陈彬　赵梦莹　周晶晶　张雯萍　欧晓西　林振传　林宏政　孙云

摘要：为提升白茶色选拣剔效率，保证产品质量，以寿眉白茶为原料，通过单因素试验探究上料速度、灵敏度、病斑大小3个工艺参数对白茶色选台时产量、选别率和带出比等拣剔效果的影响，并在单因素试验基础上，通过Box-Behnken中心组合试验和响应面分析法优化白茶色选工艺参数。结果表明，上料速度、灵敏度、病斑大小这3个因素对色选拣剔效果有显著影响，且影响程度为灵敏度＞病斑大小＞上料速度；得到最优工艺参数组合为：上料速度95%、灵敏度59.35%、病斑大小30%。与原生产工艺参数相比，优化组选别率能够提高5.02个百分点，带出比降低0.49个百分点。研究结果为充分发挥现代化白茶装备优势提供了理论基础，也为白茶色选应用达到最佳效果提供实际参考。

关键词：白茶；色选；拣剔；响应面法；工艺参数

中图分类号：TS272.5                                          文獻标识码：A                                          文章编号：1000－3150（2023）07-01-8

Optimization of  Shoumei White Tea Color Selecting

Parameters by Response Surface Methodology

CHEN Bin1， ZHAO Mengying1， ZHOU Jingjing1， ZHANG Wenping1， OU Xiaoxi1，

LIN Zhenchuan2， LIN Hongzheng1*， SUN Yun1*

1. College of Horticulture， Fujian Agriculture and Forestry University， Fuzhou 350002， China；

2. Fujian Pinpinxiang Tea Industry Co.， Ltd.， Ningde 355200， China

Abstract： In order to improve the efficiency of white tea color selection and ensure product quality， the effects of three process parameters， namely feeding speed， sensitivity and plaque size， on the picking effect of Shoumei white tea color selection， such as yield， sorting net rate and terror-sorting rate， were explored through single factor test. On the basis of single factor test， the process parameters of color selection were optimized through Box-Behnken center combination test and response surface analysis. The results show that the three factors of feeding speed， sensitivity and plaque size have a significant impact on the picking effect of color sorter， and the degree of impact was sensitivity > plaque size > feeding speed. The optimal combination of process parameters were as follows： feeding speed 95%， sensitivity 59.35%， plaque size 30%. Compared with the original production process parameters， the optimization group selection rate had increased by 5.02% and the takeout ratio was decreased by 0.49%. The research results provided a basis for fully utilizing the advantages of modern white tea equipment， and also provided practical application and theoretical reference for the application of white tea color selection to achieve the best effect.

Keywords： white tea， color selection， picking， response surface method， process parameters

白茶是我国的特色茶类之一，主产于福建福鼎、政和及松溪等地。因其品质特征独特，保健功效突出，备受消费者青睐[1]。近年来，随着白茶产销市场的热度不断提升，对白茶生产的产量和质量也提出了更高要求[2-4]。色选是白茶精制的重要除杂工序，主要用于拣剔茶叶中的蜡叶、红张等茶类夹杂物和松枝、草毛等非茶类异色夹杂物[5]。色选过程利用光电技术，集合CCD摄像机和计算机图像识别功能，通过识别夹杂物与茶叶光学特性的不同，由气阀喷射气流，吹出夹杂物完成拣剔[6-8]。色选机具有自动化程度高、人力需求小、操作简单、生产标准统一等优势[9-11]，已在红茶[12]、绿茶[13]、乌龙茶[14]等茶类加工中广泛应用。而白茶与其他茶类不同，其毛茶夹杂物种类多且颜色与成品茶相似度高，对色选工艺参数设定要求高，若参数设置不当，会严重影响工作效率和拣剔质量。因此，开展白茶色选拣剔工艺参数优化研究十分迫切。

目前，国内外对色选工艺的研究多集中于机械设计和图像识别技术等方面，对加工过程中工艺参数的设置优化研究较少。孙六莲等[15]的试验表明，选净率、单位时间生产率、千瓦小时产量、误选率等参数可以作为色选机性能的统一指标。郑功宇等[16]优化了闽北乌龙茶色选拣剔工艺参数，与对照组相比，优化后的参数组合能使选别率提高6.83个百分点，并使带出比降低0.38个百分点。本研究以寿眉为原料，结合上料速度、灵敏度和病斑大小的单因素试验结果，利用Box-Behnken设计原理进行响应面优化试验设计[17-18]，探明白茶色选机各工艺参数对拣剔效果的影響，优化白茶色选拣剔参数，以期为白茶色选应用达到最佳效果提供实际参考。

