廖金燕　洪雪珍　付贤树

摘要 [目的]研究安吉白茶源产地追溯方法，建立高识别率追溯方法。[方法]对266个来自7大源产地产区安吉白茶和118个来自六大茶叶主产区的非安吉白茶进行近红外光谱检测，预处理方法分别采用SNV和MSC，通过LDA模型识别率比较二者优劣，并通过PCA、K-means聚类和HCA聚类等方法进行模型验证。采用SPSS分析聚类结果与样品地理位置的关系。[结果] MSC预处理效果优于SNV，LDA分析模型识别率可达100%。模型验证显示，经MSC预处理后，PCA方法可在前3个PC下清晰聚类，K-means和HCA聚类方法都可将266个产地内和118个产地外样品成功预测出。SPSS聚类分析显示，7个安吉白茶的聚类结果与样品采集地的地理位置远近存在对应关系。[结论] 安吉白茶近红外光谱经MSC预处理，LDA建模可作为安吉白茶源产地追溯方法。

关键词 安吉白茶;近红外光谱;源产地追溯;数据划分;模型验证

中图分类号 S126文献标识码 A文章编号 0517-6611（2020）13-0224-05

Abstract [Objietive] To study traceability model of Anji white tea and to establish a high origin tracing method. [Methods] 266 real and representive Anji white tea from 7 tea plantations in their original producing areas， as well as 118 nonAnji white tea samples of similar appearance from 6 important tea producing areas， were collected and detected by NIR. For data pretreatment， SNV and MSC were respectively applied to improve the raw spectra. The advantage and disadvantage of the two were compared by the recognition rate of LDA model. Model validation was subsequently verified by PCA， Kmeans and HCA clustering. The SPSS clustering analysis was used to analyze the relationship between clustering results and geographical location of samples. [Results] The effect of MSC pretreatment was significantly better than that of SNV. After MSC pretreatment， the recognition rate of LDA analysis model could be up to 100%. Model verification demonstrated that PCA method with MSC spectra could clear cluster under the first three PCS. For the clustering models， Kmeans and HCA clustering methods could successfully predict 266 Anji white tea and 118 nonAnji white tea from 384 samples. According to the SPSS clustering analysis， there was positive correlation between the clustering results of Anji white teas and the geographical locations of the samples. [Conclusions] The proposed method， which combined NIR and LDA with MSC spectra， can be an feasible identificition method for Anji white tea.

Key words Anji white tea;Near infrared （NIR）;Origin tracing;Data splitting;Model validation

安吉白茶產自浙北安吉县[1]，是典型地理标志产品，虽冠以“白茶”之名，但安吉白茶却是绿茶。茶叶的品质和特征主要受到茶叶种植地理位置的影响[2]，由于经纬度、光照、气候、温度、湿度等影响，不同种植地的茶叶口感、香味等有很大差异。安吉白茶由于其独特的口感而广受消费者的喜爱，2014年后，安吉县将1.13万hm2安吉白茶茶园进行分级保护[3]，这对保障安吉白茶原产地的真实性具有重要作用，但随着安吉白茶销售量的剧增，掺杂、掺假及以次充好等不良现象屡屡出现，使得安吉白茶的声誉受到严重影响。

目前，常用的茶叶源产地追溯方法主要有感官评价、滋味因子分析（电子舌、电子鼻等）、气相色谱法、毛细管电泳法等[4]。但是这些方法有操作复杂、仪器昂贵、检测时间长、前处理麻烦、灵活度低等缺点。近红外光谱技术是近年发展起来的一种新型特征指纹检测技术，具有快速、无损、低成本等优点。其原理是C—H、O—H、N—H等氢原子团的振动包含了样品分子结构和成分信息，通过倍频、频合、频差叠加等方法检测氢原子团的振动，从而确定样品的物理性质和化学成分[5]。

