gè)方面。目前對(duì)滇紅工夫茶的研究多集中在滋味[3]、香氣[4]和營(yíng)養(yǎng)功能成分[5]，較少有針對(duì)茶湯色澤屬性的基礎(chǔ)性研究。色澤不僅是衡量紅茶發(fā)酵程度的關(guān)鍵指標(biāo)[6]，也是評(píng)價(jià)茶湯品質(zhì)的重要因子之一，具有重要的研究意義。

目前，茶湯色澤品質(zhì)的評(píng)價(jià)手段主要有感官評(píng)價(jià)和色差分析。感官評(píng)價(jià)是由專家審評(píng)小組依據(jù)一定的評(píng)價(jià)標(biāo)準(zhǔn)和豐富的經(jīng)驗(yàn)給予樣品描述性評(píng)語(yǔ)和打分，具有快速和直觀的優(yōu)點(diǎn)，然而，易受個(gè)體主觀影響，一致性和重復(fù)性較差[7]。此外，感官評(píng)價(jià)的描述術(shù)語(yǔ)通常較為模糊，缺乏客觀的量化評(píng)價(jià)標(biāo)準(zhǔn)。近些年越來(lái)越多的研究采用現(xiàn)代儀器手段進(jìn)行茶湯色澤的表征。色差分析法是當(dāng)前茶湯色澤評(píng)價(jià)應(yīng)用最為廣泛的方法之一[8]。用于色差分析的顏色排序體系包括HunterLab 體系、CIELAB 體系和CIELCH 體系[9]。然而，此方法所得色澤參數(shù)反映的是透過(guò)比色皿的透射光，與人眼實(shí)際感受到的茶湯色澤并不一致，在一定程度上不能完全反映茶湯的真實(shí)色澤。馬婉君等[10]的研究表明，基于計(jì)算機(jī)視覺(jué)的方法，相比于臺(tái)式色差儀，對(duì)六堡茶湯色得分的預(yù)測(cè)準(zhǔn)確度更高。

電子眼技術(shù)是在仿生學(xué)基礎(chǔ)上發(fā)展起來(lái)的一種識(shí)別樣品視覺(jué)信息的檢測(cè)儀器[11]。它通過(guò)模擬人眼對(duì)樣品的感知，提供穩(wěn)定的圖像采集環(huán)境，保證樣品分析條件的一致性，利用計(jì)算機(jī)處理軟件對(duì)樣品的顏色、形狀等視覺(jué)參數(shù)進(jìn)行相關(guān)評(píng)價(jià)[12]。近年來(lái)，該技術(shù)在水果成熟度鑒別[13-14]，中藥材規(guī)格等級(jí)判別[11，15-16]，乳制品加工[17-18]與儲(chǔ)存質(zhì)量評(píng)價(jià)[19-20]等方面得到廣泛應(yīng)用，然而，在茶湯色澤品質(zhì)評(píng)價(jià)方面鮮有報(bào)道。本研究選用滇紅工夫茶湯為研究對(duì)象，采用電子眼技術(shù)結(jié)合多元統(tǒng)計(jì)分析對(duì)色澤品質(zhì)進(jìn)行評(píng)價(jià)，以實(shí)現(xiàn)茶湯色澤品質(zhì)分類的準(zhǔn)確判別和品質(zhì)得分的精準(zhǔn)預(yù)測(cè)。

1 材料與方法

1.1 試驗(yàn)材料

收集產(chǎn)于云南省不同產(chǎn)區(qū)（臨滄市、保山市、普洱市、紅河自治州、西雙版納自治州、德宏自治州等）、不同等級(jí)（特級(jí)、一級(jí)、二級(jí)、三級(jí)等）、不同干茶形狀（條形、卷曲型、螺形、針形）的工夫紅茶，共50 個(gè)代表性茶樣。

表1 樣本信息Table 1 Information of tea samples in this study

1.2 儀器與設(shè)備

IRIS VA400 型電子眼，法國(guó)AlphaM.O.S 公司；CM-5 臺(tái)式分光測(cè)色計(jì)，日本KonicaMinolta 控股公司；國(guó)家標(biāo)準(zhǔn)成品茶審評(píng)杯碗，中國(guó)農(nóng)業(yè)科學(xué)院茶葉研究所。

1.3 方法

1.3.1 茶湯制備 參考《茶葉感官審評(píng)方法》 GB/T 23776-2018，取3.0 g 代表性茶樣，按照茶水比（質(zhì)量比）1∶50 注入沸水于審評(píng)杯中至滿，加蓋沖泡5 min 后，等速將茶湯濾出置于相應(yīng)審評(píng)碗中。