1  材料与方法

1.1  主要材料与试剂

于2021年4月采摘福建省福鼎市福建品品香茶业有限公司管阳河山有机茶生产基地的福鼎大毫茶品种一芽三四叶，按照鲜叶→萎凋→干燥的工艺流程加工成寿眉白茶毛茶样品。

1.2  主要仪器与设备

6CSX-300IIIC型茶叶色选机由进料系统、分选系统、检测系统和喷阀机构组成（图1）。毛茶由提升机输送至进料槽，通过振动，毛茶沿下料槽均匀下滑，沿着通道逐层通过分选室观察区[19]，在光源的作用下传感器接受不同物料的合成光，经数字信号处理技术（DSP）处理产生的输出信号[20]，驱动喷阀工作，将杂质吹出通道完成拣剔，达到对毛茶精选的目的[21-22]。6CSX-300IIIC型茶叶色选机搭载智能AI技术，借助微米相机完成色选物料的立体重建，配合红外技术精准定位杂质中心，剔除更加轻柔、破损率更低，可通过参数设定，同时完成色选、形选功能，能够规避白茶物料分散、叶张粘连等带来的分选难题。其中，上料速度参数设置影响6CSX-300IIIC型茶叶色选机的上料机运动速度，参数调整范围为0～100%，当设定参数为100%时，上料机运动速度为1.2 m/s；灵敏度参数设置是色选机光电检测系统的光学信息指标，其参数设定能改变镜头对物料图片信号识别强弱，设置范围为0～100%；病斑大小参数设定影响色选机智能算法据采集图像识别目标大小，以0～100%表示识别目标大小变化。生产加工中主要通过调节以上3个参数来控制色选机的拣剔效果。

1.3  试验方法

1.3.1  单因素试验设计

以上料速度、灵敏度、病斑大小作为自变量，选别率、带出比和台时产量作为白茶色选拣剔效果检验标准，设计单因素试验。上料速度设100%、95%、90%、85%、80%、75%和70%7个水平，各水平灵敏度和病斑大小分别设55%和25%；灵敏度设70%、65%、60%、55%、50%、45%和40%7个水平，此时各水平上料速度和病斑大小分别设90%和25%；病斑大小设40%、35%、30%、25%、20%、15%和10%7个水平，此时各水平上料速度和灵敏度分别设90%和55%。

1.3.2  响应面试验设计

结合单因素试验结果，根据Box-Behnken中心组合设计原理，以选别率和带出比作为响应值，应用Design-Expert V8.0.6软件进行响应面统计分析及绘图，并进行验证试验，建立考察因素与响应值之间的二次多项回归方程模型，响应面试验设计因素和水平如表1所示。

1.3.3  项目测定

参考郑功宇等[16]的方法测定色选机性能指标，其中，选别率（Y1）指毛茶色选后，选出的杂质质量占总杂质质量的百分比，按式（1）计算；带出比（Y2）是拣剔副料口出料中合格茶叶占副料出料总质量的百分比，按式（2）计算；台时产量（w）指单位时间内拣剔毛茶的总质量，按式（3）计算；重复3次取均值作为试验数据。根据每日加工5 t的生产需求和效益需求，要求色选机台时产量不低于312 kg/h，选别率不低于50%，带出比小于8.5%。

式中：m1为选出杂质质量（kg），m2为毛茶中杂质总质量（kg）；n为副料中合格茶叶质量（kg），N为副料出料口总质量（kg）；M为上料总质量（kg），t为色选工作时间（h）。

1.4  数据分析与处理

试验结果数据使用Graph paid、Excel和IBM Statistics软件进行处理分析，响应面分析和求解通过Design-Expert 8.0.6软件进行。

2  结果与分析

2.1  单因素试验结果

2.1.1  上料速度设置对色选效果的影响

上料速度设置对色选拣剔效果的影响如图2所示。台时产量、带出比随着上料速度参数设置值的增加不断增长，选别率则相反。当上料速度参数设置值小于85%时，设备供料过于缓慢，色选台时产量小于312 kg/h，不满足生产需求；而当上料速度大于95%时，供料过快，寿眉本身叶张大，易相互遮掩，一次下落太多，不易完成夹杂物识别，故导致色选工序选别率低于50%，上述情况都不符合实际生产需求，最终选定上料速度范围为85%～95%开展后续的响应面试验。