应用化学计量学对近红外光谱进行建模分析，已广泛应用在产品化学成分含量测定[6-7]、质量级别判定[8]、品种判定[9]及产地鉴别[10-20]等方面。现有文献报道显示，近红外光谱技术在茶叶源产地追溯上的研究对象主要是绿茶、黑茶和乌龙茶，2018年绿茶的全国产量约172万t，占茶叶总产量的649%，而目前绿茶研究主要针对的是西湖龙井、碧螺春、信阳毛尖等家喻户晓的地标产品，对于安吉白茶研究甚少，安吉作为习总书记“绿水青山就是金山银山”科学论断的发祥地，对作为排头兵的安吉白茶进行源产地追溯研究尤为显得重要。

笔者以产地内、外安吉白茶为研究对象，基于不同预处理方法和模式识别算法对安吉白茶进行源产地追溯分析，茶样近红外光谱采用标准正态变换（Standard Normal Variation，SNV）和多元散射校正（Multiplicative Scatter Correction，MSC）进行预处理，并采用线性判别分析（Linear Discriminant Analysis，LDA）进行建模分析判断SNV和MSC的优劣;然后，采用主成分分析（Principal Component Analysis，PCA）、K-means聚类分析和层次聚类（Hierarchical Cluster Analysis，HCA）分析等不同分类算法进行模型验证;最后，采用SPSS分析聚类结果与样品地理位置的关系。

1 材料与方法

1.1 材料与试剂

以安吉白茶为对象，共采摘384个安吉白茶样品，其中正宗安吉白茶样品266个，采集于安吉县7个地区，分别为高禹镇、递铺镇、上墅乡、昆铜乡、良朋镇、溪龙乡、梅溪镇;安吉县外非安吉白茶样品118个，采集于6个地区，分别为安徽广德、浙江长兴、湖南永州、浙江湖州、江西瑞金、浙江文成。样品具体情况如表1所示。

1.2 仪器与设备

Tensor37 FT-NIR光谱仪（配备InGaAs检测器）购自德国Bruker公司。

1.3 方法

1.3.1 样品原始光谱采集方法。

白茶樣品无需处理，直接装于石英管中进行检测。光谱波数为12 000～4 000 cm-1，分辨率为8 cm-1，扫描间隔设置为1.928 cm-1，扫描64次，每条白茶样品原始光谱中共有4 148个数据点，因此原始数据集的大小为384个样品×4 148个变量。所有测量均在（25±1） ℃室温下进行。

1.3.2 train-test-split数据划分方式。

采用随机划分方式为train-test-split数据划分方式，随机划分方式即随机选取产地内和产地外样品的70%为训练集，剩余30%为预测集，用于验证模型的准确性（表2）。

1.4 原始光谱数据预处理方法

近红外光谱仪扫描得到的光谱数据往往含有噪音，这主要由2个原因造成：一方面受到仪器自身和测量环境的影响;另一方面可能来自于光源自身和样品基质的差异[21]。为了降低上述2种因素对分析模型的影响、提高分析模型的准确性和稳定性，必须对近红外光谱数据进行预处理。

1.4.1 SNV标准正态变换。

SNV是一种转换光谱的预处理方法，通常用于消除散射、噪声、粒径和光程变化的多元综合干扰[22]。在SNV中，每个频谱都被标准化为零均值和单位方差。

1.4.2 MSC多元散射校正。

MSC是一种常用的光谱预处理技术，用于在建模前去除光谱数据矩阵中不希望出现的散射效应[23]，还用于补偿光谱数据中由于不同粒径的不均匀分布所引起的不均匀散射的影响。其工作原理是将每个光谱线性化为与校准装置的平均光谱相对应的“理想”光谱，而平均光谱主要通过最小二乘法确定[24]。

1.5 数据分析方法

1.5.1 LDA线性判别分析。

LDA通过标记数据的线性组合构造判别函数，是一种监督方法，主要包括2个阶段：分离和分配。前一阶段是寻找能够很好地将群体分离的判别函数，后一阶段是利用判别函数将未知对象赋给其中一个群体。

1.5.2 PCA主成分分析。

PCA是对原始变量进行线性组合，并用较少的新变量尽可能多地表征原始数据的结构特征，这几个相互正交的新变量即为主成分[25]。PCA已用于观察多个传感器数据集中可能的分组。性能最好的PC通常显示最重要的信息。因此，相似的样品彼此之间的分组更接近，反之亦然。

