高光譜技術從20世紀80年代起逐漸進人人們的視野。通過搭載在不同空間平臺上的高光譜傳感器，即成像光譜儀，在電磁波譜的紫外光、可見光、近紅外光和中紅外光區域，以大量細分的光譜波段對目標材料進行成像！8]，相比一般光譜分析可提取更多的光譜特征參數，更準確、全面地表征被測物質。高光譜技術起步于軍事領域，隨著高光譜圖像技術的出現和快速發展，在水稻、小麥、棉花、水果、肉類等農產品品質檢測方面已逐漸顯示出其突出優勢。

?

茶葉品質指標包括外部（色澤和外形等）和內部品質指標（滋味和香氣等）。目前學術界在采用儀器分析茶葉綜合品質時，多應用光譜技術獲取茶葉的內部品質信息，借助計算機視覺技術反映茶葉的外部品質特征[]，尚未能利用單一的檢測手段全面地描述茶葉品質，儀器檢測結果帶有不可避免的局限性，品質評定結果必然會受到影響，易引起爭議。高光譜圖像技術是高光譜技術和圖像處理技術的融合，兼具光譜分析能力和圖像分辨能力，同時對茶葉內外部品質進行檢測，對各種品質特征進行全面的可視化分析，增強茶葉品質評定結果的可靠性和穩定性，達到科學計量化的品質評定要求。

?

茶葉內質成分的定量分析

趙杰文等[23]以茶樹鮮葉為分析對象，采集其高光譜圖像數據，提取相應的光譜特征參數，結合葉綠索含量的參考測量值，并引入7種高光譜圖像數據處理算法，建立相應的定量模型。結果顯示，二次土壤調節植被指數（modified second soil-adjusted vegetation index，MSAVI2）模型的預測精度最高，其相關系數可達0.8323，表明了利用高光譜技術進行茶葉葉綠素定量分析的可靠性，為進一步分析茶葉成分及營養素診斷提供依據。

茶葉品質判別

迄今為止，高光譜技術在茶葉品質評定和等級判別上的應用多集中在綠茶上，如陳全勝等[24]以4個等級的炒青綠茶為試驗對象，采集茶葉高光譜圖像數據，優選出3個特征波長下的18個特征變量，進行主成分分析，最終以8個主成分建立的等級判別模型效果最佳，模型預測全樣本正判率達到 94%。蔣帆等[25.26]分別應用高光譜技術和高光譜一圖像結合技術提取不同等級龍井茶的光譜特征參數和圖像特征，并結合支持向量機計量方法，構建龍井茶的等級識別模型，所建模型的識別率分別達到98.3%和89%，精度較高，判別結果較好。

我國六大茶類品質各異，有些茶葉更有清香、濃香以及輕、重焙火之分，不利于我國茶葉的準確定級。光譜技術在綠茶等級判別上的成功應用為我國紅茶、烏龍茶、黑茶、白茶、黃茶的準確定級提供了借鑒，對進一步實現茶葉科學定級、完善茶葉標準體系，規范茶葉市場的運行具有很大的促進和帶動作用。

?