高光譜成像技術在茶葉研究中的應用進展（上）
1.茶葉品質檢測的重要性
chayezuoweizhongguochuantongyinpin，juyoushenhoudewenhuadiyunheguangfandexiaofeishichang，quanqiuchayechanyechixufazhan，chengweijingjidezhongyaozuchengbufen。chayepinzhijiancezhijieguanxidaoxiaofeizhedeanquan。tongguoduichayejinxingyangedepinzhijiance，keyiquebaochanpinfuheshipinanquanbiaozhun，bimianyouhaiwuzhihewuranwuduixiaofeizhejiankangzaochengqianzaiweixie。zhebujinbaohulexiaofeizhedequanyi，yetishenglepinpaidekexinduhemeiyudu。qici，zaijingzhengjiliedeshichanghuanjingzhong，gaopinzhidechayenenggouxianzhutigaopinpaixingxiang，zengqiangshichangjingzhengli。suizhexiaofeizheduigao*茶(cha)葉(ye)的(de)需(xu)求(qiu)不(bu)斷(duan)增(zeng)長(chang)，品(pin)質(zhi)檢(jian)測(ce)在(zai)這(zhe)一(yi)過(guo)程(cheng)中(zhong)發(fa)揮(hui)了(le)至(zhi)關(guan)重(zhong)要(yao)的(de)作(zuo)用(yong)。隨(sui)著(zhe)消(xiao)費(fei)者(zhe)對(dui)茶(cha)葉(ye)品(pin)質(zhi)要(yao)求(qiu)的(de)不(bu)斷(duan)提(ti)高(gao)，建(jian)立(li)健(jian)全(quan)的(de)品(pin)質(zhi)檢(jian)測(ce)體(ti)係(xi)顯(xian)得(de)尤(you)為(wei)重(zhong)要(yao)，這(zhe)不(bu)僅(jin)有(you)助(zhu)於(yu)保(bao)障(zhang)產(chan)品(pin)質(zhi)量(liang)，也(ye)能(neng)夠(gou)推(tui)動(dong)整(zheng)個(ge)行(xing)業(ye)的(de)進(jin)步(bu)。更(geng)進(jin)一(yi)步(bu)，茶(cha)葉(ye)品(pin)質(zhi)檢(jian)測(ce)技(ji)術(shu)的(de)發(fa)展(zhan)也(ye)促(cu)進(jin)了(le)相(xiang)關(guan)研(yan)究(jiu)的(de)深(shen)入(ru)，推(tui)動(dong)了(le)新(xin)產(chan)品的開發和創新，為茶葉產業注入了新的活力。因此，茶葉品質檢測不僅關乎產品本身，更是保障消費者權益、提升市場競爭力、促進行業發展的重要手段。
2.傳統茶葉品質檢測的方法與難點
2.1茶葉品質檢測
傳統茶葉品質檢測方法主要包括感官評估、化學分析和物理測試等。感官評估依賴專*評審對外觀、香氣、滋味等指標的主觀判斷，結果易受個人因素影響；化學分析如高*液相色譜（HPLC）可測定茶多酚、咖啡因等成分，但需要專*設備和技術，成本較高；物理測試則涉及水分含量和灰分等指標，反映加工質量，但難以全*評估綜合品質。這些方法麵臨主觀性強、技術複雜和信息不足等難點，限製了其在廣泛應用中的有效性。
2.2茶樹種植檢測
在茶樹種植方麵，傳統檢測方法主要包括土壤檢測、植物生理狀態監測和病蟲害評估。土壤檢測通常通過化學分析手段測定土壤的營養成分和pH值，但這需要專*設(she)備(bei)和(he)實(shi)驗(yan)室(shi)條(tiao)件(jian)。植(zhi)物(wu)生(sheng)理(li)狀(zhuang)態(tai)的(de)監(jian)測(ce)多(duo)依(yi)賴(lai)於(yu)人(ren)工(gong)觀(guan)察(cha)和(he)傳(chuan)統(tong)儀(yi)器(qi)，效(xiao)率(lv)較(jiao)低(di)，難(nan)以(yi)及(ji)時(shi)發(fa)現(xian)問(wen)題(ti)。