近紅外光譜主要記錄有機分子中含氫基團（C-H，N-H，0-H）振動的倍頻與合頻吸收，這些基團產(chǎn)生的吸收峰特征性強，便于判定和分析，目前已廣泛應用于食品、醫(yī)藥、農(nóng)業(yè)、化工等諸多領域。

?

茶鮮葉和成品茶中內(nèi)含成分的檢測

近紅外光譜技術在茶葉成分的無損檢測上已有較為廣泛的應用，胡永光采用近紅外光譜技術來快速檢測茶鮮葉全氨含量，利用一階導數(shù)和滑動平均濾波（MAF）相結(jié)合的預處理方法，建立偏最小二乘（PLSR）回歸模型，能有效地預測全氨含量，相關系數(shù)達到0.8881，而他采用相同方法對綠茶殺青葉含水率進行檢測，相關系數(shù)為0.819，誤差僅為3.30%，能實現(xiàn)加工過程中茶葉含水率的快速檢測。

Muhammad Zareef采用傅里葉變換近紅外光譜（FT-NIR）對紅茶內(nèi)含成分進行預測，能獲得較好的結(jié)果，他認為遺傳偏最小二乘法（GA-PLS）是預測氨基酸和水提物定量的最佳技術，反向區(qū)間偏最小二乘法（Bi-PLS）是定量分析咖啡因和茶黃素的最佳技術，

陳全勝也用FT-NIR對紅茶8種主要味覺成分進行研究建模，提出BP-AdaBoost模型預測效果較好。

林新基于近紅外光譜法快速測定了綠茶的水分、茶多酚、咖啡堿、氨基酸含量，采用改進偏最小二乘法（MPLS）建立的定標模型，該模型能對水分和茶多酚進行精準預測，R’分別達到0.95和0.85。

?

茶葉等級、品種、產(chǎn)地的檢測和判別

早在20世紀80年代，就有學者對不同地區(qū)、品質(zhì)的134個紅茶茶樣進行研究，證明了近紅外方法和感官審評法較為一致，誤差相當于7個評茶師給出的結(jié)果和4個評茶師給出結(jié)果的平均值之間的誤差，因此該方法在茶葉品質(zhì)判別上具有可行性。

2005年，閻守和用近紅外技術來評估紅碎茶、煎茶、玉露茶的品質(zhì)和價格，證明近紅外的分析結(jié)果和評茶師給出的結(jié)果有很好的相關性。楊丹通過FT-NIR檢測綠茶全氮含量，并根據(jù)嫩度等級建立了綠茶全氨量的子模型，對綠茶品質(zhì)評價提供依據(jù)。L采用NIR 技術結(jié)合聯(lián)合區(qū)間偏最小二乘法（siPLS），能夠快速無損區(qū)分出優(yōu)質(zhì)扁形綠茶，準確率達到93%以上。

在茶葉品種鑒別方面，陳全勝2采用龍井、碧螺春、祁紅和鐵觀音作為樣品，通過標準歸一化（SNV）預處理后利用SIMCA模式識別方法進行建模，四類模型的對未知茶樣的識別率分別是90%，80%，100%和100%，證明該方法確實是一種快速識別茶樣的方法。

李曉麗對5個品種綠茶進行可見-近紅外光譜掃描，通過神經(jīng)網(wǎng)絡把6個主成分和茶葉品種進行對應，學習了125個樣本，建立3層BP人工神經(jīng)網(wǎng)絡模型，茶葉品種的識別率高達100%。

任廣鑫則是對安徽、湖北、云南、緬甸、印度、肯尼亞和斯里蘭卡七個產(chǎn)地的紅碎茶進行掃描，選取4個主成分因子，以一階導數(shù)+SNV為建模的預處理方法時，所建立的識別模型效果最佳，對未知產(chǎn)地紅茶識別準確率達到92.8%，并且認為該方法還可以鑒別安徽、湖北等中小葉種與印度、云南等大葉種的原料種類。

?

茶葉真?zhèn)渭捌渌矫骅b定

在其他方面的檢測，近紅外也有廣泛的應用，趙開飛基于近紅外光譜技術對抹茶摻偽進行定性判別，對純抹茶、摻偽抹茶、摻糖抹茶、摻糊精抹茶、摻桑葉粉抹茶、摻大麥苗粉抹茶進行研究，認為PCA-LDA模型結(jié)果最優(yōu)，預測集識別率均在87.5%以上，辨別率非常高。

寧井銘基于近紅外技術，對普洱茶的發(fā)酵程度和儲存年份進行判別，在發(fā)酵程度方面，ANN 模型交互驗證識別率和預測識別率分別為98.9%和97.8%，而陳化程度與紅外特征譜的1120 ~ 1570 cm「和400 ~853 cm'兩個波數(shù)間吸收峰的強度和峰形密切相關，因此，能為普洱茶的研究提供較為快捷、可靠、準確的方法。

?