第一章 绪论
1.1 研究背景
我国是茶树的起源地，是世界最大的产茶国[1,2]。中国是茶产业生产和消费的第一大国，随着 2015 年“一带一路”战略的正式启动，中国茶叶对“一带一路”沿线国家出口 8.23 万吨，同比增长 15.2%。2018 年中国茶叶总产值达到 2157.3 亿元，同比 2017 年的 1949.6 亿，增长 10.7%[3]。茶叶中拥有茶多酚、儿茶素、氨基酸等多种功能成分，并且已经被证明具有抗氧化[4]、抗癌症[5]、抗衰老[6]、兴奋中枢神经[7]等一些保健作用。红茶属于我国六大茶类之一，根据其制作工艺以及外形特征可以将其分为小种红茶、工夫红茶、切细红茶（红碎茶）。工夫红茶是我国特有茶类，按不同产地可分为祁红、滇红、川红和闽红等[8]，其加工工艺也一直保持着传统的加工流程，分为萎凋失水、揉捻做形、发酵和干燥提香四道工序[5]。
萎凋是工夫红茶加工工艺流程的第一道工序，是使鲜叶中的水分适度散失的过程，该过程不仅可以为揉捻做行和破坏鲜叶组织创作物理条件，还能够促使鲜叶内的成分发生一定的化学变化。水分的含量是衡量萎凋程度的主要指标，而温度、相对湿度、通风和摊叶厚度是影响萎凋水分散失的直接影响因素，也是因上述因素的影响，导致萎凋叶萎凋程度不均匀，影响红茶成品茶的质量。
目前常用的萎凋方式有 3 种：室内自然萎凋、日光萎凋、温控萎凋。室内自然萎凋是利用自然气候的条件，在室内进行萎凋的方法，虽然该方法都会在萎凋室中配备空调、除湿机等机械设备，但是该方法仍然容易受到室外环境因素的影响。日光萎凋是通过太阳光的作用直接使萎凋叶产生物理、化学变化的方法。由于该方法会受到日光波长以及光照强度的影响，所以不同的天气、气候都会成为影响萎凋程度的不可控因素。温控萎凋是在一定控温控湿设备的辅助下进行萎凋，具有不受天气的限制，节约厂房面积，节省劳动力，实现了萎凋时间可控，能够进行全天候萎凋等优点，成为目前广泛使用的萎凋方式[8]。温控萎凋一般通过萎凋槽、萎凋室或者萎凋机进行萎凋，这些设备早期大多数是由干燥机等改进而来，设备落后和自动化程度低，结构不合理，性能较差、工作效率较低，萎凋过程不可监测和人工品质控制经验不足[9]。近年来，已有相关学者对萎调设备展开相关研究，如今已经普遍的使用机械萎凋设备[10]，其中萎凋机萎凋已经成为萎凋加工的主要方法[11,12]。
................................
1.2 研究目的及意义
本研究将从萎凋原理和工艺技术理论出发，基于萎凋机开展工夫红茶萎凋实验，以时序萎凋叶为研究对象，进行基于高光谱图像技术的萎凋叶水分定量预测模型构建，并对萎凋水分的时空分布进行可视化处理与变化分析，实现对萎凋过程中红茶水分的智能感知。为提高红茶萎凋品质，满足现代名优红茶的智能化、自动化加工需求提供了先决条件。
本研究成果将为今后萎凋智能化监控设备的研制、萎凋水分散失机理研究，提供理论基础与科学依据。为提升我国工夫红茶凋技术的智能化和信息化发展建立基础。对提高我国工夫红茶的品质以及工夫红茶在国际市场中的经济地位有深远意义。
...............................
第二章 基于光谱与图像特征的萎凋叶水分模型构建与对比
2.1 引言
不同的检测方法建立的预测模型精度亦有所差异。由于高光谱图像技术包含图像信息与光谱信息，而且通过光谱信息与图像信息都能建立萎凋时序下萎凋叶的水分预测模型，因此有必要分别构建光谱信息与图像信息的萎凋叶水分预测模型，将两种模型做对比，探究不同特征信息作为模型输入建立模型精度的差异，为后续高光谱图像信息的处理奠定理论依据。
本次试验以茶鲜叶为研究对象，品种为大红袍，嫩度为 1 芽 2 叶。萎凋设备为 2.1.2中第 1 部分萎凋机嵌入式萎凋房，通风口内通入 30℃热风，相对湿度控制在 50%。萎凋过程中每隔 1 h 取一次样品，每个时间节点取 15 组样品进行光谱和图像信息采集，光谱 信 息 采 集 后 对 采 集 到 的 所 有 光 谱 信 息 做 平 均 处 理 ， 并 使 用 水 分 测 定 仪（MA35M-000230V1,Sartorious）测定每一时间节点下萎凋叶的水分值，该过程每个时间节点做 3 次重复，取每时刻三次水分值的平均值作为该时刻下样品对应的水分值。萎凋 12 h 后，萎凋叶水分含量由 78.43%降至 48.63%，共获得 13 个时间节点下的 195 张萎凋样品图像以及 195 条萎凋样品光谱曲线。
..........................