病(bing)蟲(chong)害(hai)評(ping)估(gu)也(ye)常(chang)常(chang)依(yi)賴(lai)人(ren)工(gong)檢(jian)測(ce)，容(rong)易(yi)出(chu)現(xian)漏(lou)檢(jian)或(huo)誤(wu)判(pan)的(de)情(qing)況(kuang)。此(ci)外(wai)，氣(qi)候(hou)變(bian)化(hua)和(he)環(huan)境(jing)因(yin)素(su)對(dui)茶(cha)樹(shu)的(de)影(ying)響(xiang)也(ye)難(nan)以(yi)通(tong)過(guo)傳(chuan)統(tong)方(fang)法(fa)有(you)效(xiao)預(yu)測(ce)。總(zong)之(zhi)，茶(cha)樹(shu)種(zhong)植(zhi)檢(jian)測(ce)的(de)難(nan)點(dian)在(zai)於(yu)依(yi)賴(lai)人(ren)工(gong)檢(jian)測(ce)的(de)主(zhu)觀(guan)性(xing)和(he)時(shi)間(jian)消(xiao)耗(hao)，以(yi)及(ji)對(dui)環(huan)境(jing)變(bian)化(hua)響(xiang)應(ying)不(bu)足(zu)，導(dao)致(zhi)潛(qian)在(zai)問(wen)題(ti)無(wu)法(fa)及(ji)時(shi)發(fa)現(xian)。
3.高光譜成像技術的發展
高gao光guang譜pu成cheng像xiang技ji術shu是shi將jiang二er維wei成cheng像xiang技ji術shu和he光guang譜pu技ji術shu相xiang結jie合he創chuang造zao出chu的de一yi種zhong新xin方fang法fa，旨zhi在zai獲huo得de場chang景jing圖tu像xiang中zhong每mei個ge像xiang素su的de光guang譜pu。這zhe個ge過guo程cheng有you助zhu於yu識shi別bie物wu體ti、shibiecailiaohuojianceguocheng。zaibaoliuchengxianggongnengdetongshiyinrugaoguangpuxinxi，zengjiaxinxifenxideweidu，weiwuzhichengfentigongdingxinghuodingliangdefenxifangfa，zhongdianguanzhutedingwuzhileixingdefenbu。changjiandegaoguangpuxingshiyouhongwai、紫外吸收光譜、反射光譜、激光誘導等離子體光譜，在預設光源條件下，成像光譜儀采集樣品光譜數據後傳輸到PC機進行圖像數據的處理（圖1）。通過光譜分析對物質進行精*的定量分析，結合掃描成像，可以更精*地分析特定的目標位置，以確定物質的組成和含量。高光譜成像技術在農業生產中得到了應用。在作物鑒定、養分診斷、葉片光譜特征提取、生態物理參數反演與提取、農業遙感信息模型構建、災害檢測等領域取得廣泛研究進展。隨著精準農業的不斷推進，高光譜成像技術的應用已經擴展到農產品質量和食品安全領域。
圖1. 高光譜成像係統檢測原理
4.高光譜成像技術在茶葉室內檢測中的應用
高(gao)光(guang)譜(pu)成(cheng)像(xiang)技(ji)術(shu)憑(ping)借(jie)其(qi)廣(guang)泛(fan)的(de)光(guang)譜(pu)信(xin)息(xi)獲(huo)取(qu)能(neng)力(li)，已(yi)成(cheng)為(wei)茶(cha)葉(ye)質(zhi)量(liang)檢(jian)測(ce)領(ling)域(yu)的(de)一(yi)個(ge)重(zhong)要(yao)工(gong)具(ju)。該(gai)技(ji)術(shu)可(ke)以(yi)同(tong)時(shi)采(cai)集(ji)樣(yang)品(pin)的(de)空(kong)間(jian)和(he)光(guang)譜(pu)信(xin)息(xi)，能(neng)夠(gou)實(shi)現(xian)對(dui)茶(cha)葉(ye)中(zhong)多(duo)種(zhong)理(li)化(hua)成(cheng)分(fen)的(de)定(ding)量(liang)檢(jian)測(ce)和(he)空(kong)間(jian)分(fen)布(bu)可(ke)視(shi)化(hua)。