陳彬　趙夢瑩　周晶晶　張雯萍　歐曉西　林振傳　林宏政　孫云

摘要：為提升白茶色選揀剔效率，保證產(chǎn)品質量，以壽眉白茶為原料，通過單因素試驗探究上料速度、靈敏度、病斑大小3個工藝參數(shù)對白茶色選臺時產(chǎn)量、選別率和帶出比等揀剔效果的影響，并在單因素試驗基礎上，通過Box-Behnken中心組合試驗和響應面分析法優(yōu)化白茶色選工藝參數(shù)。結果表明，上料速度、靈敏度、病斑大小這3個因素對色選揀剔效果有顯著影響，且影響程度為靈敏度＞病斑大?。旧狭纤俣?；得到最優(yōu)工藝參數(shù)組合為：上料速度95%、靈敏度59.35%、病斑大小30%。與原生產(chǎn)工藝參數(shù)相比，優(yōu)化組選別率能夠提高5.02個百分點，帶出比降低0.49個百分點。研究結果為充分發(fā)揮現(xiàn)代化白茶裝備優(yōu)勢提供了理論基礎，也為白茶色選應用達到最佳效果提供實際參考。

關鍵詞：白茶；色選；揀剔；響應面法；工藝參數(shù)

中圖分類號：TS272.5? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1000－3150（2023）07-01-8

Optimization of? Shoumei White Tea Color Selecting

Parameters by Response Surface Methodology

CHEN Bin1， ZHAO Mengying1， ZHOU Jingjing1， ZHANG Wenping1， OU Xiaoxi1，

LIN Zhenchuan2， LIN Hongzheng1*， SUN Yun1*

1. College of Horticulture， Fujian Agriculture and Forestry University， Fuzhou 350002， China；

2. Fujian Pinpinxiang Tea Industry Co.， Ltd.， Ningde 355200， China

Abstract： In order to improve the efficiency of white tea color selection and ensure product quality， the effects of three process parameters， namely feeding speed， sensitivity and plaque size， on the picking effect of Shoumei white tea color selection， such as yield， sorting net rate and terror-sorting rate， were explored through single factor test. On the basis of single factor test， the process parameters of color selection were optimized through Box-Behnken center combination test and response surface analysis. The results show that the three factors of feeding speed， sensitivity and plaque size have a significant impact on the picking effect of color sorter， and the degree of impact was sensitivity > plaque size > feeding speed. The optimal combination of process parameters were as follows： feeding speed 95%， sensitivity 59.35%， plaque size 30%. Compared with the original production process parameters， the optimization group selection rate had increased by 5.02% and the takeout ratio was decreased by 0.49%. The research results provided a basis for fully utilizing the advantages of modern white tea equipment， and also provided practical application and theoretical reference for the application of white tea color selection to achieve the best effect.

Keywords： white tea， color selection， picking， response surface method， process parameters

白茶是我國的特色茶類之一，主產(chǎn)于福建福鼎、政和及松溪等地。因其品質特征獨特，保健功效突出，備受消費者青睞[1]。近年來，隨著白茶產(chǎn)銷市場的熱度不斷提升，對白茶生產(chǎn)的產(chǎn)量和質量也提出了更高要求[2-4]。色選是白茶精制的重要除雜工序，主要用于揀剔茶葉中的蠟葉、紅張等茶類夾雜物和松枝、草毛等非茶類異色夾雜物[5]。色選過程利用光電技術，集合CCD攝像機和計算機圖像識別功能，通過識別夾雜物與茶葉光學特性的不同，由氣閥噴射氣流，吹出夾雜物完成揀剔[6-8]。色選機具有自動化程度高、人力需求小、操作簡單、生產(chǎn)標準統(tǒng)一等優(yōu)勢[9-11]，已在紅茶[12]、綠茶[13]、烏龍茶[14]等茶類加工中廣泛應用。而白茶與其他茶類不同，其毛茶夾雜物種類多且顏色與成品茶相似度高，對色選工藝參數(shù)設定要求高，若參數(shù)設置不當，會嚴重影響工作效率和揀剔質量。因此，開展白茶色選揀剔工藝參數(shù)優(yōu)化研究十分迫切。

