尹玲玲，吳瑞，高鈺敏，卜宜彬，李勁，丁小莉，衛(wèi)志辰，張雨茹，任廣鑫

（淮南師范學(xué)院生物工程學(xué)院，安徽淮南 232038）

紅茶是世界上最受歡迎的無酒精飲料之一，由茶樹的幼嫩枝葉加工而成[1]。 近年來，隨著紅茶的藥用價(jià)值和保健作用得到實(shí)驗(yàn)的進(jìn)一步證實(shí)，全球紅茶消費(fèi)量持續(xù)增長(zhǎng)[2]。工夫紅茶作為紅茶的主要品類之一，是中國特有的一種茶品。其緊細(xì)的外形和醇厚的口感深受消費(fèi)者的喜愛[3]。 一般來說，茶葉的品質(zhì)與特定的感官特征如顏色、香氣、滋味、紋理和形態(tài)特征高度相關(guān)。茶葉按品質(zhì)的差異可以劃分為不同等級(jí)，這取決于其生長(zhǎng)條件、收獲季節(jié)和加工工藝[4]。 在茶產(chǎn)品的實(shí)際流通銷售中， 大多數(shù)消費(fèi)者無法準(zhǔn)確的評(píng)估茶葉的質(zhì)量[5]，這為不法商家提供了銷售假貨或以次充好的可能，給消費(fèi)者帶來了經(jīng)濟(jì)損失，也造成了消費(fèi)者與商家之間的不信任。因此，茶葉質(zhì)量的穩(wěn)定性和規(guī)范化一直受到消費(fèi)者的關(guān)注。

幾十年來， 茶葉質(zhì)量評(píng)價(jià)主要采用兩種傳統(tǒng)方法，即感官品質(zhì)分析法和濕化學(xué)法。感官質(zhì)量分析是依靠訓(xùn)練有素的評(píng)茶員的經(jīng)驗(yàn)來實(shí)現(xiàn)的，缺乏客觀的量化[6]。 濕化學(xué)分析通過使用精密的儀器，準(zhǔn)確測(cè)定茶葉中各種化學(xué)成分的含量[7]。然而，化學(xué)分析具有設(shè)備昂貴、樣品制備復(fù)雜、使用大量化學(xué)試劑、成本較高、耗時(shí)較長(zhǎng)的局限性[8]，開發(fā)快速、穩(wěn)定、準(zhǔn)確的茶葉品質(zhì)評(píng)價(jià)技術(shù)勢(shì)在必行。

目前，基于單一外形色澤、紋理等特征無創(chuàng)判別茶葉質(zhì)量的評(píng)價(jià)方法被大量報(bào)道[9-12]。 將茶葉色澤和紋理特征進(jìn)行特征數(shù)據(jù)融合， 全面衡量祁門工夫紅茶品質(zhì)的方法至今少有文獻(xiàn)報(bào)道。因此，有必要建立一套基于紋理和色澤等融合特征的茶葉品質(zhì)快速評(píng)價(jià)體系與智能感知的新方法。

綜上， 探索一種流通過程中工夫紅茶外觀品質(zhì)的快速判別方法， 對(duì)實(shí)現(xiàn)品質(zhì)等級(jí)與外觀質(zhì)量的實(shí)時(shí)控制至關(guān)重要。 祁門紅茶的紋理與色澤特征是形成其外在品質(zhì)的主要指標(biāo)， 也是重要的感官品質(zhì)描述語，直接影響其在貿(mào)易中的銷售價(jià)值。而高光譜成像（Hyperspectral imaging， HSI）技術(shù)正適用于不同等級(jí)祁門工夫紅茶外觀品質(zhì)指標(biāo)與融合數(shù)據(jù)特征的快速無創(chuàng)檢測(cè)。