在(zai)茶(cha)葉(ye)發(fa)酵(jiao)、貯藏和加工過程中，高光譜成像能夠實時監測茶多酚、氨基酸、葉綠素等關鍵生物活性成分的變化，為茶葉品質控製提供了精*的de數shu據ju支zhi持chi。此ci外wai，通tong過guo結jie合he化hua學xue計ji量liang學xue方fang法fa該gai技ji術shu還hai可ke以yi提ti高gao檢jian測ce精jing度du，並bing通tong過guo熱re圖tu等deng手shou段duan進jin行xing成cheng分fen的de空kong間jian分fen布bu展zhan示shi，幫bang助zhu優you化hua加jia工gong流liu程cheng和he提ti高gao茶cha葉ye的de整zheng體ti質zhi量liang。
4.1基於高光譜成像技術的茶葉發酵和儲存監測中的應用
茶葉是通過新鮮茶葉的枯萎、碾壓、發酵和幹燥生產的。茶葉的品質*大地受到發酵和儲藏過程的影響。發酵過程是茶葉生產中至關重要的一步，尤其對於紅茶和烏龍茶等部分發酵茶種，茶葉的顏色、xiangqijiziweidexingchengdouyuciguochengmiqiexiangguan。erchuzangzeguanhuchayedexinxianduhechangqipinzhiweihu，budangdechuzangtiaojiankenengdaozhichayexunsuliehua。chuantongshang，chayedefajiaohechuzangzhiliangyilaiyuzhichashidejingyanheganguanpinggu，rutongguoguanchachayedeyansebianhuahewenqixiangqilaipanduanfajiaochengdu。zhezhongfangfasuiranbianjie，danzhuguanxingqiang，rongyiyinreneryi，nanyiquebaochayepinzhideyizhixing。
Yang等(Yang et al., 2021)以(yi)紅(hong)茶(cha)葉(ye)為(wei)研(yan)究(jiu)對(dui)象(xiang)，探(tan)索(suo)其(qi)在(zai)發(fa)酵(jiao)過(guo)程(cheng)中(zhong)的(de)關(guan)鍵(jian)品(pin)質(zhi)成(cheng)分(fen)。研(yan)究(jiu)通(tong)過(guo)在(zai)不(bu)同(tong)時(shi)間(jian)點(dian)進(jin)行(xing)高(gao)光(guang)譜(pu)分(fen)析(xi)，揭(jie)示(shi)了(le)發(fa)酵(jiao)葉(ye)片(pian)堆(dui)疊(die)位(wei)置(zhi)與(yu)關(guan)鍵(jian)化(hua)學(xue)成(cheng)分(fen)之(zhi)間(jian)的(de)關(guan)係(xi)，並(bing)建(jian)立(li)了(le)相(xiang)應(ying)的(de)定(ding)量(liang)預(yu)測(ce)模(mo)型(xing)。此(ci)外(wai)，研(yan)究(jiu)運(yun)用(yong)了(le)可(ke)視(shi)化(hua)技(ji)術(shu)，動(dong)態(tai)展(zhan)示(shi)了(le)紅(hong)茶(cha)發(fa)酵(jiao)過(guo)程(cheng)中(zhong)關(guan)鍵(jian)品(pin)質(zhi)成(cheng)分(fen)變(bian)化(hua)，從(cong)而(er)實(shi)現(xian)了(le)對(dui)發(fa)酵(jiao)過(guo)程(cheng)的(de)實(shi)時(shi)監(jian)測(ce)和(he)關(guan)鍵(jian)成(cheng)分(fen)的(de)精(jing)準(zhun)掌(zhang)握(wo)（圖2）。Li等(Li et al., 2022)采用近紅外高光譜成像技術對4種發酵程度紅茶的品質進行了定性和定量評價，並通過化學成像繪製了發酵過程中兒茶素的空間分布（圖3）。這些研究不僅為紅茶發酵品質的智能化檢測提供了寶貴的大數據支持和評價標準，也為紅茶產業的標準化、信息化和智能化加工奠定了堅實的基礎。