目前，國內外對色選工藝的研究多集中于機械設計和圖像識別技術等方面，對加工過程中工藝參數(shù)的設置優(yōu)化研究較少。孫六蓮等[15]的試驗表明，選凈率、單位時間生產(chǎn)率、千瓦小時產(chǎn)量、誤選率等參數(shù)可以作為色選機性能的統(tǒng)一指標。鄭功宇等[16]優(yōu)化了閩北烏龍茶色選揀剔工藝參數(shù)，與對照組相比，優(yōu)化后的參數(shù)組合能使選別率提高6.83個百分點，并使帶出比降低0.38個百分點。本研究以壽眉為原料，結合上料速度、靈敏度和病斑大小的單因素試驗結果，利用Box-Behnken設計原理進行響應面優(yōu)化試驗設計[17-18]，探明白茶色選機各工藝參數(shù)對揀剔效果的影響，優(yōu)化白茶色選揀剔參數(shù)，以期為白茶色選應用達到最佳效果提供實際參考。

1? 材料與方法

1.1? 主要材料與試劑

于2021年4月采摘福建省福鼎市福建品品香茶業(yè)有限公司管陽河山有機茶生產(chǎn)基地的福鼎大毫茶品種一芽三四葉，按照鮮葉→萎凋→干燥的工藝流程加工成壽眉白茶毛茶樣品。

1.2? 主要儀器與設備

6CSX-300IIIC型茶葉色選機由進料系統(tǒng)、分選系統(tǒng)、檢測系統(tǒng)和噴閥機構組成（圖1）。毛茶由提升機輸送至進料槽，通過振動，毛茶沿下料槽均勻下滑，沿著通道逐層通過分選室觀察區(qū)[19]，在光源的作用下傳感器接受不同物料的合成光，經(jīng)數(shù)字信號處理技術（DSP）處理產(chǎn)生的輸出信號[20]，驅動噴閥工作，將雜質吹出通道完成揀剔，達到對毛茶精選的目的[21-22]。6CSX-300IIIC型茶葉色選機搭載智能AI技術，借助微米相機完成色選物料的立體重建，配合紅外技術精準定位雜質中心，剔除更加輕柔、破損率更低，可通過參數(shù)設定，同時完成色選、形選功能，能夠規(guī)避白茶物料分散、葉張粘連等帶來的分選難題。其中，上料速度參數(shù)設置影響6CSX-300IIIC型茶葉色選機的上料機運動速度，參數(shù)調整范圍為0～100%，當設定參數(shù)為100%時，上料機運動速度為1.2 m/s；靈敏度參數(shù)設置是色選機光電檢測系統(tǒng)的光學信息指標，其參數(shù)設定能改變鏡頭對物料圖片信號識別強弱，設置范圍為0～100%；病斑大小參數(shù)設定影響色選機智能算法據(jù)采集圖像識別目標大小，以0～100%表示識別目標大小變化。生產(chǎn)加工中主要通過調節(jié)以上3個參數(shù)來控制色選機的揀剔效果。

1.3? 試驗方法

1.3.1? 單因素試驗設計

以上料速度、靈敏度、病斑大小作為自變量，選別率、帶出比和臺時產(chǎn)量作為白茶色選揀剔效果檢驗標準，設計單因素試驗。上料速度設100%、95%、90%、85%、80%、75%和70%7個水平，各水平靈敏度和病斑大小分別設55%和25%；靈敏度設70%、65%、60%、55%、50%、45%和40%7個水平，此時各水平上料速度和病斑大小分別設90%和25%；病斑大小設40%、35%、30%、25%、20%、15%和10%7個水平，此時各水平上料速度和靈敏度分別設90%和55%。

1.3.2? 響應面試驗設計

結合單因素試驗結果，根據(jù)Box-Behnken中心組合設計原理，以選別率和帶出比作為響應值，應用Design-Expert V8.0.6軟件進行響應面統(tǒng)計分析及繪圖，并進行驗證試驗，建立考察因素與響應值之間的二次多項回歸方程模型，響應面試驗設計因素和水平如表1所示。

