实时无损精准监测茶树鲜叶品质成分含量是实现茶园精准优质栽培管理的关键环节。继前期在茶树长势与氮素营养无损监测方面取得突破后，近日，房婉萍教授团队在该方向上进一步取得重要进展，成功构建融合高光谱特征工程与建模技术的智能无损品质监测方法，实现了从树体长势监测向品质成分监测的纵深拓展。相关成果论文“Advanced hyper-spectral feature engineering for real-time prediction of tea quality in support of high-grade cultivation”发表在农业工程与信息科学交叉领域的国际权威期刊Computers and Electronics in Agriculture上。
研究聚焦于茶多酚、游离氨基酸及酚氨比（TP/AA）等关键茶鲜叶品质指标，面向江苏省六个典型茶园，于春、夏、秋三个季节系统采集茶树冠层高光谱数据，并同步开展叶片生化测定与气象监测，确保模型训练所需数据的多样性与时空代表性。通过引入谐波分析与小波变换等时频域方法，实现了对光谱数据潜在周期性与多尺度特征的深度挖掘。模型构建方面，团队综合使用随机森林（RF）、最小绝对收缩与选择算子（LASSO）以及偏最小二乘回归（PLSR）三种主流机器学习算法，对比分析模型性能，确保结果的稳健性与适用性。在进一步融入多时间尺度的气象变量后，模型精度显著提升，验证了遥感与气象多源信息融合在茶叶品质动态监测中的潜力。季节性对比结果亦表明，秋季模型性能最优，其次为夏季与春季，反映出品质指标在不同时期的生物合成规律与遥感响应差异。本工作是在前期茶树长势与养分监测研究基础上的延续与深化，不仅进一步验证了高光谱技术在茶园管理中的实用性，也开创性地将谐波分析与小波分析协同引入茶叶品质无损预测中，探索形成一套具有普适性与推广潜力的鲜叶品质监测范式。研究为我国茶园高质量发展、精准采摘调度与智慧栽培管理提供了关键技术支撑。
本研究由南京农业大学园艺学院房婉萍教授担任通讯作者，钟山青年研究员江杰与硕士研究生周官子为共同第一作者。团队成员姬浩田、潘荣玉、杨垒、赵苏慧、方子迪，朱旭君副教授和马媛春老师，以及农学院刘小军教授亦参与了部分研究工作。项目获得国家现代农业（茶叶）产业技术体系、国家自然科学基金、中国博士后科学基金及国家资助博士后研究人员计划等多项支持。
图1 春季鲜叶品质指标与不同光谱特征（反射率、谐波、小波）的相关性分析
图2 三特征型高光谱指数与春季鲜叶品质参数间的定量模型决定系数
阅读次数：49
【 转载本网文章请注明出处 】