圖2. 高光譜成像技術對茶葉發酵過程種關鍵理化成分預測流程圖
圖3. 不同發酵程度茶葉樣品中兒茶素含量的化學成像
茶中的多酚具有抗氧化、降脂和抗*特性，也影響茶的獨特味道。由於加工方法的不同，各種茶葉的總多酚（TP）含量差異很大。未發酵或輕度發酵的茶（如綠茶和白茶）比發酵茶（如烏龍茶、紅茶和黑茶）含有更高的多酚含量。因此，確定茶氨酸在各類茶葉中的分布，可以定量評價茶葉的保健功效和口感品質。
Wang等(Wang et al., 2021)探討了近紅外高光譜成像在不同類型茶葉（綠茶、白茶、黃茶、烏龍茶、黑茶和紅茶）中TP空間分布的應用，並采用PCA-KNN方法建立了茶葉類型判別的定性模型。該研究的結果不僅準確展示了茶葉中總多酚的空間分布差異（圖4），還提供了一種快速、無wu損sun的de茶cha葉ye種zhong類lei鑒jian定ding方fang法fa。這zhe種zhong方fang法fa有you效xiao地di實shi現xian了le茶cha葉ye品pin質zhi的de定ding性xing與yu定ding量liang評ping價jia，為wei茶cha葉ye質zhi量liang控kong製zhi及ji進jin一yi步bu的de科ke學xue研yan究jiu提ti供gong了le重zhong要yao工gong具ju和he數shu據ju支zhi持chi。
圖4. 近紅外高光譜成像技術實現對茶葉總多酚含量的空間分布可視化
Ren等(Ren et al., 2020)以雲南地區的滇紅紅茶為研究對象，采用可見-近(jin)紅(hong)外(wai)高(gao)光(guang)譜(pu)成(cheng)像(xiang)技(ji)術(shu)實(shi)現(xian)了(le)茶(cha)葉(ye)等(deng)級(ji)質(zhi)量(liang)的(de)智(zhi)能(neng)評(ping)估(gu)，結(jie)果(guo)表(biao)明(ming)利(li)用(yong)高(gao)光(guang)譜(pu)技(ji)術(shu)結(jie)合(he)化(hua)學(xue)計(ji)量(liang)學(xue)技(ji)術(shu)對(dui)茶(cha)葉(ye)品(pin)質(zhi)進(jin)行(xing)預(yu)測(ce)具(ju)有(you)廣(guang)闊(kuo)的(de)應(ying)用(yong)前(qian)景(jing)。具(ju)體(ti)方(fang)法(fa)如(ru)圖(tu)5所示。
圖5. 可見-近紅外光譜結合化學計量學實現紅茶等級判定示意圖
另外，藏茶采用的是獨特的名為“WODUI”的後發酵工藝，這一高溫高濕的處理方法能夠促使茶葉中的苦味和強烈味道成分發生氧化降解，從而增強其健康益處並改善口感。其中TPs和遊離氨基酸（FAAs）是影響藏茶口感的關鍵成分，不同品級的藏茶在這些成分的含量上有所差異。
Hu等(Hu et al., 2023)采用高光譜成像技術結合化學計量學測定了藏茶中TPs和FAAs含量，並對藏茶的品級進行了區分，展示了預處理和機器學習方法結合使用在預測茶葉品質方麵的高*性，流程圖如圖6所示。證實了高光譜成像技術（HSI）作為一種快速、無損的茶葉質量檢測方法的潛力，為茶葉質量控製和品級評定提供了一種有效的技術手段。
圖6. 高光譜成像技術結合多元分析法檢測藏茶品質流程圖
茶cha葉ye的de過guo剩sheng產chan量liang常chang常chang導dao致zhi長chang時shi間jian儲chu存cun，從cong而er降jiang低di其qi新xin鮮xian度du。不bu法fa商shang人ren有you時shi將jiang陳chen腐fu茶cha與yu新xin茶cha混hun合he銷xiao售shou，這zhe不bu僅jin侵qin害hai了le消xiao費fei者zhe的de健jian康kang和he權quan益yi，還hai損sun害hai了le整zheng個ge茶cha行xing業ye的de聲sheng譽yu。因yin此ci，研yan究jiu茶cha葉ye的de儲chu存cun條tiao件jian與yu品pin質zhi的de關guan係xi顯xian得de尤you為wei重zhong要yao，這zhe不bu僅jin可ke以yi改gai善shan茶cha葉ye的de日ri常chang保bao存cun方fang法fa，還hai可ke以yi幫bang助zhu預yu測ce其qi保bao質zhi期qi。