1.3.3? 項目測定

參考鄭功宇等[16]的方法測定色選機性能指標，其中，選別率（Y1）指毛茶色選后，選出的雜質質量占總雜質質量的百分比，按式（1）計算；帶出比（Y2）是揀剔副料口出料中合格茶葉占副料出料總質量的百分比，按式（2）計算；臺時產(chǎn)量（w）指單位時間內揀剔毛茶的總質量，按式（3）計算；重復3次取均值作為試驗數(shù)據(jù)。根據(jù)每日加工5 t的生產(chǎn)需求和效益需求，要求色選機臺時產(chǎn)量不低于312 kg/h，選別率不低于50%，帶出比小于8.5%。

式中：m1為選出雜質質量（kg），m2為毛茶中雜質總質量（kg）；n為副料中合格茶葉質量（kg），N為副料出料口總質量（kg）；M為上料總質量（kg），t為色選工作時間（h）。

1.4? 數(shù)據(jù)分析與處理

試驗結果數(shù)據(jù)使用Graph paid、Excel和IBM Statistics軟件進行處理分析，響應面分析和求解通過Design-Expert 8.0.6軟件進行。

2? 結果與分析

2.1? 單因素試驗結果

2.1.1? 上料速度設置對色選效果的影響

上料速度設置對色選揀剔效果的影響如圖2所示。臺時產(chǎn)量、帶出比隨著上料速度參數(shù)設置值的增加不斷增長，選別率則相反。當上料速度參數(shù)設置值小于85%時，設備供料過于緩慢，色選臺時產(chǎn)量小于312 kg/h，不滿足生產(chǎn)需求；而當上料速度大于95%時，供料過快，壽眉本身葉張大，易相互遮掩，一次下落太多，不易完成夾雜物識別，故導致色選工序選別率低于50%，上述情況都不符合實際生產(chǎn)需求，最終選定上料速度范圍為85%～95%開展后續(xù)的響應面試驗。

2.1.2? 靈敏度設置對色選效果的影響

由圖3可知，當色選靈敏度設置區(qū)間為40%～70%之間時，色選工序的臺時產(chǎn)量均能夠符合日產(chǎn)5 t的生產(chǎn)需求，且該參數(shù)設定的值越大，選別率和帶出比也越大，臺時產(chǎn)量則減少。當靈敏度參數(shù)設置小于50%時，選別率低于50%，達不到白茶精加工揀剔效果的要求；當靈敏度大于65%時，夾雜物顏色與茶葉接近時，誤揀率升高，導致色選帶出比超過8.5%，易造成企業(yè)生產(chǎn)成本加大。因此設定靈敏度范圍區(qū)間為50%～60%進行響應面優(yōu)化試驗。這是由于色選靈敏度工藝參數(shù)值調整的色選機算法對夾雜物識別的靈敏度，當參數(shù)設定大時，算法對夾雜物識別閾值隨之降低，對異色夾雜物的識別更加靈敏，故選別率增加，但目前的識別算法還不夠完善，超過一定參數(shù)值時，帶出比增加，揀剔雜質的同時帶出了茶葉，不利于實際生產(chǎn)中企業(yè)的效益需求。

2.1.3? 病斑大小設置對色選效果的影響

當設定上料速度為90%，靈敏度為55%時，病斑大小對白茶色選機的臺時產(chǎn)量、選別率和帶出比影響結果如圖4所示。病斑大小區(qū)間為10%～40%之間，選別率、帶出比隨著病斑大小設定值的增大而減小，且該區(qū)間內色選臺時產(chǎn)量均超過312 kg/h。此外，當病斑大小參數(shù)設置超過30%時，色選機搭載的算法對夾雜物識別面積要求大，不符合白茶產(chǎn)品中夾雜物面積小的特性，因此色選選別率低于50%。而當病斑大小參數(shù)設置低于15%時，色選對夾雜物識別特征面積要求小，揀剔的標準過于嚴格，致使色選帶出比超過了8.5%。因此，綜合企業(yè)效益和揀剔效果考慮，最終選擇以病斑大小區(qū)間20%～30%進行響應面優(yōu)化設計。