2.2 材料与方法
2.2.1 试验材料
实验材料选用“大红袍”，嫩度为 1 芽 2 叶。采摘地点：中国农业科学院茶叶研究所嵊州茶叶综合实验基地（东经 120.49°，北纬 29.35°），采摘时间为 2019 年 9 月 6 日。
大红袍，原产于福建武夷山，因嵊州的环境、气候、土壤等外部因素符合大红袍的种植标准，在中国农业科学院茶叶研究所嵊州茶叶综合实验基地中也有小规模种植。其植株为灌木型，树冠半展，叶向上斜方舒展，近阔椭圆形，叶尖微向下垂，叶缘略向叶内面翻，叶色深绿带紫显光泽,为无性繁育；适合制作乌龙茶与红茶[71,72]。
2.2.2 试验设备
1、萎凋设备
近年来，中国农业科学院茶叶研究所、安徽农业大学等科研院所联合湘丰、佳友、绿丰等茶叶机械公司研制出多层连续萎凋机、萎凋房嵌套式萎凋机等萎凋装置，并将其应用于红茶连续生产线作业中[73,74]。本研究将萎凋房与萎凋机两种萎凋方式相结合，以期更加均匀的散失萎凋叶中的水分，其结构示意图如图 2-1 所示。
由图 2-1 可知，该设备主要由 2 个通风入口、萎凋房气路、通气圆孔、萎凋房、机架、排气口、萎凋网带、调整螺杆以及网带压条组成。其特点为萎凋房气路为 2 个，均呈“L”形，其中每个“L”形管路有 8 个通气圆孔，较窄的壁面有 3 个，较长的壁面有5 个。萎凋叶位于四层萎凋网带上，萎凋网带为多孔介质，其孔隙率为 0.73，孔径大小为 0.003 m。该设备工作过程为：热风从通风口处进入，通过“L”形的气路，在通气圆孔处通入萎凋房内部，气体在萎凋房内部循环，对萎凋机上的茶鲜叶进行通风、加热处理，从而加速萎凋水分均匀散失，最后气体通过最上方的排气口排出萎凋房。
..........................
第三章 基于高光谱的正反面萎凋叶水分预测模型分析 ................................. 22
3.1 引言 .................................... 22
3.2 材料与方法 ............................. 22
第四章 基于堆积萎凋叶的水分预测模型构建及可视化分析 ....................... 34
4.1 引言 ................................ 34
4.2 材料与方法 ..................................... 34
第五章 结论与展望 ...................................... 46
5.1 结论 ........................... 46
5.2 展望 ................................... 47
第四章 基于堆积萎凋叶的水分预测模型构建及可视化分析
4.1 引言
在红茶萎凋工序中，萎凋叶常常以堆积的形式摊放，正面萎凋叶与反面萎凋叶分布也极为不均匀，由上述章节分析可知萎凋叶的正、反面单叶片光谱曲线虽然大体轮廓相似，但在细微之处也存在许多差异，通过正面（反面）光谱信息建立的模型预测反面（正面）叶片的水分的方法是不可行的，单叶片正、反面的光谱差异会对萎凋叶水分预测模型的性能造成影响，因此本章节基于高光谱图像技术以堆积萎凋叶为研究对象，建立萎凋叶水分预测模型。同时，将萎凋叶的水分做可视化处理对萎凋工序也有着极为重要的作用，通过水分可视化处理，能够更为直观的了解各区域萎凋叶水分分布是否均匀，对萎凋机械化加工中摊层厚度、萎凋机层间距、温湿度等工艺参数的优化具有重要指导意义。而高光谱图像技术将拍摄物的光谱信息以及图像信息相结合，通过高光谱图像中每个像素点与光谱的对应关系，实现靶向目标的可视化处理。因此，通过高光谱图像技术可以实现萎凋叶水分的定量预测与可视化分析。
..........................
第五章 结论与展望
5.1 结论
本研究以“十三五”国家重点研发计划课题：红茶标准化加工关键装备研发为依托，针对红茶萎凋工序中萎凋不均匀，萎凋叶水分值无法定量评估等共性问题，基于高光谱图像技术，以萎凋时序下萎凋叶为研究对象，拍摄样品高光谱图像并测量其水分值，以光谱信息和样品含水率的对应关系建立预测模型，定量预测萎凋时序下样品的水分。主要研究成果如下：
1.光谱信息对萎凋叶水分的表征能力要强于图像信息对萎凋叶水分的表征能力。分别采集萎凋时序下样品的光谱信息和图像信息并测得样品的水分值，对光谱信息进行SNV 预处理，经 Si-PLS 法特征波段筛选后所得模型精度最高，其 Rp值为 0.9869，RPD值为 6.2558；对图像信息提取 9 个颜色参数：R、G、B、H、S、V、L*、a*、b*，6 个纹理参数：m、δ、r、μ、U 和 e，共 15 个特征变量经过 Z-score 以及 PCA 预处理后建立PLSR 水分预测模型，其 Rp值为 0.9492，RPD 值为 2.9279。两个模型的 RPD 值均大于2，说明基于光谱信息与图像信息都能较好的表达萎凋叶的水分信息，但是光谱信息表征萎凋叶中水分信息的能力更强一些。
2.萎凋叶单叶片正面（反面）光谱建立的预测模型不能预测反面（正面）萎凋叶的水分值，但预处理以及特征波段筛选能够很大程度上消弱叶片因正、反面光谱差异对模型性能造成的影响。基于高光谱图像技术，分别拍摄并提取萎凋叶正反面高光谱图像中的光谱信息，分别建立正、反面单叶片原始光谱信息的 PLSR 水分预测模型，并对建立的预测模型做交叉验证，验证模型性能大幅度下降；当正面光谱经 1 Der 预处理以及SFLA 筛选特征波段，反面光谱经 MSC 预处理以及 CARS 筛选特征波段后，无论是建立的 PLSR 水分预测模型性能还是交叉验证后模型的性能都比原始光谱建立的模型性能有明显提升。这说明预处理以及特征波长筛选能够消弱萎凋叶因正、反面光谱差异对水分预测模型造成的影响，但并不能完全消除此类影响。
参考文献（略）