Li等(Li et al., 2024)以新鮮綠茶為研究對象，采用HSI法和定量分析法對儲存綠茶的化學成分進行了分析，並確定了*佳的茶葉貯藏期定性判別方法（圖7）。結果證實，高光譜成像技術可以準確、無(wu)損(sun)且(qie)迅(xun)速(su)地(di)評(ping)估(gu)綠(lv)茶(cha)的(de)新(xin)鮮(xian)度(du)，並(bing)成(cheng)功(gong)地(di)對(dui)兒(er)茶(cha)素(su)和(he)咖(ka)啡(fei)因(yin)的(de)含(han)量(liang)進(jin)行(xing)了(le)定(ding)量(liang)測(ce)定(ding)及(ji)其(qi)分(fen)布(bu)的(de)可(ke)視(shi)化(hua)，為(wei)茶(cha)葉(ye)儲(chu)存(cun)提(ti)供(gong)了(le)科(ke)學(xue)的(de)指(zhi)導(dao)和(he)評(ping)估(gu)方(fang)法(fa)。
圖7. 基於高光譜成像技術監測綠茶貯藏過程中的質量變化
4.2高光譜成像技術在新鮮茶葉質量評估中的應用
茶(cha)葉(ye)作(zuo)為(wei)製(zhi)茶(cha)的(de)原(yuan)料(liao)，新(xin)鮮(xian)茶(cha)葉(ye)的(de)好(hao)壞(huai)直(zhi)接(jie)影(ying)響(xiang)成(cheng)品(pin)茶(cha)的(de)質(zhi)量(liang)。對(dui)新(xin)鮮(xian)茶(cha)葉(ye)的(de)品(pin)質(zhi)和(he)物(wu)質(zhi)含(han)量(liang)進(jin)行(xing)無(wu)損(sun)監(jian)測(ce)，不(bu)僅(jin)可(ke)以(yi)準(zhun)確(que)掌(zhang)握(wo)茶(cha)樹(shu)的(de)生(sheng)長(chang)情(qing)況(kuang)，還(hai)可(ke)以(yi)輔(fu)助(zhu)采(cai)茶(cha)方(fang)案(an)的(de)決(jue)策(ce)過(guo)程(cheng)，保(bao)證(zheng)茶(cha)葉(ye)的(de)品(pin)質(zhi)。
Chen等(Chen et al., 2021)在不同幹旱脅迫處理下，獲得了新鮮茶苗的5個與幹旱相關的生理生化指標參數，通過多種數據處理算法和建模方法，成功預測了不同茶苗在幹旱脅迫下的受害程度，能夠較為全*、客觀地評價茶樹的抗旱性。此外，利用400-1000 nm範圍內的高光譜成像技術對10種不同茶葉種質資源進行幹旱脅迫監測，驗證了高光譜技術篩選抗旱種質的可行性和有效性。該研究對於不同幹旱脅迫下的茶葉高光譜圖像處理及光譜提取流程如圖8所示。
圖8. 不同幹旱脅迫下的茶葉高光譜圖像處理及光譜提取流程
Long等(Long et al., 2024)在鳳凰丹琮（FH）、白葉丹琮（BY）和紅冰丹琮（HB）茶樹的頂部共采集了140份茶葉樣品。建立了基於VNIR-SWIR HSI技術和核脊回歸（KRR）技術的單叢茶鮮葉葉綠素a、葉綠素b、類胡蘿卜素、茶多酚和氨基酸等5種生物活性物質含量檢測方法。並利用葉麵積化合物質量（LCMA）熱圖對3個品種丹叢茶葉片中生物活性物質的空間分布進行可視化分析。流程圖如圖9所示。
圖9. 利用高光譜成像檢測丹參茶中生物活性成分的含量
（（A）試驗田;（B）樣本;（C）樣品VNIR-SWIR高光譜圖像的獲取;（D）獲得生物活性化合物含量的工藝;（E）數據分析;（F）模型預測結果.）
Wang等(Wang et al., 2020)以采後茶葉鮮 葉為研究對象，探討了328~1115 nm高光譜成像快速預測鮮葉水分、總氮、粗纖維含量和品質指標值的潛力，評價結果如圖10所示。研究結果為多光譜成像係統的進一步在線應用提供了基礎。
圖10. 高光譜成像快速檢測采後鮮茶葉質量指標的評價結果