2.1.2  灵敏度设置对色选效果的影响

由图3可知，当色选灵敏度设置区间为40%～70%之间时，色选工序的台时产量均能够符合日产5 t的生产需求，且该参数设定的值越大，选别率和带出比也越大，台时产量则减少。当灵敏度参数设置小于50%时，选别率低于50%，达不到白茶精加工拣剔效果的要求；当灵敏度大于65%时，夹杂物颜色与茶叶接近时，误拣率升高，导致色选带出比超过8.5%，易造成企业生产成本加大。因此设定灵敏度范围区间为50%～60%进行响应面优化试验。这是由于色选灵敏度工艺参数值调整的色选机算法对夹杂物识别的灵敏度，当参数设定大时，算法对夹杂物识别阈值随之降低，对异色夹杂物的识别更加灵敏，故选别率增加，但目前的识别算法还不够完善，超过一定参数值时，带出比增加，拣剔杂质的同时带出了茶叶，不利于实际生产中企业的效益需求。

2.1.3  病斑大小设置对色选效果的影响

当设定上料速度为90%，灵敏度为55%时，病斑大小对白茶色选机的台时产量、选别率和带出比影响结果如图4所示。病斑大小区间为10%～40%之间，选别率、带出比随着病斑大小设定值的增大而减小，且该区间内色选台时产量均超过312 kg/h。此外，当病斑大小参数设置超过30%时，色选机搭载的算法对夹杂物识别面积要求大，不符合白茶产品中夹杂物面积小的特性，因此色选选别率低于50%。而当病斑大小参数设置低于15%时，色选对夹杂物识别特征面积要求小，拣剔的标准过于严格，致使色选带出比超过了8.5%。因此，综合企业效益和拣剔效果考虑，最終选择以病斑大小区间20%～30%进行响应面优化设计。

2.2  响应面优化白茶色选工艺参数结果

2.2.1  白茶色选工艺参数响应面试验结果

根据单因素试验结果，选取上料速度（A）、灵敏度（B）、病斑大小（C） 3个因素3个水平，以选别率（Y1）和带出比（Y2）作为寿眉白茶色选拣剔效果的综合指标，通过Box-Behnken试验设计对寿眉白茶色选工艺参数设置进行优化，各因素试验设计方案及结果见表2。

2.2.2  回归模型建立

利用Design Expert 8.06软件对表3的数据进行回归拟合分析，建立Y1、Y2的二次多项式回归模型，获得二次项方程如下。

Y1=72.23－1.51A+3.98B－2.22C－0.402 5AB+0.405 0AC－0.502 5BC+1.89A2+1.28B2+1.54C2

Y2=7.39－0.12A+0.323 7B－0.213 7C－0.017  5AB－0.017 5AC+0.02BC+0.047 5A2+0.055B2+0.09C2

2.2.3  回归模型的方差分析

寿眉白茶色选拣剔效果二次多项回归模型的方差分析结果如表3所示。选别率和带出比的回归模型F值分别为10.84和7.9，P <0.05，表明两个模型均具有显著性。失拟项P值为0.762 2和0.839 0，都大于0.05，表明在本次试验参数内，模型拟合程度高；确定系数R2的值为0.933 1和0.910 4，这表明该模型可以较好描述试验结果。综上所述，本次获得的两个模型可以用于预测不同工艺参数组合对白茶色选拣剔效果的影响变化。此外，在选别率模型中因素B对模型有极显著影响，A、C及A2对模型有显著影响；由各F的大小可知，这3个因素对选别率、带出比的影响程度为：B＞C＞A。提高A或提高B或降低C都会使色选过程的带出比增加。可能由于上料速度增加后，削弱了机器对茶叶中含有杂质的判别，误选率提高，所以带出比上升；增加灵敏度，导致色选精度增高，带出比也上升；降低病斑大小参数值设定后，色选算法更容易剔除混合物料，致使带出比上升。根据前文得出的分析结果，探究上料速度A、灵敏度B、病斑大小C 三者协同交互对选别率和带出比的影响，并进行响应面绘制。