1.5.3 K-means聚类分析。

K-means算法的中心思想是给定一个数据库和聚类数K，根据样品到聚类中心的距离将样品划分到离它最近的类别中，在空间聚类算法中有重要的运用。

1.5.4 HCA层次聚类分析。

HCA是聚类算法的一种，其主要原理是通过计算2类数据点间的相似性，将数据中最相似的2类点进行组合，并反复迭代，创建1棵有层次结构的嵌套聚类树。

2 结果与分析

2.1 近红外光谱分析

图1显示了产地内、外安吉白茶9 000～4 000  /cm波段的原始光谱图（a）、平均光谱图（b）以及在不同预处理方法下（SNV、MSC）的平均光谱图（c和d）。在9 000～4 000 /cm波段内有一些密集的光谱峰，这些峰主要是由C—H、N—H、O—H和C—O键的拉伸或变形振动产生的，C—H、N—H、O—H和C—O键是有机分子的主要结构成分，而这些振动主要是由茶叶中的儿茶素、氨基酸、多酚、生物碱以及一些芳香化合物等成分引起的[26]。

图1b是产地内、外2个茶叶群组的原始平均光谱图。图中显示，产地内、外茶叶样品的平均吸光度趋于平行，且产地内的略高于产地外。在12 000～9 000 cm-1区域内，产地内、外茶叶样品的平均吸光度基本保持不变，产地内保持在0.55左右，产地外保持在0.50左右，可认为在该波段不包含待测对象的有用信息，其灵敏度和信噪比较低[27]，因此该试验将9 000～12 000 /cm的波段排除在外。

由图1a可知，原始光谱图较杂乱，需进行预处理。比较图1c的SNV、图1d的MSC预处理后的平均光谱图与原始平均光谱图（图1b）可知，SNV预处理后产地内、外茶叶样品的平均吸光度趋近，肉眼难以区分;而经MSC预处理后的平均光谱图更加接近于原始平均光谱图，且肉眼可分。对SNV和MSC预处理后的数据分别进行LDA建模分析，进一步比较和探讨不同预处理方法的效果。

2.2 LDA区分产地内、外茶叶的结果

用于分类鉴定的模式识别算法有很多，该试验采用LDA来建立分类模型，主要是因为LDA在初始样品降维中就表现出较好的效果。图2为LDA将初始样品降至二维的结果图。从图2可知，产地内、外的茶叶样品数据可以清楚地区分开来，且LD1 的方差贡献率高达100%。

采用LDA建立分类模型，随机选取样品的70%作为训练集，用于模型的建立;30%作为预测集，用于模型的验证。同时采用随机数的方法，做50次分析，并取所得准确度的平均值作为最终的数据结果和评判标准，具体结果如下表3所示。由表3可知，SNV预处理后对分类准确率并没有提升，即其预处理效果并不明显，而MSC预处理后的分类准确率均达100%，说明产地内、外样品数据经MSC预处理后可以通过LDA模型进行准确地区分。为进一步验证MSC和SNV预处理效果优劣差异，通过PCA、K-means聚类和HCA聚类等方法进行模型验证。

2.3 SNV和MSC在PCA中的效果比较

图3显示样品数据经SNV和MSC预处理后在PCA降至三维中的效果图。由图3a可知，SNV预处理后降至三维时，PC1的方差占比达到87.88%，PC2的方差占比为8.04%，前2个主成分的方差占比和高达95.92%。由图3b可知，MSC预处理后降至三维时，PC1的方差占比达到89.86%，PC2的方差占比为893%，前2个主成分的方差占比和高达98.79%，明显高于SNV。

从图3可以看出，经过PCA降至三维可视化后，MSC的结果非常好，产地内、外的样品能清晰地区分开，而SNV的结果较模糊。这一现象可以解释为MSC在该试验中效果更好，具有较强的校正散射效应的能力。