1 材料與方法

1.1 實(shí)驗(yàn)材料

研究以祥源茶業(yè)股份有限公司提供的祁門櫧葉種祁門工夫紅茶的七個(gè)等級(jí)茶產(chǎn)品標(biāo)準(zhǔn)樣（特級(jí)、一級(jí)、二級(jí)、三級(jí)、四級(jí)、五級(jí)和六級(jí)）為研究對(duì)象， 七個(gè)等級(jí)工夫型紅茶樣品的主要品質(zhì)成分含量和感官審評(píng)結(jié)果分別通過標(biāo)準(zhǔn)方法化驗(yàn)和專業(yè)評(píng)茶員把關(guān)。紅茶樣品數(shù)共計(jì)700 份，每個(gè)等級(jí)茶樣數(shù)分別為100 份。 樣品的七個(gè)不同等級(jí)（特級(jí)、一級(jí)、二級(jí)、三級(jí)、四級(jí)、五級(jí)和六級(jí)）分別以T、C1、C2、C3、C4、C5 和C6 表示。樣品的水分含量控制在7%左右。 分析前，將樣品存放在真空壓縮的鋁箔袋中，并在恒溫干燥器中保存待用。

1.2 高光譜成像信息采集與處理

采集HSI 數(shù)據(jù)時(shí)， 每個(gè)樣品稱取15±0.5 g 均勻鋪于培養(yǎng)皿（φ×h： 9 cm×1 cm）中。 為了獲得清晰的圖像，分別設(shè)置輸送帶速度、CCD 相機(jī)曝光時(shí)間和鏡頭與樣品垂直距離三個(gè)調(diào)試參數(shù)為0.98 mm/s、30.01 ms 和23.5 cm。 將茶葉樣品放置在移動(dòng)平臺(tái)上，通過行掃描的方式進(jìn)行圖像采集。為了去除相機(jī)內(nèi)的噪聲和暗電流等因素的干擾， 在進(jìn)行HSI 數(shù)據(jù)分析前，需對(duì)原始圖像進(jìn)行黑白校正，校正公式如下：

其中Ic是校正后的圖像，Iraw是原始圖像，Idark是通過完全覆蓋攝像頭鏡頭獲得的暗參考圖像（幾乎為0%的反射率），Iwhite是通過反射一個(gè)標(biāo)準(zhǔn)的特氟龍白瓷磚獲得的白色參考圖像（>99.9%的反射率）[13]。

為降低HSI 數(shù)據(jù)的空間維度， 優(yōu)化茶樣原始圖像， 實(shí)現(xiàn)冗余數(shù)據(jù)的消除和數(shù)據(jù)運(yùn)行速度的提升， 主成分分析 （Principal component analysis，PCA）被引入，用于數(shù)據(jù)降維和特征信息提取。 該法將數(shù)據(jù)以線性變化的方式通過求解最大協(xié)方差，由高維度向低維度投影，獲得與原始變量線性組合的新變量。由于新變量間相互獨(dú)立，可消除相鄰波長(zhǎng)間存在的數(shù)據(jù)冗余[14]。 高光譜特征波長(zhǎng)圖像的確定是由前二至三個(gè)主成分（Principal component， PC）圖像的方差貢獻(xiàn)率決定，通過選取PCA 變量線性組合的最大權(quán)重系數(shù)， 進(jìn)而在PC 圖像中優(yōu)選出相應(yīng)波長(zhǎng)對(duì)應(yīng)的圖像。 HSI 數(shù)據(jù)的校正和PCA 均由ENVI 4.7 軟件實(shí)現(xiàn)。

1.3 紋理和色澤特征提取

茶葉的紋理特征和色澤特征能夠直接反映其外觀品質(zhì)。 研究采用ENVI 4.7 軟件的PCA 模塊提取圖像紋理信息。 總的來說，PCA 的前幾個(gè)PCs對(duì)圖像總體信息做出了主要貢獻(xiàn)。首先，計(jì)算出前兩、三個(gè)PC 的累積方差貢獻(xiàn)率，得到總變量貢獻(xiàn)率大于95%的PC 對(duì)應(yīng)的載荷曲線。 然后，將相應(yīng)PC 載荷曲線的拐點(diǎn)（即波峰和波谷）作為特征波長(zhǎng)，保存特征波長(zhǎng)處的灰度圖像。 最后，采用灰度統(tǒng)計(jì)矩陣 （Grey-level gradient co-occurrence matrix， GLGCM）和灰度共生矩陣（Gray-level cooccurrence matrix， GLCM）兩種矩陣統(tǒng)計(jì)方法對(duì)茶葉圖像的紋理特征進(jìn)行提取和計(jì)算[13，15]。GLCM 法提取了指定圖像在特征波長(zhǎng)下的六個(gè)不同的統(tǒng)計(jì)參數(shù)（即平均值、標(biāo)準(zhǔn)差、相關(guān)性、對(duì)比度、同質(zhì)性和能量）。GLGCM 法基于灰度梯度的二階統(tǒng)計(jì)量，計(jì)算得到圖像的四個(gè)紋理統(tǒng)計(jì)值（熵、三階矩、一致性和平滑度）。將獲得的上述八個(gè)紋理參數(shù)和兩個(gè)統(tǒng)計(jì)參數(shù)（平均值和標(biāo)準(zhǔn)差）作為茶葉紋理特征變量，用于建立后續(xù)的紋理數(shù)據(jù)鑒別模型。上述紋理參數(shù)提取均通過MATLAB R2019b 軟件實(shí)現(xiàn)。