2.2.4  交互因素对白茶色选选别率影响分析

上料速度、灵敏度、病斑大小对白茶色选拣剔选别率的交互影响如图5所示。从图5-a可以看出，当C位于中心水平时，降低A、提高B，能够提高选别率；由图5-b可知B位于中心水平时，降低A、C能够提高选别率；由图5-c可知A位于中心时，提高B，减小C，能够提高选别率。结合构建的回归模型及响应面分析结果，可得出总体的影响趋势为上料速度设定值越小、灵敏度设定值越大、病斑大小设定值越小，则白茶色选机的选别率越高。主要原因可能为：上料速度设定值越小时，供料器给料均匀性越高，利于色选镜头的工作，从而提高了选别率；当灵敏度设定值大时，对白茶物料中带有的杂质识别越精准，则选别率提高；当病斑大小设定值小时，对杂质判定要求的标准低，更容易符合拣剔要求，选别率越高。

2.2.5  交互因素对白茶色选带出比影响分析

由图6-a可知，C位于中心水平时，降低A、提高B，色选带出比会增高；由图6-b可知，B位于中心水平时，降低A和C大小设定值会使带出比增高；由图6-c可知，A位于中心水平时，增加B、减小C设定值同样会使色选带出比增高。图6得出的响应面变化规律与前文分析结果相同且模型吻合。

2.2.6  参数优化及验证

由响应面分析结果可知，降低上料速度、提高灵敏度、降低病斑大小能够使色选拣剔选别率增高，但同时会造成带出比的增加。所以要综合考虑各因素对目标变量的影响，进行白茶色选机的工艺参数优化。综上所述，设定选别率最高，带出比最低的优化条件，利用Design-Expert 软件进行优化，得到最优设定为上料速度95%、灵敏度59.35%、病斑大小30%，预测选别率76.03%，带出比为7.50%。验证模型优化后参数的可靠性，采用优化结果进行重复试验，并以原始色选工艺参数组合：上料速度90%、灵敏度55%、病斑大小25%作为对照。结果如表4，从表中可以看出，验证结果与响应面的预测选别率接近，相对误差都小于1个百分点，因此该参数模型是可靠的。此外，与对照组相比，验证组测试的选别率提高了5.02个百分点，带出比降低了0.49个百分点，表明本次试验所得的组合参数可以应用于实际生产中。

3  小結与讨论

通过响应面优化法建立了白茶色选拣剔效果以上料速度、灵敏度、病斑大小3个主要工艺参数的预测模型，不同参数对色选机拣剔效果选别率、带出比的影响程度都为：灵敏度>病斑大小>上料速度。基于响应面优化法得到最优工艺参数为：上料速度95%、灵敏度59.35%、病斑大小30%，验证结果表明，实际值与响应面的预测结果接近，选别率与带出比的相对误差都小于1个百分点。此外，以上料速度90%、灵敏度55%、病斑大小25%参数作为对照，与优化后的验证组参数进行对比，结果显示验证组选别率提高了5.02个百分点，带出比降低了0.49个百分点，这表明色选工艺参数优化后拣剔效果更加理想，更有利于生产提质增效。同时，该研究还为白茶色选拣剔工艺优化和精细化控制及白茶精加工自动化、智能化生产线的建立提供了依据，为充分发挥现代化白茶装备优势提供了理论基础。

参考文献

[1] ZHOU S， ZHANG J M， MA S C， et al. Recent advances on white tea： Manufacturing， compositions， aging characteristics and bioactivities[J]. Trends in Food Science & Technology， 2023， 134： 41-55.

[2] LI Y D， WU T， DENG X J， et al. Characteristic aroma compounds in naturally withered and combined withered γ-aminobutyric acid white tea revealed by HS-SPME-GC-MS and relative odor activity value[J/OL]. LWT， 2023， 176： 114467. https：//doi.org/10.1016/j.lwt.2023.114467.

[3] ZHANG L Z， DAI H M， ZHANG J L， et al. A study on origin traceability of white tea （white peony） based on near-infrared spectroscopy and machine learning algorithms[J/OL]. Foods， 2023， 12（3）： 499. https：//doi.org/10.3390/foods12030499.

[4] WANG Z H ，WANG Z H， DAI W D， et al. The relationship between bacterial dynamics， phenols and antioxidant capability during compressed white tea storage[J/OL]. LWT， 2023， 174： 114418. https：//doi.org/ 10.1016/j.lwt.2022.114418.

[5] 夏涛. 制茶学[M]. 3版.北京： 中国农业出版社， 2016.

