北京林业大学工学院机器视觉与人工智能（MV&AI）实验室在食品科学领域知名期刊《Food Research International》（中国科学院一区，JCR Q1）上发表论文“Prediction of multi-task physicochemical indices based on hyperspectral imaging and analysis of the relationship between physicochemical composition and sensory quality of tea”。

茶叶是世界三大无酒精饮料之一，茶产业的收益主要源自于名优茶，按品质分级可显著提升茶叶产业整体产值。然而传统品质评价技术依赖专业评茶员的感官评价，存在主观性强、重复性低、耗时费力等问题，因此亟需客观、高效的茶叶快速品质评价方法与技术。

本研究以针形绿茶为研究对象，聚焦茶叶中水浸出物、可溶性糖、游离氨基酸、茶多酚、咖啡因等 12 项核心理化指标，构建了决定茶叶品质分级的指标体系；融合通过感官评价结果与相关性分析算法，明确了理化成分与茶叶外观、汤色、香气、滋味等感官属性的内在关联机制；利用牛顿-拉夫逊优化（NRBO）融合多任务回归（MTR），明确了各理化指标间的内在相关性进行特征增强与协同预测机制；采集了高光谱图像数据，结合XGBoost、RF、PLSR等机器学习算法，构建了茶叶品质等级的无损、可视化检测模型。

该研究的创新之处在于突破了传统单任务预测模型的局限，通过多任务学习框架实现了多指标同步精准预测，深入解析了不同茶叶成分数据间的潜在关联机制；同时，利用高光谱成像技术实现了茶叶质量的无损、可视化检测，克服了感官评价主观性强、重复性低、耗时费力的缺点。

该论文以工学院研究生姜鑫娜为第一作者，王凡副教授、闫磊教授为共同通讯作者，重庆农业科学院、重庆市农业科学院茶叶研究所等单位参与合作研究。该研究得到国家自然科学基金（42401399）、重庆市技术创新与应用发展专项等项目的资助。

原文链接

https://www.sciencedirect.com/science/article/pii/S0963996925007938

（请点击标题查看）