2.2? 響應面優(yōu)化白茶色選工藝參數(shù)結果

2.2.1? 白茶色選工藝參數(shù)響應面試驗結果

根據(jù)單因素試驗結果，選取上料速度（A）、靈敏度（B）、病斑大小（C） 3個因素3個水平，以選別率（Y1）和帶出比（Y2）作為壽眉白茶色選揀剔效果的綜合指標，通過Box-Behnken試驗設計對壽眉白茶色選工藝參數(shù)設置進行優(yōu)化，各因素試驗設計方案及結果見表2。

2.2.2? 回歸模型建立

利用Design Expert 8.06軟件對表3的數(shù)據(jù)進行回歸擬合分析，建立Y1、Y2的二次多項式回歸模型，獲得二次項方程如下。

Y1=72.23－1.51A+3.98B－2.22C－0.402 5AB+0.405 0AC－0.502 5BC+1.89A2+1.28B2+1.54C2

Y2=7.39－0.12A+0.323 7B－0.213 7C－0.017? 5AB－0.017 5AC+0.02BC+0.047 5A2+0.055B2+0.09C2

2.2.3? 回歸模型的方差分析

壽眉白茶色選揀剔效果二次多項回歸模型的方差分析結果如表3所示。選別率和帶出比的回歸模型F值分別為10.84和7.9，P <0.05，表明兩個模型均具有顯著性。失擬項P值為0.762 2和0.839 0，都大于0.05，表明在本次試驗參數(shù)內，模型擬合程度高；確定系數(shù)R2的值為0.933 1和0.910 4，這表明該模型可以較好描述試驗結果。綜上所述，本次獲得的兩個模型可以用于預測不同工藝參數(shù)組合對白茶色選揀剔效果的影響變化。此外，在選別率模型中因素B對模型有極顯著影響，A、C及A2對模型有顯著影響；由各F的大小可知，這3個因素對選別率、帶出比的影響程度為：B＞C＞A。提高A或提高B或降低C都會使色選過程的帶出比增加?？赡苡捎谏狭纤俣仍黾雍?，削弱了機器對茶葉中含有雜質的判別，誤選率提高，所以帶出比上升；增加靈敏度，導致色選精度增高，帶出比也上升；降低病斑大小參數(shù)值設定后，色選算法更容易剔除混合物料，致使帶出比上升。根據(jù)前文得出的分析結果，探究上料速度A、靈敏度B、病斑大小C 三者協(xié)同交互對選別率和帶出比的影響，并進行響應面繪制。

2.2.4? 交互因素對白茶色選選別率影響分析

上料速度、靈敏度、病斑大小對白茶色選揀剔選別率的交互影響如圖5所示。從圖5-a可以看出，當C位于中心水平時，降低A、提高B，能夠提高選別率；由圖5-b可知B位于中心水平時，降低A、C能夠提高選別率；由圖5-c可知A位于中心時，提高B，減小C，能夠提高選別率。結合構建的回歸模型及響應面分析結果，可得出總體的影響趨勢為上料速度設定值越小、靈敏度設定值越大、病斑大小設定值越小，則白茶色選機的選別率越高。主要原因可能為：上料速度設定值越小時，供料器給料均勻性越高，利于色選鏡頭的工作，從而提高了選別率；當靈敏度設定值大時，對白茶物料中帶有的雜質識別越精準，則選別率提高；當病斑大小設定值小時，對雜質判定要求的標準低，更容易符合揀剔要求，選別率越高。

2.2.5? 交互因素對白茶色選帶出比影響分析

由圖6-a可知，C位于中心水平時，降低A、提高B，色選帶出比會增高；由圖6-b可知，B位于中心水平時，降低A和C大小設定值會使帶出比增高；由圖6-c可知，A位于中心水平時，增加B、減小C設定值同樣會使色選帶出比增高。圖6得出的響應面變化規(guī)律與前文分析結果相同且模型吻合。

