基于近紅外光譜技術(shù)的普洱茶生熟茶判別及產(chǎn)地溯源

由于不同產(chǎn)地普洱茶的營養(yǎng)活性成分、風(fēng)味物質(zhì)等組分存在差異，普洱茶的價格差距很大，這就為不法商家謀取利益提供了可能。因此，迫切需要建立科學(xué)的方法，對普洱茶生熟屬性和產(chǎn)地進行溯源鑒別。

2022-09-23 16:41:51王丹

近紅外光譜儀用于普洱茶產(chǎn)地鑒別和質(zhì)量控制方案

普洱茶為國家地理標志保護產(chǎn)品，是以云南大葉種茶樹鮮葉為原料，經(jīng)殺青、揉捻、毛茶干燥，再以自然的方式陳放或經(jīng)過渥堆轉(zhuǎn)熟等制成具有獨特品質(zhì)的普洱茶生茶或熟茶。普洱茶中含有茶多酚、茶多糖、游離氨基酸、咖啡堿等營養(yǎng)活性成分，具有抗氧化、降壓減脂、降血糖等功能，受到不同年齡層次消費者的青睞。普洱茶生茶和熟茶的生產(chǎn)工藝不同，消費者通過肉眼就很容易辨別新茶的生茶（灰綠、墨綠色為主）和熟茶（深褐色或褐紅色為主）。但隨著貯藏時間的延長，生茶揮發(fā)性組分逐漸發(fā)生變化，顏色也逐漸變?yōu)樯詈稚胀ㄏM者通過感官評價很難識別老生茶和熟茶。由于不同產(chǎn)地普洱茶的營養(yǎng)活性成分、風(fēng)味物質(zhì)等組分存在差異，普洱茶的價格差距很大，這就為不法商家謀取利益提供了可能。因此，迫切需要建立科學(xué)精確的方法，對普洱茶生熟屬性和產(chǎn)地進行溯源鑒別。

目前，已有學(xué)者利用化學(xué)成分分析和近紅外光譜技術(shù)(NIRS)實現(xiàn)了普洱茶生熟茶的有效識別。這些前期研究中的樣品直接來自普洱茶廠家，雖然保證了樣品來源的真實性，但與市場上銷售的普洱茶可能存在差異。因為市場茶葉經(jīng)過運輸、倉儲的過程，使得普洱茶的組分發(fā)生了變化。消費者實際接觸到的普洱茶產(chǎn)品與在廠家直接獲得的普洱茶，尤其是生茶，在風(fēng)味上會有一定差異。由于化學(xué)成分分析方法一般較繁瑣，不能滿足市場快速識別的需求，因此，借助NIRS對市場上普洱茶進行生熟茶的識別可能更具有實際意義。

近紅外光譜主要反映食品各組分中含氫基團振動的倍頻和合頻，具有快速、無損、綠色等優(yōu)點，已經(jīng)在普洱茶發(fā)酵程度判別、多糖含量預(yù)測、真假識別及其他茶類的產(chǎn)地溯源上廣泛應(yīng)用。因此，本研究以普洱茶主產(chǎn)區(qū)普洱市、西雙版納傣族自治州和昆明市的普洱茶生茶和熟茶為對象，應(yīng)用NIRS結(jié)合化學(xué)計量學(xué)方法，開展普洱茶生茶和熟茶的判別及不同產(chǎn)地普洱茶的溯源，以期為普洱茶的真實性判定和市場監(jiān)管提供技術(shù)支持和基礎(chǔ)數(shù)據(jù)。

普洱茶生茶和熟茶判別

在近紅外譜圖的10000—9000cm^-1波數(shù)處可以清楚地區(qū)分大部分普洱茶生茶和熟茶，但在9000—4000cm^-1波數(shù)，熟茶與生茶出峰位置一致，譜圖重疊，難以辨別生熟茶，且存在2個普洱茶熟茶譜圖在10000—9000cm^-1波數(shù)處與生茶譜圖重疊，需要借助化學(xué)計量學(xué)方法進行不同產(chǎn)地生熟茶的識別。