采用MATLAB R2019b 軟件選取樣品高光譜RGB 圖像中200×200 的像素區(qū)間為該圖像的感興趣區(qū)域 （Region of interest， ROI）， 通過RGB、CIE Lab 和HSV 間的顏色模型變換[10，16]，分別提取該區(qū)域內(nèi)的紅色（R）、綠色（G）和藍(lán)色（B）通道均值，明度（L*）、紅綠度（a*）和黃藍(lán)度（b*）分量均值以及色調(diào)（H）、飽和度（S）和亮度（V）均值九個(gè)色澤評(píng)價(jià)參數(shù)作為樣品的外觀顏色特征值， 用于后續(xù)的樣品質(zhì)量評(píng)價(jià)模型的構(gòu)建。 利用HSI 系統(tǒng)提取色澤特征示意圖如圖1 所示。

圖1 利用HSI 系統(tǒng)提取色澤特征示意圖Fig.1 Schematic diagram of color features extraction using HSI system

1.4 多元分析方法

為使模型具備良好的泛化性能， 采用Kennard-Stone （K-S） 方法對(duì)樣本集特征進(jìn)行劃分。該算法將所有的樣本作為校正集的候選樣本，計(jì)算所有樣本的歐氏距離， 選取距離最近和最遠(yuǎn)的兩個(gè)樣本劃入校正集。重復(fù)上述步驟，直到獲得滿足要求的樣品數(shù)量[17-18]。利用該法可優(yōu)選出具有代表性的樣本劃入校正集， 余下的樣品劃入預(yù)測(cè)集。

在模型構(gòu)建中， 研究選用非線性的支持向量機(jī)（Support vector machine， SVM）、兼具線性功能的最小二乘支持向量機(jī) （Least squares support vector machine， LSSVM） 和隨機(jī)森林（Random forest， RF）算法進(jìn)行建模，并對(duì)判別模型效果進(jìn)行比較，探索出評(píng)價(jià)茶葉品質(zhì)的最優(yōu)模型。

SVM 法是數(shù)據(jù)分析中常用的多分類器。 該算法基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，試圖提高泛化能力，降低預(yù)期風(fēng)險(xiǎn)[8]。 SVM 鑒別器以徑向基函數(shù)（Radial basis function， RBF）為核函數(shù)，通過優(yōu)化兩個(gè)參數(shù)（即懲罰參數(shù)c和核參數(shù)g）獲得良好的預(yù)測(cè)。參數(shù)c用于獲得最小訓(xùn)練誤差和簡(jiǎn)化模型；核函數(shù)g描述了輸入空間到隨機(jī)高維特征空間的非線性映射[19]。 該方法的具體步驟概述如下：（1）采用留一法交叉驗(yàn)證來優(yōu)化核心參數(shù) （c和g）；（2）采用網(wǎng)格搜索法確定最佳參數(shù)對(duì)（c和g）；（3）根據(jù)預(yù)測(cè)集中正確判別率 （Correct discriminant rate， CDR）的最高輸出，建立最佳的SVM 分類模型。