2.2.6? 參數(shù)優(yōu)化及驗證

由響應面分析結果可知，降低上料速度、提高靈敏度、降低病斑大小能夠使色選揀剔選別率增高，但同時會造成帶出比的增加。所以要綜合考慮各因素對目標變量的影響，進行白茶色選機的工藝參數(shù)優(yōu)化。綜上所述，設定選別率最高，帶出比最低的優(yōu)化條件，利用Design-Expert 軟件進行優(yōu)化，得到最優(yōu)設定為上料速度95%、靈敏度59.35%、病斑大小30%，預測選別率76.03%，帶出比為7.50%。驗證模型優(yōu)化后參數(shù)的可靠性，采用優(yōu)化結果進行重復試驗，并以原始色選工藝參數(shù)組合：上料速度90%、靈敏度55%、病斑大小25%作為對照。結果如表4，從表中可以看出，驗證結果與響應面的預測選別率接近，相對誤差都小于1個百分點，因此該參數(shù)模型是可靠的。此外，與對照組相比，驗證組測試的選別率提高了5.02個百分點，帶出比降低了0.49個百分點，表明本次試驗所得的組合參數(shù)可以應用于實際生產(chǎn)中。

3? 小結與討論

通過響應面優(yōu)化法建立了白茶色選揀剔效果以上料速度、靈敏度、病斑大小3個主要工藝參數(shù)的預測模型，不同參數(shù)對色選機揀剔效果選別率、帶出比的影響程度都為：靈敏度>病斑大小>上料速度?；陧憫鎯?yōu)化法得到最優(yōu)工藝參數(shù)為：上料速度95%、靈敏度59.35%、病斑大小30%，驗證結果表明，實際值與響應面的預測結果接近，選別率與帶出比的相對誤差都小于1個百分點。此外，以上料速度90%、靈敏度55%、病斑大小25%參數(shù)作為對照，與優(yōu)化后的驗證組參數(shù)進行對比，結果顯示驗證組選別率提高了5.02個百分點，帶出比降低了0.49個百分點，這表明色選工藝參數(shù)優(yōu)化后揀剔效果更加理想，更有利于生產(chǎn)提質增效。同時，該研究還為白茶色選揀剔工藝優(yōu)化和精細化控制及白茶精加工自動化、智能化生產(chǎn)線的建立提供了依據(jù)，為充分發(fā)揮現(xiàn)代化白茶裝備優(yōu)勢提供了理論基礎。

參考文獻

[1] ZHOU S， ZHANG J M， MA S C， et al. Recent advances on white tea： Manufacturing， compositions， aging characteristics and bioactivities[J]. Trends in Food Science & Technology， 2023， 134： 41-55.

[2] LI Y D， WU T， DENG X J， et al. Characteristic aroma compounds in naturally withered and combined withered γ-aminobutyric acid white tea revealed by HS-SPME-GC-MS and relative odor activity value[J/OL]. LWT， 2023， 176： 114467. https：//doi.org/10.1016/j.lwt.2023.114467.

[3] ZHANG L Z， DAI H M， ZHANG J L， et al. A study on origin traceability of white tea （white peony） based on near-infrared spectroscopy and machine learning algorithms[J/OL]. Foods， 2023， 12（3）： 499. https：//doi.org/10.3390/foods12030499.

[4] WANG Z H ，WANG Z H， DAI W D， et al. The relationship between bacterial dynamics， phenols and antioxidant capability during compressed white tea storage[J/OL]. LWT， 2023， 174： 114418. https：//doi.org/ 10.1016/j.lwt.2022.114418.

[5] 夏濤. 制茶學[M]. 3版.北京： 中國農業(yè)出版社， 2016.

[6] WANG Y， WU J B， DENG H， et al. Food image recognition and food safety detection method based on deep learning[J/OL]. Computational Intelligence and Neuroscience， 2021： 1268453. https：//doi.org/ 10.1155/2021/1268453.

[7] SHIMONOMURA K， CHANG T， MURATA T. Detection of foreign bodies in soft foods employing tactile image sensor[J/OL]. Frontiers in Robotics and Ai， 2021， 8： 774080. https：//doi.org/ 10.3389/frobt.2021.774080.

