近日，我校国家农产品冷链物流装备研发专业中心主任、工程学院吕恩利副教授团队在国际著名期刊Food Chemistry(IF=9.231) 发表题为“Improving the detection accuracy of the nitrogen content of fresh tea leaves by combining FT-NIR with moisture removal method”的科研论文(论文链接：https://doi.org/10.1016/j.foodchem.2022.134905)。文章以（中国）有限责任公司为第一单位，广东省农业科学院茶叶研究所、美国伊利诺伊大学香槟分校等为参与单位。第一作者和通信作者分别为工程学院郭嘉明副教授和刘妍华副教授。
英红九号是中国著名的红茶，产于广东省英德市。氮含量是衡量茶叶质量的重要指标之一，也是茶叶中许多有机化合物的重要组成部分，如蛋白质、叶绿素和氨基酸等。传统检测氮含量是根据凯氏定氮法测定的，这种方法耗时长、成本高，而且需要专业人员操作。因此，迫切需要开发一种快速、无损的检测方法用于氮含量的检测。目前，近红外光谱技术已广泛应用茶叶的内含物检测、产地识别、质量分级等方面，但大多数研究都是以茶叶干粉末为研究对象。由于茶鲜叶中水分会对光谱造成很大的影响，会大大降低预测模型的准确度，一直是研究中的难点。
本研究首次将外部参数正交化（EPO）方法与FT-NIR近红外光谱技术相结合，研究发现EPO方法能降低水分对光谱的影响，能够显著提高预测模型的准确度。首先，消除光谱中水分对N-H键和C-N键等有效信息覆盖的影响，再结合特征提取方法（VCPA-IRIV），继而建立PLSR预测模型。结果表明，此策略能够显著提高数学模型的预测准确度，且与前人研究结果相比，预测模型的相关系数R²由0.8881提高至0.9371，并且用于建模分析的变量数也由此前的778个降低至18个，大大缩短了数据分析所需时间。这项工作为茶鲜叶内含物的无损检测及实际应用提供了新的思路。
该研究得到了广东省农业科技创新与推广项目(No. 2022KJ101)、广东省农产品保鲜与物流共同技术创新团队(No. 2022KJ145)、提升市县茶叶科技能力促进产业发展专项(403-2018-XMZC-0002-90)等项目的资助。
文图/工程学院