LSSVM 是一種有效的非線性智能學(xué)習(xí)算法，能夠快速解決線性和非線性模式識(shí)別問題[7]。該法重點(diǎn)研究了機(jī)器學(xué)習(xí)損失函數(shù)， 并將第二范數(shù)應(yīng)用于目標(biāo)函數(shù)的優(yōu)化問題。 算法使用等式約束代替不等式約束， 將優(yōu)化問題轉(zhuǎn)化為對(duì)一組線性方程組的求解[20-21]。對(duì)于任意已知輸入輸出的非線性樣本集， 可以通過探索合適的非線性變換來建立LSSVM 模型，其表達(dá)式如下：

在LSSVM 模型中，核函數(shù)的選擇起著重要的作用。 其核心思想是利用核函數(shù)將線性不可分的樣本映射到高維空間，解決維數(shù)的困擾?？紤]特征空間的結(jié)構(gòu)完全由核函數(shù)決定， 核函數(shù)選擇對(duì)分類器的開發(fā)具有重要意義。在本研究中，RBF 是由專家根據(jù)最小誤差和先驗(yàn)知識(shí)來選擇的。 內(nèi)核函數(shù)的描述公式如下：

其中x為m維輸入向量，xi為第i個(gè)徑向基函數(shù)的中心，與x具有相同的維數(shù)。 γ 為徑向基函數(shù)核函數(shù)的參數(shù)。 利用網(wǎng)格搜索法優(yōu)化了RBF 的正則化參數(shù)gam（γ）和sig2（σ2）[4]。 該方法簡(jiǎn)化了SVM 優(yōu)化問題的求解，提高了計(jì)算效率，促進(jìn)了SVM 的應(yīng)用和發(fā)展。

RF 算法是基于回歸樹和分類樹的多個(gè)決策組合而構(gòu)建的模型集成方法[22]。 當(dāng)算法的運(yùn)行，每棵決策樹均進(jìn)行分類。 以所有決策樹中分類結(jié)果最多的類別作為最終結(jié)果[23]。 算法提出了兩個(gè)關(guān)鍵參數(shù)： 一是決策樹的數(shù)量 （Number of decision trees， nDT）； 二是用于構(gòu)建決策樹的采樣特征的數(shù)量。 RF 具有不要求變量服從特定統(tǒng)計(jì)分布、訓(xùn)練樣本少、對(duì)過擬合靈敏度低、能夠?qū)μ卣鞯闹匾赃M(jìn)行排序等優(yōu)點(diǎn)[24]。 該方法可以簡(jiǎn)單概括為如下三個(gè)步驟：（1）使用Bagging 方法隨機(jī)生成T個(gè)訓(xùn)練數(shù)據(jù)子集；（2）每個(gè)訓(xùn)練樣本被用來生成相應(yīng)的決策樹。 在每個(gè)子節(jié)點(diǎn)選擇屬性之前，從M個(gè)屬性中隨機(jī)選擇m 個(gè)屬性作為當(dāng)前節(jié)點(diǎn)的拆分屬性集， 在M個(gè)屬性中以最佳拆分方式拆分節(jié)點(diǎn)；（3） 每一棵樹在不修剪的情況下充分生長(zhǎng)，用來測(cè)試預(yù)測(cè)集X中的相應(yīng)類別，利用T決策樹的多數(shù)票，對(duì)X進(jìn)行集合分類決策。

為評(píng)價(jià)判別模型的性能， 用校正集和預(yù)測(cè)集的CDR 來評(píng)估模型的預(yù)測(cè)能力。 一般來說，一個(gè)優(yōu)秀的判別模型應(yīng)有較高的CDR 值，其計(jì)算方法如下：

其中，NCDR為校正/預(yù)測(cè)樣本的正確估計(jì)數(shù)，Nt為校正/預(yù)測(cè)樣本的總數(shù)。 上述建模算法均由MATLAB 2019b 軟件在Windows 8 平臺(tái)下自主開發(fā)。

