近日，茶叶所加工研究室在国际期刊Food Chemistry（中科院农林科学一区TOP，IF=8.5）发表题为“A black tea quality testing method for scale production using CV and NIRS with TCN for spectral feature extraction”的研究论文。茶叶所为论文第一单位，华南农业大学工程学院为论文第二单位。联合培养研究生梁建华和华南农业大学郭嘉明副教授为论文共同第一作者，茶叶所乔小燕研究员为论文通讯作者。

　　茶叶品质评价对生产工艺改进、市场流通价格、品牌建设等均影响较大。然而现行的感官审评方法主观性较强，无法客观量化评价茶叶品质。

　　该研究表明利用基于计算机视觉、近红外光谱、深度学习的多源信息融合技术，可以快速评价同等原料嫩度英德红茶（英红九号一芽二叶）的品质等级。采用TCN时序卷积网络（Temporal Convolutional Network ）提取光谱质量特征并融合红茶外观质量特征、滋味因子特征后构建的模型，准确率可达98.2%。该研究为茶叶综合品质快速评价提供了一种有效的方法。

　　该研究得到了提升市县茶叶科技能力促进产业发展项目(403-2018-XMZC−0002-90)、毕节市揭榜挂帅项目(BKH Major Project No. 5 (2022))和贵州省科技计划项目(QKH Support No. 165 (2024)的资助。

　　原文链接：http://www.sciencedirect.com/science/article/pii/S0308814624032175

　　近两年，茶叶所加工研究室在利用多源信息融合技术快速量化评价红茶品质方面取得了较好进展，发表论文4篇Food Chemistry 464 （2025）141567，Food Chemistry 440（2024）138242，Journal of Food Engineering 369（2024）111931，包装工程（2024）；授权发明专利3件（基于NIRS与CV的茶叶品质等级检测方法和系统ZL 202311026399.6；茶叶品质等级分类方法及装置、设备、存储介质ZL202210505674.1；评估茶叶滋味、香气和整体感官方法、系统、设备及介质ZL2023114833192.1）。