如圖2所示，在PCA中，取普洱茶生茶和熟茶前兩個主成分時，對原變量解釋能力(R2X)累積為0.968，大部分普洱茶生茶和熟茶可以明顯區(qū)分開，且由于貯存年份對生茶的化學(xué)組分影響較大，生茶較熟茶更分散。但是有2個生茶與熟茶相聚集，有2個熟茶的位置與生茶更接近，甚至有1個生茶與熟茶近似重疊（箭頭所指），證明老生茶化學(xué)組分中所含氫基團綜合與熟茶差異并不明顯，普通消費者通過感官很難識別老生茶和熟茶，也說明了通過PCA難以實現(xiàn)所有生熟茶的識別。因此，需要運用有監(jiān)督學(xué)習(xí)算法PLS-DA來提高生熟茶的識別正確率。

普洱茶生熟茶PLS-DA模型的主成分數(shù)、主成分數(shù)對原變量的解釋能力(R2X)和生熟茶識別正確率見表1。一個主成分對原變量的解釋能力為0.714，對普洱茶生熟茶的識別正確率為81.82%，有8個生茶被錯判為熟茶，2個熟茶被錯判為生茶，說明第一個主成分包含原變量信息最多，且有些老生茶所含氫基團可能與熟茶更相近。當取前兩個主成分數(shù)時，對原變量的解釋能力為0.964，模型對生熟茶的識別正確率為90.91%，有3個生茶被錯判為熟茶，2個熟茶被錯判為生茶(圖3)。PLS-DA模型的前兩個主成分得分圖與PCA前兩個主成分得分圖(圖2)相似，但PLS-DA可以更好地將組間差異不明顯的變量加以區(qū)分，圖2中箭頭所指相互重疊的生熟茶樣品，在圖3中則被很好地區(qū)分(圓形部分)。當主成分數(shù)增加到3時，R2X累積增加到0.994，此時，模型對生熟茶的識別正確率為94.55%，有2個生茶被錯判為熟茶，1個熟茶被錯判為生茶。當主成分數(shù)增加到4，R2X累積增加到0.995，模型識別正確率為96.36%，熟茶的識別正確率為100%，仍然有2個生茶被錯判為熟茶，可能增加的主成分中包含更多的熟茶特征成分。當主成分數(shù)由4增加到10時，R2X累積逐漸增加，最終增加到1，但是模型對生熟茶的識別正確率沒有發(fā)生變化，均為96.36%。當主成分數(shù)由10增加到13時，R2X累積和模型識別正確率均無變化。當主成分數(shù)增加到14，R2X累積為1，模型識別正確率為98.18%，只有1個生茶被錯判為熟茶，說明所增加的主成分含有更多與生茶特征成分相關(guān)的信息。當主成分數(shù)增加到15時，模型對生熟茶的正確識別率達100%，說明利用有監(jiān)督學(xué)習(xí)算法PLS-DA可以將普洱茶生熟茶完全識別。

不同產(chǎn)地普洱茶產(chǎn)地溯源

由于不同產(chǎn)地普洱茶光譜的主要峰形相似,譜圖存在重疊現(xiàn)象,普洱茶的原光譜(圖1)并不能直接識別普洱茶的產(chǎn)地,可以運用PCA和PLS-DA來輔助實現(xiàn)。

由圖4a知，第一個主成分對原變量的解釋能力為0.818，說明第一個主成分包含原變量的信息最多，前兩個主成分對原變量的解釋能力累積為0.977，說明前兩個主成分已包含了樣品的大部分信息。雖然圖4a中生熟茶分別聚集，但是3個產(chǎn)地的普洱茶分散無規(guī)律。再將生熟茶分開考察不同產(chǎn)地的溯源情況，由圖4b和4c可知，3個產(chǎn)地的普洱茶也不能被正確溯源。結(jié)果表明:不同產(chǎn)地自然環(huán)境、種植方式等對普洱茶的影響在光譜中的綜合反映沒有生熟茶中化學(xué)組分的影響大，僅通過無監(jiān)督學(xué)習(xí)算法PCA的前兩個主成分并不能實現(xiàn)3個產(chǎn)地普洱茶的溯源。