2.4 SNV和MSC在K-means和HCA聚类分析比较

由图4可知，SNV预处理后的聚类结果没有MSC预处理后的结果好。在SNV预处理后的聚类结果中，K-means算法预测出155个产地内样品，229个产地外样品，分数为470.14，识别率为42.2%;HCA算法预测出221个产地内样品，163个产地外样品，分数为393.60，识别率为78.6%。而在MSC预处理后的聚类结果中，K-means算法和HCA算法都成功地将266个产地内样品和118个产地外样品预测出来，分数均为3 492.59，识别率亦为100%，明显高于SNV。这同样验证MSC预处理在该试验中表现效果较优。

2.5 产地内样品SPSS聚类结果与地理位置的关系

已知产地内茶叶样品主要采集于安吉县内7个不同的镇（乡），包括高禹镇（15个样品）、递铺镇（74个样品）、上墅乡（15个样品）、昆铜乡（72个样品）、良朋镇（15个样品）、溪龙乡（60个样品）、梅溪镇（15个样品）。其镇（乡）的具体地理位置见图5。

采用SPSS软件对经MSC预处理后的产地内茶叶样品数据进行聚类，聚类结果见图6。由图6可知，递铺镇和昆铜乡明显聚为一类，高禹镇和良朋镇明显聚为一类，梅溪镇和溪龙乡可大致聚为一类，上墅乡单独成一类，这与地图上的镇（乡）地理位置的远近基本吻合。

根据上述树状图可知，可将产地内茶叶的7个采集地聚类为3类，其中递铺镇、昆铜乡、高禹镇、良朋镇为一类;梅溪镇和溪龙乡为一类;上墅乡单独为一类，具体情况见表4。

3 结论

该研究对产地内、外共384个茶叶样品建立定性模型，进行源产地追溯研究，其中产地内为正宗安吉白茶，产地外为非安吉白茶茶样。结果表明，MSC的预处理效果明显优于SNV。利用MSC预处理方法，建立的LDA分类模型的准确率高达100%，同时通过PCA、K-means聚類和HCA聚类等方法进行模型验证，结果显示MSC优于SNV。经MSC预处理后，PCA方法可在前3个PC下清晰聚类，K-means和HCA聚类方法都可将266个产地内和118个产地外样品成功预测出。对正宗安吉白茶的7个茶样采集地进行SPSS聚类分析，其聚类结果与采集地的地理位置远近有对应关系。该研究表明，近红外光谱技术结合MSC预处理和LDA建模能够很好地运用于安吉白茶的源产地追溯，对保护安吉白茶的产地真实性具有重要的作用，同样可借鉴用于其他地标产品的地理位置溯源与保护。

参考文献

[1] 韩树根.实施标准化战略 推进茶产业发展——安吉县建设“全国茶叶标准化示范县”历程[J].中国标准化，2019（9）：32-35.

[2]  胡茶根，赵红霞，边文亮.近红外技术在茶叶快速无损检测方面的研究与应用[J].食品科学，2007，28（10）：638-641.

[3]  白艳，赖建红，汤丹.浅谈安吉白茶一二三产融合发展之路[J].中国茶叶，2018，40（12）：40-42.

[4]  袁玉伟，胡桂仙，邵圣枝，等.茶叶产地溯源与鉴别检测技术研究进展[J].核农学报，2013，27（4）：452-457.

[5]  范方媛，杨梦璇，龚淑英，等.基于近红外光谱技术的白茶3种典型感官滋味特征属性定量评价模型研究[J].茶叶科学，2018，38（3）：296-304.

[6]  陈美丽，张俊，龚淑英，等.茉莉花茶主要品质成分定量近红外光谱分析模型的建立[J].茶叶科学，2013，33（1）：21-26.

[7]  LI L Q，WEI L D，NING J M，et al.Detection and quantification of sugar and glucose syrup in roasted green tea using near infrared spectroscopy[J].Journal of near infrared spectroscopy，2015，23（5）：317-325.

[8]  王曼，张正竹，宁井铭，等.基于近红外光谱的黄山毛峰茶鲜叶品质分析及等级快速评价[J].食品工业科技，2014，35（22）：57-60，64.

[9]  周健，成浩，叶阳，等.基于近红外的 Fisher 分类法识别茶叶原料品种的研究[J].光学学报，2009，29（4）：1117-1121.