1.3.2 感官審評(píng) 參考《茶葉感官審評(píng)方法》 GB/T 23776-2018，以百分制對(duì)滇紅工夫茶湯色澤品質(zhì)進(jìn)行評(píng)分。其中，茶湯色澤品質(zhì)特征表現(xiàn)：①為橙紅明亮或紅明亮的樣品級(jí)別為甲類，得分在90～99 之間；表現(xiàn)為尚紅亮的樣品級(jí)別為乙類，得分在80～89 之間；變現(xiàn)為尚紅欠亮的樣品級(jí)別為丙類，得分在70～79 之間。感官審評(píng)專家小組由5人構(gòu)成，均具有國(guó)家高級(jí)評(píng)茶員及以上等級(jí)職業(yè)資格。去除一個(gè)最高分和一個(gè)最低分，取其余分?jǐn)?shù)的平均值作為最終得分。

1.3.3 色差儀數(shù)據(jù)采集 色差儀采用D65 標(biāo)準(zhǔn)光源（即色溫6 500 K 的人工日光光源）和10°平面測(cè)量的觀察方式。數(shù)據(jù)采集前對(duì)色差儀進(jìn)行校準(zhǔn)，以黑板為基準(zhǔn)進(jìn)行0%校準(zhǔn)，以純水為基準(zhǔn)進(jìn)行100%校準(zhǔn)。采集不同色空間 （CIELAB 體系和HunterLab 體系）下的13 個(gè)色差分析指標(biāo)的數(shù)據(jù)：L*、a*、b*、C*、H*、L99、a99、b99、C99、H99、L（Hunter）、a（Hunter）、b（Hunter）。其中，L 表示明度，a 表示紅綠度，b 表示黃藍(lán)度，C 表示彩度，H 表示色調(diào)角[21]。把待測(cè)茶湯注入比色皿內(nèi)進(jìn)行檢測(cè)，每個(gè)茶湯樣品重復(fù)測(cè)定3 次。

1.3.4 電子眼數(shù)據(jù)采集 采集數(shù)據(jù)前，開機(jī)15 min 以上使光室內(nèi)的光線穩(wěn)定，調(diào)整鏡頭的曝光度和焦距，并將比色卡置于光室內(nèi)進(jìn)行自動(dòng)校準(zhǔn)。根據(jù)預(yù)試驗(yàn)結(jié)果選擇頂部及底部標(biāo)準(zhǔn)光源（2*2熒光燈燈管，相當(dāng)于D65 光源）作為照明條件，采用5 mm 光圈的CMOS 攝像頭采集茶湯樣品的圖像（圖1）。每個(gè)茶湯樣品固定于白色背景板下同一個(gè)位置進(jìn)行拍攝，重復(fù)采集圖像3 次。對(duì)采集圖像進(jìn)行統(tǒng)一預(yù)處理，提取圖像中心圈的特征信息，記錄其全部色號(hào)及相應(yīng)面積比例作為分析數(shù)據(jù)。

圖1 IRIS VA400 型電子眼儀器實(shí)物圖Fig.1 Physical drawing of the IRIS VA400 electronic eye

1.3.5 數(shù)據(jù)分析 以2∶1 比例把全部樣本隨機(jī)分為校正集（34）和預(yù)測(cè)集（16），以預(yù)測(cè)集樣本數(shù)據(jù)驗(yàn)證校正集樣本所建立的模型。根據(jù)1.3.2 節(jié)感官審評(píng)結(jié)果，以茶湯色澤品質(zhì)評(píng)分90 分作為界限將樣品分為兩類：≥90 分的茶湯色澤品質(zhì)劃分為優(yōu)質(zhì)組，反之為非優(yōu)組。采用SIMCA 軟件對(duì)電子眼采集的數(shù)據(jù)進(jìn)行PLS-DA 進(jìn)行分類判別，進(jìn)一步對(duì)其進(jìn)行PLS 回歸分析，以實(shí)現(xiàn)對(duì)滇紅工夫茶湯色澤的品質(zhì)得分的準(zhǔn)確預(yù)測(cè)。模型精度評(píng)價(jià)參數(shù)的計(jì)算公式如下：

