茶叶是一种健康饮品,古有“神农尝百草,日遇七十二毒,得茶而解之”,今有茶叶防癌、抗氧化、提高免疫力、降血压、降血糖等保健功效的各种科学佐证。随着这一观念逐渐深入人心,全球的茶叶消费量逐年提高,而茶叶标准化问题也越来越受到人们的关注。茶叶种类、产地、品种、等级的快速准确判别以及生化成分的快速无损检测一直是困扰茶叶生产者及消费者的重要课题,光谱技术因具有绿色、准确、简便、实时、无损等优点,为上述问题提供了解决契机。本研究分别应用近红外光谱技术和高光谱技术,结合化学计量学的研究方法,建立相关数学模型,进行茶叶品质的定性及定量分析,以期为后续研究提供方法借鉴,促进我国的茶叶标准化进程。本文研究内容及结果如下:(1)以六大茶类370个茶叶样本为研究对象,采集所有茶样的近红外光谱数据,对其进行6种不同的光谱预处理,并引入支持向量机(Support Vector Machine,SVM)算法,建立茶类判别模型并对其进行验证和优化。结果显示,以255个样品建立模型,115个样品用于模型验证,选用原始平滑预处理方式,以径向基(RBF)函数作为支持向量机模型的核函数,当惩罚参数C=105、核参数g=0.0015时,所建SVM模型精度最高,其对未知种类的茶叶样品正确判别率可达94.78%,相关系数R2为0.92,预测均方根误差(RESEP)为0.38,可将六大茶类进行很好的区分,显示了应用近红外光谱技术进行茶叶种类判别的可行性。(2)以各产地(闽北、闽南、广东、台湾)乌龙茶近红外光谱数据和闽南各品种(铁观音和非铁观音茶叶)茶叶的近红外光谱数据为输入量,结合支持向量机的核函数和相关参数,建立乌龙茶产地判别模型及闽南乌龙茶品种判别模型并进行验证和优化。结果显示,一阶导数归一化预处理后的乌龙茶产地判别SVM模型和闽南乌龙茶品种判别SVM模型效果较好,二者的验证集正确判别率、验证相关系数R2、预测均方根误差(RMSEP)分别为94.87%、0.87、0.35和100%、1、0,判别效果显著,显示了近红外光谱技术在茶叶产地及品种判别方面具有良好的应用潜力。(3)应用高光谱技术结合支持向量机(SVM)分类理论对不同等级的铁观音茶叶进行判别分析。采集铁观音各等级茶样的高光谱数据,提取红边幅值、蓝边位置、黄边面积、红谷反射率、归一化植被指数等共20个光谱特征参数,以其作为输入量带入以径向基(Radial Basis Function,RBF)函数作为核函数的支持向量机分类模型,探讨惩罚参数C和核参数g的最佳取值,构建判别模型,并对其进行验证和评价。结果显示,当惩罚参数C和核参数g分别为106和0.0075时,所建模型对未知等级的铁观音样品正确判别率可达92.86%,表明了应用高光谱技术进行铁观音茶叶等级的快速无损准确鉴别是可行的。(4)基于铁观音样品的近红外光谱数据和依据GB/T 8313-2008测得的茶多酚含量实际值,采用偏最小二乘(PLS)多元统计方法建立铁观音中茶多酚定量模型。结果显示:采用二阶导数归一化预处理方式得到的回归方程效果相对较好,但精度仍然较低。模型预测相关系数R=0.73,RESEC=0.91,误差较大,其原因是:茶多酚是多元酚混合物,相关基团的吸收带灵敏度较低,且易受干扰;乌龙茶为半发酵茶类,茶多酚物质组成结构相对复杂,建模困难;实验样本量略少,影响模型精度。