粗纖維（CF）和茶多酚（TP）是評價茶葉品質的重要指標。因此，TP和CF的快速定量檢測有助於專家對鮮茶葉品質的快速評價。Luo等(Luo et al., 2023)采集了14個品種的茶樹新鮮葉片，去探索不同光譜範圍的高光譜圖像在預測鮮茶葉關鍵品質指標含量（CF和TP）中的作用，葉片中CF和TP含量可視化如圖11所suo示shi。並bing詳xiang細xi討tao論lun了le所suo提ti出chu的de模mo型xing和he方fang法fa在zai實shi際ji生sheng產chan中zhong的de推tui廣guang和he適shi用yong性xing，該gai研yan究jiu對dui於yu促cu進jin茶cha園yuan鮮xian葉ye質zhi量liang的de快kuai速su檢jian測ce，提ti高gao茶cha園yuan管guan理li水shui平ping具ju有you重zhong要yao意yi義yi。
圖11. 高光譜成像技術結合PLS模型實現葉片中CF和TP含量可視化
（*一列為單波段成像。第二列是CF和TP含量的分布圖。第三列是含量的直方圖。）
Lu等(Lu et al., 2021)采集了健康茶葉與白星病和炭疽病茶葉樣本（圖12），利用高光譜技術（420-946 nm）對dui圖tu像xiang特te征zheng相xiang似si的de白bai星xing病bing和he炭tan疽ju病bing進jin行xing了le識shi別bie和he區qu分fen。兩liang種zhong病bing害hai侵qin染ran的de全quan葉ye病bing斑ban區qu域yu的de平ping均jun光guang譜pu差cha異yi顯xian著zhu，將jiang閾yu值zhi分fen割ge和he掩yan模mo處chu理li後hou提ti取qu的de病bing斑ban區qu域yu平ping均jun光guang譜pu與yu不bu同tong的de機ji器qi學xue習xi模mo型xing相xiang結jie合he進jin行xing分fen類lei，基ji於yu神shen經jing網wang絡luo結jie構gou的deELM模型的分類精度達到95.77%。結果表明，對於這兩種相似的病害，高光譜技術可以在茶樹病害發病的早期就準確識別和檢測病害的嚴重程度。
圖12. 高光譜成像技術對健康茶葉和患病茶葉的采集
參考文獻
楊霄, 等. （2023）. 高光譜成像技術在茶葉生產中的應用研究進展[J]. 中南農業科技, 12（44）.https://10.3969/j.issn.1007-273X.2023.12.059
Yang, C., Yan, Z., Ting, A., Zhongyuan, L., Yongwen, J., Yaqi, L., & Chunwang, D. (2021). Quantitative prediction and visualization of key physical and chemical components in black tea fermentation using hyperspectral imaging. LWT, 141. https://doi.org/10.1016/j.lwt.2021.110975
Li, L., Yujie, W., Qingqing, C., Ying, L., Jingming, N., & Zhengzhu, Z. (2022). Qualitative and quantitative quality evaluation of black tea fermentation through noncontact chemical imaging. Journal of Food Composition and Analysis, 106. https://doi.org/10.1016/j.jfca.2021.104300
Wang, Y., Ying, L., Yuyu, C., Qingqing, C., Luqing, L., Jingming, N., & Zhengzhu, Z. (2021). Spatial distribution of total polyphenols in multi-type of tea using near-infrared hyperspectral imaging. LWT, 148. https://doi.org/10.1016/j.lwt.2021.111737
Ren, G., Ning, J., & Zhang, Z. (2020). Intelligent assessment of tea quality employing visible-near infrared spectra combined with a hybrid variable selection strategy. Microchemical Journal, 157. https://doi.org/10.1016/j.microc.2020.105085