[10]  CHEN Q S，ZHAO J W，LIN H.Study on discrimination of Roast green tea（Camellia sinensis L.） according to geographical origin by FTNIR spectroscopy an supervised pattern recognition[J]. Spectrochimica acta part A：Molecular & biomolecular spectroscopy，2009，72（4）：845-850.

[11]  曾智朋，尹春玲，胡乐乾，等.近红外光谱结合SVM识别4种茶叶[J].河南工业大学学报（自然科学版），2013，34（5）：53-57.

[12]  顾玉琦，刘瑞婷，寿国忠，等.应用近红外光谱技术快速鉴别铁皮石斛的产地[J].江苏农业科学，2016，44（5）：365-368.

[13]  刘明地，宋萍，王博.基于大叶三七红外光谱系统聚类分析的产地鉴别[J].华中师范大学学报（自然科学版），2019，53（2）：222-228.

[14]  FU X S，YU X P，YE Z H，et al.Analysis of antioxidant activity of Chinese brown rice by fouriertransformed nearinfrared（NIR）spectroscopy and chemometrics[J].Journal of chemistry，2015，2015（4）：1-5.

[15]  XU L，FU X S，CAI C B，et al.The feasibility of using near infrared spectroscopy for rapid discrimination of aged shiitake mushroom（Lentinula edodes）after longterm storage[J].Journal of chemistry，2015，2015：1-7.

[16]  FU X S，XU L，YU X P，et al.Robust and automated internal quality grading of a Chinese green tea（Longjing）by nearinfrared spectroscopy and chemometrics[J].Journal of spectroscopy，2013（1）：367-383.

[17]  HONG X Z，FU X S，WANG Z L，et al.Tracing geographical origins of teas based on FTNIR spectroscopy：Introduction of model updating and imbalanced data handling approaches[J].Journal of analytical methods in chemistry，2019，2019：1-8.

[18] 宋雪健，钱丽丽，张东杰，等.基于漫反射傅里叶变换近红外光谱技术对不同年份的大米产地溯源检测[J].食品科学，2017，38（18）：286-291.

[19]  TEYE E，AMUAH C L Y，MCGRATH T F，et al.Innovative and rapid analysis for rice authenticity using handheld NIR spectrometry and chemometrics[J].Spectrochimica acta part A：Molecular and biomolecular spectroscopy，2019，217：147-154.

[20]  EISENSTECKEN D，STRZ B，ROBATSCHER P，et al.The potential of near infrared spectroscopy（NIRS）to trace apple origin：Study on different cultivars and orchard elevations[J].Postharvest biology and technology，2019，147：123-131.

[21]  劉广昊，祝诗平，袁嘉佑，等.基于近红外光谱的胡椒产地鉴别方法研究[J].中国调味品，2019，44（5）：58-62，66.

[22]  BARNES R，DHANOA M S，LISTER S J.Standard normal variate transformation and detrending of nearinfrared diffuse reflectance spectra[J].Applied spectroscopy，1989，43（5）：772-777.

[23]  CORONELREYES J，RAMIREZMORALESA I，FERNANDEZBLANCO E，et al.Determination of egg storage time at room temperatureusing a lowcost NIR spectrometer and machine learning techniques[J].Computers and electronics in agriculture，2018，145：1-10.

[24]  WANG H L，PENG J Y，XIE C Q，et al.Fruit quality evaluation using spectroscopy technology：A review[J].Sensors，2015，15（5）：11889-11927.

[25]  吳习宇，祝诗平，黄华，等.近红外光谱技术鉴别花椒产地[J].光谱学与光谱分析，2018，38（1）：68-72.

[26]  刘丽霞.茶叶中6种主要儿茶素的高效液相色谱方法建立及应用[D].南京：南京理工大学，2013.

[27]  MENG W J，XU X N，CHENG K K，et al.Geographical origin discrimination of oolong tea（TieGuanYin，Camellia sinensis（L.）O.Kuntze）using proton nuclear magnetic resonance spectroscopy and nearinfrared spectroscopy[J].Food analytical methods，2017，10（11）：3508-3522.