式中：Rc——校正集相關(guān)系數(shù)；Rp——預(yù)測(cè)集相關(guān)系數(shù)；RMSEC——校正集均方根誤差；RMSEP——預(yù)測(cè)集均方根誤差；RPDc——校正集相對(duì)分析誤差；RPDp——預(yù)測(cè)集相對(duì)分析誤差；n——數(shù)據(jù)集中樣本個(gè)數(shù)；ycal——校正集樣本預(yù)測(cè)值；ypre——預(yù)測(cè)集樣本預(yù)測(cè)值；yact——樣本真實(shí)值；SDc——校正集樣本標(biāo)準(zhǔn)偏差；SDp——預(yù)測(cè)集樣本標(biāo)準(zhǔn)偏差。其中，Rc、Rp、RPDc 和RPDp 的值越大，RMSEC 和RMSEP 的值越小，模型精度和預(yù)測(cè)能力越高[22]。通常認(rèn)為，相關(guān)系數(shù)R＞0.8，相對(duì)分析誤差RPD＞2[23]，模型具備較高的可靠性。

2 結(jié)果與分析

2.1 電子眼采集茶湯色澤參數(shù)的重復(fù)性考察

為驗(yàn)證圖像采集環(huán)境的穩(wěn)定性，以保證試驗(yàn)結(jié)果的可靠性和重復(fù)性，分別任意選取3 個(gè)優(yōu)質(zhì)組和非優(yōu)組的茶湯樣品，篩選占比大于1%的色號(hào)，計(jì)算各色號(hào)比例在對(duì)應(yīng)樣本中的相對(duì)標(biāo)準(zhǔn)偏差（RSD）。結(jié)果顯示，電子眼提取到的以上樣本的特征色號(hào)RSD 值均小于5%，表明電子眼采集的茶湯色澤參數(shù)具有良好的重復(fù)性，可用于下一步茶湯色澤品質(zhì)的分類判別和品質(zhì)得分的預(yù)測(cè)。

2.2 基于PLS-DA 分析的滇紅工夫茶湯色澤品質(zhì)的分類判別

本研究中50 個(gè)樣本共提取到27 個(gè)特征色號(hào)，每個(gè)色號(hào)在不同樣品中所占比例各不相同。27個(gè)特征色號(hào)對(duì)應(yīng)的特定的R、G、B 和L*、a*、b*值見(jiàn)表3，視覺(jué)色彩如圖2所示。相鄰色號(hào)的R、G、B和L*、a*、b*值較接近，人眼的視覺(jué)色彩感受相似。為了考察樣本之間的異同點(diǎn)以及關(guān)鍵色號(hào)對(duì)茶湯色澤品質(zhì)的影響，引入了偏最小二乘-判別分析（PLS-DA）。PLS-DA 是一種常見(jiàn)的有監(jiān)督的判別分析方法，該方法通過(guò)預(yù)先對(duì)樣本指定分類，通過(guò)發(fā)掘組間的異同點(diǎn)進(jìn)而對(duì)研究對(duì)象進(jìn)行判別[24]。本研究中，以特征色號(hào)的面積占比作為自變量（X），以茶湯色澤品質(zhì)優(yōu)質(zhì)組（≥90 分）和非優(yōu)組（＜90分）作為因變量（Y）進(jìn)行PLS-DA 分析。結(jié)果顯示，以校正集（34 個(gè)樣本）建立的判別模型穩(wěn)定，且預(yù)測(cè)能力優(yōu)秀 （擬合參數(shù)R2Y=0.988，Q2=0.981）。把預(yù)測(cè)集（16 個(gè)樣本）代入該模型中進(jìn)一步驗(yàn)證，實(shí)現(xiàn)了樣本100%的正確分類。

圖2 特征色號(hào)的視覺(jué)色彩效果Fig.2 The color sensation of the characteristic color codes

表2 電子眼采集湯色數(shù)據(jù)的重復(fù)性考察（%）Table 2 The repeatability analysis of tea infusions collected by electronic eye （%）

表3 特征色號(hào)的參數(shù)信息Table 3 The parameters of the characteristic color codes

本研究PLS-DA 模型得分圖如圖3a 所示，優(yōu)質(zhì)組和非優(yōu)組分別落在Y 軸兩側(cè)，存在明顯的分離趨勢(shì)。對(duì)模型進(jìn)行200 次置換檢驗(yàn)，R2回歸直線與Y 軸的截距小于0.4，Q2回歸直線與Y 軸的截距小于0，表明不存在過(guò)擬合的現(xiàn)象[25]，該模型結(jié)果可靠（圖3b）。載荷值代表主成分對(duì)各自變量反應(yīng)程度的大小，各自變量（特征色號(hào)）距離中心點(diǎn)的離散程度越高，表明其對(duì)兩組分類的貢獻(xiàn)越大，且離因變量越近的自變量對(duì)該分類的貢獻(xiàn)越大[26]。由PLS-DA 載荷圖可見(jiàn)（圖3c），色號(hào)2113，2114，2096 和2097 對(duì)區(qū)分優(yōu)質(zhì)組的貢獻(xiàn)較大。變量投影重要性（VIP）可以量化模型中每一個(gè)變量因子對(duì)分類的貢獻(xiàn)度，VIP 值越大表明變量在不同組間的差異越顯著，通常認(rèn)為VIP 值＞1 為關(guān)鍵變量[27]。本研究所建立的PLS-DA 模型中（圖3d），VIP 值大于1 的變量共有8 個(gè)色號(hào)，按其VIP 值大小排序依次為2114，2113，2096，2097，2112，2098，1857，1856。上述重要色號(hào)的RGB 三維散點(diǎn)圖和L*a*b*三維散點(diǎn)圖（圖4），呈現(xiàn)一定的空間聚集分布，其中R 值介于120～136，G 值介于56～72，B 值介于8～40，L*值介于34.7～38.3，a*值介于17.7～34.1，b*值介于27.6～45.2。