Hu, Y., Huang, P., Wang, Y., Sun, J., Wu, Y., & Kang, Z. (2023). Determination of Tibetan tea quality by hyperspectral imaging technology and multivariate analysis. Journal of Food Composition and Analysis, 117, 105136. https://doi.org/10.1016/j.jfca.2023.105136
Li, F., Shen, J., Yang, Q., Wei, Y., Zuo, Y., Wang, Y., Ning, J., & Li, L. (2024). Monitoring quality changes in green tea during storage: A hyperspectral imaging method. Food Chemistry: X, 23. https://doi.org/10.1016/j.fochx.2024.101538
Chen, S., Gao, Y., Fan, K., Shi, Y., Luo, D., Shen, J., Ding, Z., & Wang, Y. (2021). Prediction of Drought-Induced Components and Evaluation of Drought Damage of Tea Plants Based on Hyperspectral Imaging. Frontiers in Plant Science, 12, 695102. https://doi.org/10.3389/fpls.2021.695102
Long, T., Tang, X., Liang, C., Wu, B., Huang, B., Lan, Y., Xu, H., Liu, S., & Long, Y. (2024). Detecting bioactive compound contents in Dancong tea using VNIR-SWIR hyperspectral imaging and KRR model with a refined feature wavelength method. Food Chemistry, 460, 140579. https://doi.org/10.1016/j.foodchem.2024.140579
Wang, Y., LuQing, L., ShanShan, S., Ying, L., JingMing, N., & ZhengZhu, Z. (2020). Rapid detection of quality index of postharvest fresh tea leaves using hyperspectral imaging. Journal of the Science of Food and Agriculture, 100(10). https://doi.org/10.1002/jsfa.10393
Luo, Chanjun, S., Yong, H., Fengle, Z., & Xiaoli, L. (2023). Cross-cultivar prediction of quality indicators of tea based on VIS-NIR hyperspectral imaging. Industrial Crops & Products, 202. https://doi.org/10.1016/j.indcrop.2023.117009
Lu, B., Jun, S., Ning, Y., Xiaohong, W., & Xin, Z. (2021). Identification of tea white star disease and anthrax based on hyperspectral image information. Journal of Food Process Engineering, 44(1), e13584. https://doi.org/10.1111/jfpe.1358
地址：無錫市梁溪區南湖大道飛宏路58-1-108.png)
電話：.png)
郵箱：
在線谘詢