[8] NARLAGIRI L M， RAO S V. Correction to： Identification of metals and alloys using color CCD images of laser?induced breakdown emissions coupled with machine learning[J/OL]. Applied Physics B， 2020， 126（8）： 113. https：//doi.org/ 10.1007/s00340-020-07474-9.

[9] LU Y， WANG W， ZHONG B， et al. Design and experiment of belt screen seed sorter for Camellia oleifera fused with photoelectric color sorting technology （article）[J]. Nongye Jixie Xuebao/Transactions of the Chinese Society for Agricultural Machinery， 2020： 429-439.

[10] ABAD A C， LIGUTAN D D， DADIOS E P， et al. Fuzzy logic-controlled 6-DOF robotic arm color-based sorter with machine vision feedback[J]. International Journal of Advanced Computer Science and Applications， 2018（5）： 21-31.

[11] ALAYA M A A A， T?TH Z， G?CZY A. Applied color sensor based solution for sorting in food industry processing[J]. Periodica Polytechnica： Electrical Engineering & Computer Science， 2019（1）： 16-22.

[12] 周天山， 方世輝， 段成鵬， 等. 基于色選技術的陜南工夫紅茶精制工藝[J]. 中國茶葉加工， 2014（3）： 33-37.

[13] 韓震， 王岳梁， 崔娟娟， 等. 機采綠茶生產(chǎn)中高效裝備的配置——以寧波福泉山茶場為例[J]. 農業(yè)與技術， 2017， 37（10）： 60.

[14] 郭雅玲， 賴凌凌， 劉亞峰， 等. 烏龍茶機采及其分選技術研究進展[J]. 中國農機化學報， 2016， 37（1）： 262-267.

[15] 孫六蓮， 嚴躍濱. 茶葉色選機主要參數(shù)試驗研究[J]. 農業(yè)工程， 2016， 6（1）： 12-14， 18.

[16] 鄭功宇， 金心怡， 葉秋萍， 等. 響應面法優(yōu)化閩北烏龍茶CCD色選機的工藝參數(shù)[J]. 福建農林大學學報（自然科學版）， 2015， 44（2）： 135-141.

[17] 屠蘭英， 曹建芳， 趙啟文， 等. 基于Box-Behnken響應曲面法的硫酸鉀鹽垢結垢速率影響參數(shù)研究[J]. 無機鹽工業(yè)， 2018， 50（10）： 17-20.

[18] 蔡麗， 陳忠敏， 王富平， 等. Box-Behnken響應面分析法優(yōu)化樺褐孔菌多糖提取工藝[J]. 重慶理工大學學報（自然科學）， 2017， 31（6）： 113-119.

[19] RAJKUMAR P， ABINAYA K， DEEPA J， et al. Development of a farmer‐friendly portable color sorter cum grader for tomatoes[J/OL]. Journal of Food Process Engineering， 2021， 45（6）. https：//doi.org/ 10.1111/jfpe.13894.

[20] 張德高， 劉敏基， 謝煥雄. 農產(chǎn)品光電色選原理及色選機國內外研究發(fā)展現(xiàn)狀[J]. 保鮮與加工， 2020， 20（3）： 233-237.

[21] 侯鵬帥， 劉玉樂， 宋欣， 等. 基于智能視覺識別的冬棗分選檢測系統(tǒng)設計[J]. 中國農機化學報， 2020， 41（3）： 109-114.

[22] 張德高， 謝煥雄， 胡志超， 等. 花生色選機工作參數(shù)優(yōu)化與試驗[J]. 江蘇農業(yè)科學， 2017， 45（18）： 218-222.

基金項目：“科技助力經(jīng)濟2020”重點專項（SQ2020YFF0417641）、福建省現(xiàn)代農業(yè)（茶葉）產(chǎn)業(yè)技術體系專項（閩財指〔2021〕637號）、福建農林大學茶產(chǎn)業(yè)鏈科技創(chuàng)新與服務體系建設項目（K1520005A06）、福建張?zhí)旄２枞~發(fā)展基金會科技創(chuàng)新基金（FJZTF03）

作者簡介：陳彬，男，碩士研究生，主要從事茶葉品質化學研究。*通信作者，E-mail：linhongzheng2010@126.com；sunyun1125@126.com