使用有監(jiān)督學(xué)習(xí)算法PLS-DA進行普洱茶不同產(chǎn)地的溯源。不同產(chǎn)地普洱茶的PLS-DA主成分數(shù)、主成分數(shù)對原變量的解釋能力(R2X)和模型產(chǎn)地溯源正確率見表2，其前兩個主成分得分見圖5。PLS-DA的第一個主成分R2X為0.787，模型的溯源正確率僅為47.5%，因此，需要繼續(xù)增加建模的主成分數(shù)。當取前兩個主成分時，對原始變量解釋能力的累積為0.976，但是溯源模型的正確率反而降低為42.5%，說明第二個主成分可能包含了產(chǎn)地溯源不相關(guān)的信息，且圖5可以進一步說明不同產(chǎn)地的普洱茶混合分散，并沒有呈現(xiàn)聚集現(xiàn)象，這與PCA的前兩個主成分得分圖(圖4a)相似。當主成分數(shù)繼續(xù)增加，對原始變量解釋能力的累積逐漸增加，模型溯源的正確率也在緩慢增加。當主成分數(shù)取6時，R2X累積達到約1，但是模型的溯源正確率僅為62.5%，這可能與不同產(chǎn)地普洱茶的含氫基團綜合差異小有關(guān)，且光譜數(shù)據(jù)的原變量數(shù)為6224個，即使主成分數(shù)大幅度增加，但其所包含的與產(chǎn)地相關(guān)的信息增加量卻緩慢增加。最終當取前26個主成分數(shù)時，模型的溯源正確率達到100%，雖然主成分數(shù)較多，但這是與光譜原始變量數(shù)相對應(yīng)的，證實了PLS-DA可以實現(xiàn)不同產(chǎn)地普洱茶的溯源。

未知類別的普洱茶生熟茶預(yù)測和未知產(chǎn)地的普洱茶產(chǎn)地溯源

對于所建模型的預(yù)測能力和穩(wěn)健性，通過市場所采集的未知樣品進行驗證。從圖6可見，PCA和PLS-DA前兩個主成分得分圖中均將10個未知類別普洱茶中的1個判為生茶，其他9個判為熟茶，且表3也證實了當PLS-DA模型的識別正確率為100%時，10個未知類別普洱茶中有1個為生茶，9個為熟茶。以上結(jié)果表明，在判別普洱茶類別時，PCA和PLS-DA模型均表現(xiàn)出優(yōu)良的預(yù)測能力和穩(wěn)健性，可以將模型用于普洱茶生熟茶的識別。

由圖7可知，由于已知產(chǎn)地普洱茶的PCA和PLS-DA前兩個主成分得分圖不能很好地將三地普洱茶進行溯源，且未知產(chǎn)地的樣品也與3個地區(qū)已知的樣品混雜，因此，利用PCA和PLS-DA的前兩個主成分得分圖不能實現(xiàn)未知樣品的溯源。由表2可知，當PLS-DA的主成分數(shù)增加到26時，已知樣品的溯源正確率為100%，此時，PLS-DA模型對25個未知樣品的溯源結(jié)果為5個樣品來自西雙版納，13個樣品來自普洱，7個樣品來自昆明(表4)，說明可以利用PLS-DA模型來實現(xiàn)普洱茶未知樣品的產(chǎn)地溯源。

基于普洱茶因生產(chǎn)工藝、產(chǎn)地等造成的其化學(xué)組分中含氫基團綜合存在差異，利用NIRS結(jié)合無監(jiān)督學(xué)習(xí)算法PCA和有監(jiān)督學(xué)習(xí)算法PLS-DA進行普洱茶(老)生熟茶類別識別及普洱茶產(chǎn)地的溯源。結(jié)果表明：PCA和PLS-DA模型均可很好地實現(xiàn)普洱茶生熟茶識別，且PLS-DA最優(yōu)模型的識別正確率可達100%;但PCA模型不能實現(xiàn)三地普洱茶的溯源，而PLS-DA最優(yōu)模型的溯源正確率為100%，說明PLS-DA模型可以實現(xiàn)西雙版納、普洱和昆明三地普洱茶的溯源。