[6] WANG Y， WU J B， DENG H， et al. Food image recognition and food safety detection method based on deep learning[J/OL]. Computational Intelligence and Neuroscience， 2021： 1268453. https：//doi.org/ 10.1155/2021/1268453.

[7] SHIMONOMURA K， CHANG T， MURATA T. Detection of foreign bodies in soft foods employing tactile image sensor[J/OL]. Frontiers in Robotics and Ai， 2021， 8： 774080. https：//doi.org/ 10.3389/frobt.2021.774080.

[8] NARLAGIRI L M， RAO S V. Correction to： Identification of metals and alloys using color CCD images of laser?induced breakdown emissions coupled with machine learning[J/OL]. Applied Physics B， 2020， 126（8）： 113. https：//doi.org/ 10.1007/s00340-020-07474-9.

[9] LU Y， WANG W， ZHONG B， et al. Design and experiment of belt screen seed sorter for Camellia oleifera fused with photoelectric color sorting technology （article）[J]. Nongye Jixie Xuebao/Transactions of the Chinese Society for Agricultural Machinery， 2020： 429-439.

[10] ABAD A C， LIGUTAN D D， DADIOS E P， et al. Fuzzy logic-controlled 6-DOF robotic arm color-based sorter with machine vision feedback[J]. International Journal of Advanced Computer Science and Applications， 2018（5）： 21-31.

[11] ALAYA M A A A， T?TH Z， G?CZY A. Applied color sensor based solution for sorting in food industry processing[J]. Periodica Polytechnica： Electrical Engineering & Computer Science， 2019（1）： 16-22.

[12] 周天山， 方世輝， 段成鹏， 等. 基于色选技术的陕南工夫红茶精制工艺[J]. 中国茶叶加工， 2014（3）： 33-37.

[13] 韩震， 王岳梁， 崔娟娟， 等. 机采绿茶生产中高效装备的配置——以宁波福泉山茶场为例[J]. 农业与技术， 2017， 37（10）： 60.

[14] 郭雅玲， 赖凌凌， 刘亚峰， 等. 乌龙茶机采及其分选技术研究进展[J]. 中国农机化学报， 2016， 37（1）： 262-267.

[15] 孙六莲， 严跃滨. 茶叶色选机主要参数试验研究[J]. 农业工程， 2016， 6（1）： 12-14， 18.

[16] 郑功宇， 金心怡， 叶秋萍， 等. 响应面法优化闽北乌龙茶CCD色选机的工艺参数[J]. 福建农林大学学报（自然科学版）， 2015， 44（2）： 135-141.

[17] 屠兰英， 曹建芳， 赵启文， 等. 基于Box-Behnken响应曲面法的硫酸钾盐垢结垢速率影响参数研究[J]. 无机盐工业， 2018， 50（10）： 17-20.

[18] 蔡丽， 陈忠敏， 王富平， 等. Box-Behnken响应面分析法优化桦褐孔菌多糖提取工艺[J]. 重庆理工大学学报（自然科学）， 2017， 31（6）： 113-119.

[19] RAJKUMAR P， ABINAYA K， DEEPA J， et al. Development of a farmer‐friendly portable color sorter cum grader for tomatoes[J/OL]. Journal of Food Process Engineering， 2021， 45（6）. https：//doi.org/ 10.1111/jfpe.13894.

[20] 张德高， 刘敏基， 谢焕雄. 农产品光电色选原理及色选机国内外研究发展现状[J]. 保鲜与加工， 2020， 20（3）： 233-237.

[21] 侯鹏帅， 刘玉乐， 宋欣， 等. 基于智能视觉识别的冬枣分选检测系统设计[J]. 中国农机化学报， 2020， 41（3）： 109-114.

[22] 张德高， 谢焕雄， 胡志超， 等. 花生色选机工作参数优化与试验[J]. 江苏农业科学， 2017， 45（18）： 218-222.

基金项目：“科技助力经济2020”重点专项（SQ2020YFF0417641）、福建省现代农业（茶叶）产业技术体系专项（闽财指〔2021〕637号）、福建农林大学茶产业链科技创新与服务体系建设项目（K1520005A06）、福建张天福茶叶发展基金会科技创新基金（FJZTF03）

作者简介：陈彬，男，硕士研究生，主要从事茶叶品质化学研究。*通信作者，E-mail：linhongzheng2010@126.com；sunyun1125@126.com