圖3 基于電子眼技術(shù)的茶湯色澤品質(zhì)優(yōu)質(zhì)組和非優(yōu)組的PLS-DA 分析Fig.3 PLS-DA analysis of high quality and non-high quality tea infusions based on electronic eye

圖4 VIP＞1 的關(guān)鍵色號(hào)RGB 三維散點(diǎn)圖（a），L* a* b*三維散點(diǎn)圖（b）Fig.4 The key variable based on VIP＞1 3D scatter of RGB （a）；3D scatter of L* a* b* （b）

2.3 基于PLSR 的滇紅工夫茶湯色澤品質(zhì)得分的預(yù)測(cè)

在實(shí)現(xiàn)滇紅工夫茶茶湯色澤品質(zhì)分類判別的基礎(chǔ)上，我們期望能夠?qū)Σ铚珴善焚|(zhì)的具體得分進(jìn)行量化評(píng)價(jià)，為此我們引入了偏最小二乘回歸分析（PLSR）。PLSR 通過(guò)將預(yù)測(cè)變量和觀測(cè)變量投影到一個(gè)新的空間，以此建立線性回歸模型[28]。PLSR 結(jié)合了主成分分析、線性回歸分析和典型相關(guān)性分析的特點(diǎn)[29]，其目的是從一組獨(dú)立變量（預(yù)測(cè)因子）中分析預(yù)測(cè)一組因變量。本研究中，我們以電子眼提取的特征色號(hào)面積占比作為自變量，茶湯色澤品質(zhì)得分作為因變量進(jìn)行偏最小二乘回歸分析。以34 個(gè)校正集樣本建立PLSR 模型，其擬合參數(shù)R2Y=0.943，x2=0.747，表明模型穩(wěn)定且預(yù)測(cè)能力良好，預(yù)測(cè)值與真實(shí)值的絕對(duì)誤差在2.2分以內(nèi)，相對(duì)誤差在2.3%以內(nèi)。把16 個(gè)預(yù)測(cè)集樣本代入上述模型進(jìn)行驗(yàn)證，結(jié)果表明模型有效可靠，預(yù)測(cè)值與真實(shí)值的絕對(duì)誤差在2.3 分以內(nèi)，相對(duì)誤差在2.7%以內(nèi)（表4）。其中，校正集的相關(guān)系數(shù)Rc=0.97，均方根誤差RMSEC=0.79，相對(duì)分析誤差RPDc=4.15；預(yù)測(cè)集樣本的相關(guān)系數(shù)Rp=0.90，均方根誤差RMSEP=1.36，相對(duì)分析誤差RPDp=2.15 （圖5）。綜上可知，電子眼技術(shù)結(jié)合PLSR 可實(shí)現(xiàn)湯色品質(zhì)得分的準(zhǔn)確預(yù)測(cè)，相較于傳統(tǒng)的感官評(píng)價(jià)，具有客觀、準(zhǔn)確的優(yōu)點(diǎn)。

圖5 基于PLS 方法的品質(zhì)得分預(yù)測(cè)精度散點(diǎn)圖Fig.5 Scatter plot of prediction accuracy of quality score by using PLS method

表4 基于PLS 方法預(yù)測(cè)茶湯色澤品質(zhì)得分的誤差分析Table 4 Error analysis of predicting quality scores of infusion colour based on PLS

