近红外光谱（NIRS）在茶叶检测中的应用

近红外光谱主要记录有机分子中含氢基团（C-H，N-H，0-H）振动的倍频与合频吸收，这些基团产生的吸收峰特征性强，便于判定和分析，目前已广泛应用于食品、医药、农业、化工等诸多领域。

茶鲜叶和成品茶中内含成分的检测

近红外光谱技术在茶叶成分的无损检测上已有较为广泛的应用，胡永光采用近红外光谱技术来快速检测茶鲜叶全氨含量，利用一阶导数和滑动平均滤波（MAF）相结合的预处理方法，建立偏最小二乘（PLSR）回归模型，能有效地预测全氨含量，相关系数达到0.8881，而他采用相同方法对绿茶杀青叶含水率进行检测，相关系数为0.819，误差仅为3.30%，能实现加工过程中茶叶含水率的快速检测。

Muhammad Zareef采用傅里叶变换近红外光谱（FT-NIR）对红茶内含成分进行预测，能获得较好的结果，他认为遗传偏最小二乘法（GA-PLS）是预测氨基酸和水提物定量的最佳技术，反向区间偏最小二乘法（Bi-PLS）是定量分析咖啡因和茶黄素的最佳技术，

陈全胜也用FT-NIR对红茶8种主要味觉成分进行研究建模，提出BP-AdaBoost模型预测效果较好。

林新基于近红外光谱法快速测定了绿茶的水分、茶多酚、咖啡碱、氨基酸含量，采用改进偏最小二乘法（MPLS）建立的定标模型，该模型能对水分和茶多酚进行精准预测，R’分别达到0.95和0.85。

茶叶等级、品种、产地的检测和判别

早在20世纪80年代，就有学者对不同地区、品质的134个红茶茶样进行研究，证明了近红外方法和感官审评法较为一致，误差相当于7个评茶师给出的结果和4个评茶师给出结果的平均值之间的误差，因此该方法在茶叶品质判别上具有可行性。

2005年，阎守和用近红外技术来评估红碎茶、煎茶、玉露茶的品质和价格，证明近红外的分析结果和评茶师给出的结果有很好的相关性。杨丹通过FT-NIR检测绿茶全氮含量，并根据嫩度等级建立了绿茶全氨量的子模型，对绿茶品质评价提供依据。L采用NIR 技术结合联合区间偏最小二乘法（siPLS），能够快速无损区分出优质扁形绿茶，准确率达到93%以上。

在茶叶品种鉴别方面，陈全胜2采用龙井、碧螺春、祁红和铁观音作为样品，通过标准归一化（SNV）预处理后利用SIMCA模式识别方法进行建模，四类模型的对未知茶样的识别率分别是90%，80%，100%和100%，证明该方法确实是一种快速识别茶样的方法。

李晓丽对5个品种绿茶进行可见-近红外光谱扫描，通过神经网络把6个主成分和茶叶品种进行对应，学习了125个样本，建立3层BP人工神经网络模型，茶叶品种的识别率高达100%。

任广鑫则是对安徽、湖北、云南、缅甸、印度、肯尼亚和斯里兰卡七个产地的红碎茶进行扫描，选取4个主成分因子，以一阶导数+SNV为建模的预处理方法时，所建立的识别模型效果最佳，对未知产地红茶识别准确率达到92.8%，并且认为该方法还可以鉴别安徽、湖北等中小叶种与印度、云南等大叶种的原料种类。

茶叶真伪及其他方面鉴定

在其他方面的检测，近红外也有广泛的应用，赵开飞基于近红外光谱技术对抹茶掺伪进行定性判别，对纯抹茶、掺伪抹茶、掺糖抹茶、掺糊精抹茶、掺桑叶粉抹茶、掺大麦苗粉抹茶进行研究，认为PCA-LDA模型结果最优，预测集识别率均在87.5%以上，辨别率非常高。

宁井铭基于近红外技术，对普洱茶的发酵程度和储存年份进行判别，在发酵程度方面，ANN 模型交互验证识别率和预测识别率分别为98.9%和97.8%，而陈化程度与红外特征谱的1120 ~ 1570 cm「和400 ~853 cm'两个波数间吸收峰的强度和峰形密切相关，因此，能为普洱茶的研究提供较为快捷、可靠、准确的方法。