實時無損精準監測茶樹鮮葉品質成分含量是實現茶園精準優質栽培管理的關鍵環節。繼前期在茶樹長勢與氮素營養無損監測方面取得突破后，近日，房婉萍教授團隊在該方向上進一步取得重要進展，成功構建融合高光譜特征工程與建模技術的智能無損品質監測方法，實現了從樹體長勢監測向品質成分監測的縱深拓展。相關成果論文“Advanced hyper-spectral feature engineering for real-time prediction of tea quality in support of high-grade cultivation”發表在農業工程與信息科學交叉領域的國際權威期刊Computers and Electronics in Agriculture上。

研究聚焦于茶多酚、游離氨基酸及酚氨比（TP/AA）等關鍵茶鮮葉品質指標，面向江蘇省六個典型茶園，于春、夏、秋三個季節系統采集茶樹冠層高光譜數據，并同步開展葉片生化測定與氣象監測，確保模型訓練所需數據的多樣性與時空代表性。通過引入諧波分析與小波變換等時頻域方法，實現了對光譜數據潛在周期性與多尺度特征的深度挖掘。模型構建方面，團隊綜合使用隨機森林（RF）、最小絕對收縮與選擇算子（LASSO）以及偏最小二乘回歸（PLSR）三種主流機器學習算法，對比分析模型性能，確保結果的穩健性與適用性。在進一步融入多時間尺度的氣象變量后，模型精度顯著提升，驗證了遙感與氣象多源信息融合在茶葉品質動態監測中的潛力。季節性對比結果亦表明，秋季模型性能最優，其次為夏季與春季，反映出品質指標在不同時期的生物合成規律與遙感響應差異。本工作是在前期茶樹長勢與養分監測研究基礎上的延續與深化，不僅進一步驗證了高光譜技術在茶園管理中的實用性，也開創性地將諧波分析與小波分析協同引入茶葉品質無損預測中，探索形成一套具有普適性與推廣潛力的鮮葉品質監測范式。研究為我國茶園高質量發展、精準采摘調度與智慧栽培管理提供了關鍵技術支撐。

本研究由南京農業大學園藝學院房婉萍教授擔任通訊作者，鐘山青年研究員江杰與碩士研究生周官子為共同第一作者。團隊成員姬浩田、潘榮玉、楊壘、趙蘇慧、方子迪，朱旭君副教授和馬媛春老師，以及農學院劉小軍教授亦參與了部分研究工作。項目獲得國家現代農業（茶葉）產業技術體系、國家自然科學基金、中國博士后科學基金及國家資助博士后研究人員計劃等多項支持。

圖1 春季鮮葉品質指標與不同光譜特征（反射率、諧波、小波）的相關性分析

圖2 三特征型高光譜指數與春季鮮葉品質參數間的定量模型決定系數