2 結(jié)果與分析

2.1 樣品外觀品質(zhì)特征

七個(gè)不同等級(jí) （即T、C1、C2、C3、C4、C5 和C6） 的700 份祁門工夫紅茶的九個(gè)顏色參數(shù)（R、G、B、L*、a*、b*、H、S 和V） 的變化情況如圖2 所示。 結(jié)果顯示，隨著樣本等級(jí)的降低，其外觀色調(diào)（H）和飽和度（S）值降低，其它七個(gè)指標(biāo)值則呈增長(zhǎng)的趨勢(shì)。 結(jié)果表明，茶樣的等級(jí)品質(zhì)越低，其色澤越暗，純度越低。祁門紅茶樣本的紋理特征值的提取過程是利用ENVI 軟件中PCA 方法提取前兩個(gè)PC 圖像的累計(jì)方差貢獻(xiàn)率達(dá)95.85%（PC1=92.19%，PC2=3.66%）（見圖3）， 前兩個(gè)PCA 載荷曲線的波峰與波谷處的波段被篩選為圖像特征波長(zhǎng)。 從PC1 和PC2 中獲得了三個(gè)最佳波長(zhǎng)（696.74 nm、752.86 nm 和975.91 nm）。 因此，基于GLCM 和GLGCM 法從上述三個(gè)最佳波長(zhǎng)的圖像ROI 中提取圖像紋理特征。 GLCM 法獲得的紋理參數(shù)包括兩個(gè)統(tǒng)計(jì)值（均值和標(biāo)準(zhǔn)差）×三個(gè)波段+四個(gè)紋理指標(biāo)×三個(gè)波段×四個(gè)方向 （0°、45°、90°和135°），即54 個(gè)紋理特征。 GLGCM 方法可得到12 個(gè)紋理數(shù)據(jù)（四個(gè)紋理特征×三個(gè)波段），總計(jì)66 個(gè)紋理值，用于后續(xù)模型構(gòu)建。

圖2 不同等級(jí)祁紅樣品的色澤特征的分布情況Fig.2 Distribution of the color characteristics of different grades of black tea samples

圖3 主成分分析的權(quán)重系數(shù)、載荷和樣品的最佳波長(zhǎng)的選擇Fig.3 PCA weight coefficient， loadings and the selected optimal wavelengths of the samples

2.2 樣品集劃分與主成分分析

利用K-S 方法將校正集和預(yù)測(cè)集樣本以2∶1的比例進(jìn)行劃分，得到校正集樣品數(shù)為467，預(yù)測(cè)集樣品數(shù)為233。樣品集的二維PC 空間分布情況見圖4。 圖4 結(jié)果顯示，祁紅樣品的單一特征（色澤或紋理） 與融合特征的校正集和預(yù)測(cè)集樣品的空間分布相對(duì)分散， 且校正集樣品分布包含了預(yù)測(cè)集樣品的分布范圍。 表明樣品集的劃分是合理的。

圖4 校正集和預(yù)測(cè)集樣本在二維主成分空間中的分布Fig.4 Distributions of the samples from the calibration set and the prediction set in the two-dimensional principal components space

不同等級(jí)祁紅樣品的二維PC 空間分布情況如圖5 所示。不同等級(jí)樣本的單一特征（色澤或紋理）與融合特征PC 得分分布顯示，不同等級(jí)的樣本間重疊性較強(qiáng)， 無論是單一特征還是融合特征均無法將不同等級(jí)的樣本區(qū)分開， 有必要引入線性或非線性的分類算法， 以實(shí)現(xiàn)對(duì)樣本品質(zhì)等級(jí)的準(zhǔn)確判別。

圖5 七個(gè)等級(jí)的樣本二維主成分分布圖Fig.5 Two-dimensional PC distribution of seven grades of the samples

2.3 外觀品質(zhì)評(píng)價(jià)模型建立

基于SVM、LSSVM 和RF 智能算法的祁門紅茶外觀色澤、 紋理及特征融合數(shù)據(jù)的等級(jí)評(píng)判模型結(jié)果見表1。 模型結(jié)果顯示，基于色澤、紋理與特征數(shù)據(jù)融合的祁門紅茶等級(jí)最優(yōu)LSSVM 分類模型在校正集和預(yù)測(cè)集中的CDR 分別為70.88% 、72.96% 、83.51% 、86.27% 和 93.15% 、94.85%。 使用融合特征建立的最佳判別模型性能優(yōu)于單一紋理與色澤特征所建的模型，且紋理數(shù)據(jù)的建模效果高于色澤數(shù)據(jù)構(gòu)建的模型識(shí)別精度。此外，融合數(shù)據(jù)建立的所有模型的CDR 均高于使用相同分類算法的紋理或色澤模型。實(shí)驗(yàn)結(jié)果表明，特征融合能夠更為有效地反映祁紅樣本的外觀品質(zhì)屬性， 建模精度較基于單一特征（紋理或色澤）的模型更高，對(duì)樣本的解析更加有優(yōu)勢(shì)。