（續(xù)表4）

2.4 與傳統(tǒng)色差儀的對(duì)比分析

目前關(guān)于茶湯色澤的諸多研究報(bào)道中，常使用色差儀進(jìn)行定性和量化評(píng)價(jià)[8，30-32]。色差儀采集的CIELab 顏色系統(tǒng)是目前色澤研究中慣用的色彩系統(tǒng)，該體系由國(guó)際照明委員會(huì)（CIE）于1931年首次提出，而后在1976年被修正為CIEL*a*b*，改進(jìn)給予了更多的均勻顏色空間，由L*、a*、b*3個(gè)參數(shù)來(lái)確定某個(gè)顏色[33]。其中，L*代表亮度，取值介于0～100 之間，100 為白色，0 為黑色；a*代表紅綠度，正值（+）表示紅色程度，負(fù)值（-）表示綠色程度；b*代表黃藍(lán)度，正值（+）表示黃色程度，負(fù)值（-）表示藍(lán)色程度[34]。本研究對(duì)比了色差儀和電子眼對(duì)茶湯色澤品質(zhì)的滇紅工夫茶湯優(yōu)質(zhì)組（≥90分）和非優(yōu)組（＜90 分）的判別效果。以色差儀采集的13 個(gè)分析指標(biāo)為X 變量，優(yōu)質(zhì)組和非優(yōu)組作為Y 變量建立PLS-DA 模型，其參數(shù)R2Y=0.318，Q2=0.286＜0.5，該模型具有較差的解釋能力和預(yù)測(cè)能力。PLS-DA 得分圖顯示，優(yōu)質(zhì)組樣品和非優(yōu)組樣品有部分交叉重疊區(qū)域，無(wú)法很好地區(qū)分開（圖6）。

圖6 基于色差分析的優(yōu)質(zhì)組和非優(yōu)組茶湯PLS-DA 得分圖Fig.6 PLS-DA score plot of high quality and non-high quality tea infusions based on colorimeter technology

綜上說(shuō)明，相較于傳統(tǒng)的色差儀分析，電子眼的技術(shù)更有利于滇紅工夫茶湯色澤品質(zhì)準(zhǔn)確、客觀地評(píng)價(jià)。究其產(chǎn)生上述差異的原因可能是色差儀所測(cè)得的分析指標(biāo)反映的是光穿透盛有茶湯的透明比色皿的透射信息，與茶湯通過(guò)反射而反饋給人眼的視覺(jué)感受不同；而電子眼通過(guò)圖像傳感器采集圖片并將其轉(zhuǎn)化為數(shù)據(jù)是基于反射信息，因此更接近人眼對(duì)茶湯色澤的感知。

3 結(jié)論

本研究首次采用電子眼技術(shù)結(jié)合多元統(tǒng)計(jì)分析對(duì)滇紅工夫茶湯色澤品質(zhì)進(jìn)行評(píng)價(jià)，50 個(gè)樣本共提取到27 個(gè)特征色號(hào)。按照國(guó)標(biāo)茶葉感官審評(píng)標(biāo)準(zhǔn)，以90 分為界限把茶湯色澤品質(zhì)劃分為優(yōu)質(zhì)組（≥90）和非優(yōu)組（＜90），基于PLS-DA 分析可實(shí)現(xiàn)校正集中兩類茶湯色澤品質(zhì)分類的有效判別，并且具有較好的解釋能力和判別能力 （R2Y=0.988，Q2=0.981），預(yù)測(cè)集進(jìn)一步驗(yàn)證該模型的可靠性，準(zhǔn)確率達(dá)到100%。進(jìn)一步基于PLSR 分析實(shí)現(xiàn)了滇紅工夫茶湯色澤品質(zhì)得分的準(zhǔn)確預(yù)測(cè)，預(yù)測(cè)值與真實(shí)值的絕對(duì)誤差在2.3 分以內(nèi)，相對(duì)誤差在2.7%以內(nèi)；校正集相關(guān)系數(shù)Rc=0.97，均方根誤差RMSEC=0.79，相對(duì)分析誤差RPDp=4.15，預(yù)測(cè)集相關(guān)系數(shù)Rp=0.90，均方根誤差RMSEP=1.36，相對(duì)分析誤差RPDp=2.15，表明該模型有效且具有較高的可靠性?？傮w而言，相較于傳統(tǒng)的色差儀技術(shù)，電子眼技術(shù)可以實(shí)現(xiàn)茶湯色澤品質(zhì)快速、準(zhǔn)確的評(píng)價(jià)，且能量化其感官評(píng)價(jià)的具體得分，為滇紅工夫茶湯色澤品質(zhì)評(píng)價(jià)提供了一種新的研究方法及思路。后續(xù)工作我們將圍繞茶湯香氣、滋味等特點(diǎn)，分別引入氣相電子鼻、電子舌等儀器，旨在通過(guò)智能感官技術(shù)為茶湯“色香味”綜合品質(zhì)評(píng)價(jià)提供全面的數(shù)據(jù)支撐。