表1 基于色澤、紋理與數(shù)據(jù)融合特征的祁門工夫紅茶等級(jí)最佳判別模型結(jié)果Table 1 Results of the optimal models of Keemun Congou black tea samples based on color，texture，and data fusion features

3 總結(jié)與討論

研究基于HSI 技術(shù)和化學(xué)計(jì)量學(xué)算法， 開發(fā)出一套快速、無損的工夫紅茶外觀品質(zhì)（色澤、紋理和融合數(shù)據(jù)）的評(píng)判方法。探討了不同機(jī)器學(xué)習(xí)算法對(duì)七個(gè)等級(jí)的祁門工夫紅茶標(biāo)準(zhǔn)樣單一外觀特征和多信息特征融合的預(yù)測(cè)能力， 以探求評(píng)價(jià)模型的最優(yōu)化。

利用HSI 技術(shù)獲得祁門紅茶樣品的色澤和紋理特征數(shù)據(jù)，比較了基于SVM、RF 和LSSVM 算法對(duì)上述茶產(chǎn)品標(biāo)準(zhǔn)樣的單一外觀特征和融合特征的等級(jí)判別模型性能。結(jié)果表明，基于融合數(shù)據(jù)的建模性能優(yōu)于基于單一特征屬性（色澤或紋理）的模型。由單一外觀特征的模型性能可知，紋理特征模型精度最高，色澤特征數(shù)據(jù)的建模效果最差。利用LSSVM 算法構(gòu)建的特征融合評(píng)價(jià)模型對(duì)祁紅樣品的預(yù)測(cè)準(zhǔn)確度最高， 預(yù)測(cè)集判別率達(dá)到94.85%。 利用特征融合數(shù)據(jù)所建模型具有更優(yōu)的預(yù)測(cè)能力， 為工夫紅茶產(chǎn)品外觀品質(zhì)的快速評(píng)判提供了一種行之有效的方法。

在所有分類模型中， 色澤數(shù)據(jù)模型的預(yù)測(cè)性能較差。 有可能是對(duì)祁門紅茶樣本外觀的等級(jí)劃分標(biāo)準(zhǔn)更加側(cè)重于對(duì)茶葉嫩度高低的審定。 紅茶樣品的持嫩度不同，其紋理差異較大。色澤特征主要與紅茶發(fā)酵程度關(guān)系緊密。 在標(biāo)準(zhǔn)化的紅茶加工工藝模式下，發(fā)酵工序具有嚴(yán)格的參數(shù)控制，其品質(zhì)具有較強(qiáng)一致性。因此，不同等級(jí)的紅茶產(chǎn)品的色澤變化程度沒有紋理特征的差異性大， 進(jìn)而導(dǎo)致色澤數(shù)據(jù)模型的性能較紋理特征差。

從分類算法的角度看，LSSVM 模型的預(yù)測(cè)效果優(yōu)于SVM 模型和RF 模型。LSSVM 模型的優(yōu)化可以理解為等式約束， 解決了基于訓(xùn)練誤差平方的線性方程問題[7]。 在SVM 算法的基礎(chǔ)上建立和開發(fā)的LSSVM 方法， 能夠得到一個(gè)更為簡(jiǎn)單、有效、穩(wěn)健的模型。 根據(jù)相關(guān)文獻(xiàn)[20]，LSSVM 分類器能夠有效提高茶葉品質(zhì)評(píng)價(jià)模型的計(jì)算速度和分類精度。 此外，RF 算法對(duì)于輸出數(shù)值較多的屬性可能會(huì)產(chǎn)生誤差。 綜上，LSSVM 分類工具能夠提供更好的解決線性和非線性問題的方案， 更加有效地簡(jiǎn)化問題的復(fù)雜性，增強(qiáng)模型性能。