基于太赫兹时域光谱与优化后的RFE-SVM框架的绿茶地理起源溯源技术

《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：Geographical origin traceability of green tea based on terahertz time-domain spectroscopy coupled with an optimized RFE-SVM framework

　　

Lihua Hao|Jiatao Li|Zhiwei Hou|Lei Shi|Zhenglong Wu|Fang Zhao|Pengyun Pan|Qunfeng Niu|Peng Li

摘要

快速且客观的地理起源追溯对于维护绿茶的市场价值及地理标志地位至关重要。本研究以信阳毛尖绿茶为典型案例，探讨了将太赫兹时域光谱技术与机器学习相结合用于产地识别的可行性。研究系统比较了不同的光谱预处理策略、四种特征选择算法以及多种分类器。结果表明，在全频段模型中，Raw + SVM的性能最佳；而RFE-SVM是最适合的特征选择策略，它筛选出了110个具有信息量的频率。在基于茶叶样本级划分的独立测试集中，最终的Raw + RFE-SVM模型准确率为0.8833，宏观F1值为0.8819。SHAP分析显示，诸如0.2167 THz这样的若干低频带对模型分类有贡献，可作为潜在的光谱指标。总体而言，本研究表明，太赫兹时域光谱技术结合基于RFE的特征选择和SVM分类方法，有望用于支持信阳毛尖茶的地理起源追溯。

引言

茶叶是全球消费最广泛的非酒精饮料，仅次于水，其消费量甚至超过咖啡和可可等其他主要饮品[1]。茶叶在不同地理区域种植，因此衍生出众多品种。在各类茶叶中，绿茶因其健康益处和独特风味而备受推崇。然而，绿茶的质量和商业价值深受地理因素影响，因此地理起源追溯对于维护市场秩序及地理标志地位极为重要。中国最负盛名的绿茶之一——信阳毛尖，正是具有巨大经济价值和品牌影响力的地理标志产品典范[2]。因此，亟需开发快速、准确且便捷的追溯技术，以验证这类地域特色产品的地理起源和品种信息[3]。

传统上，绿茶地理起源的鉴定依赖于感官评价、化学分析以及稳定同位素技术。尽管这些方法能够在一定程度上实现区分，但它们往往存在主观性强、流程繁琐、样品制备复杂以及成本高昂等问题，这些都制约了快速高效的追溯工作[4]。近年来，光谱技术及数据挖掘算法的进步，使得非破坏性的光谱分析结合机器学习成为茶叶起源追溯领域的关键研究方向。常见的光谱技术包括近红外光谱、中红外光谱、拉曼光谱和荧光光谱，这些技术主要用于检测分子的振动信息[5]。然而，对于绿茶这种复杂的多元体系而言，这些技术在检测微弱的分子间相互作用（如氢键和范德华力）方面灵敏度较低[6]。

太赫兹时域光谱技术是一种新型的非破坏性分析技术，它利用非电离辐射，具备较高的测量灵活性和操作效率。太赫兹辐射的频率范围在0.1–10 THz之间（对应波长为30?μm至3?mm），处于微波和红外波段之间，能够探测分子系统的低能量跃迁，同时还能获得较高的信噪比，从而用于获取样品的吸收光谱[7]、[8]。凭借这些优势，太赫兹时域光谱技术已被广泛应用于生物分子识别、药品分析、农产品质量评估、食品安全检测以及地理起源追溯等领域[9]、[10]、[11]。虽然以往的研究已证明太赫兹时域光谱技术有望用于区分不同地区的中药材、农作物和茶叶样本，但对于同一绿茶品种内部细微地理差异的识别研究仍处于探索阶段。尤其是，目前尚未系统阐明光谱特征与绿茶具体地理起源之间的关联机制。

机器学习算法的引入为光谱数据分析中的深度特征提取和高性能分类提供了新方法。支持向量机、随机森林、极端梯度提升机和多层感知器等算法，在农产品追溯和食品鉴定领域展现了出色的建模能力[12]。其中，支持向量机尤其适合分析太赫兹时域光谱这类复杂数据集，因为它能够处理高维和非线性数据结构[13]。不过，太赫兹光谱通常包含大量冗余或信息量较低的变量，这些变量可能会影响模型的性能和泛化能力。因此，筛选出具有信息量的频率特征并选择合适的分类模型，仍是绿茶地理起源追溯需要解决的重要问题。

为解决这些问题，本研究以信阳毛尖为典型案例，构建了一个基于太赫兹时域光谱技术的机器学习框架，用于绿茶的地理起源追溯。首先，研究比较了不同的光谱预处理策略和分类算法，以确定合适的全频段建模方案。随后，又评估了多种特征选择方法，包括SPA、CARS、PLS-DA-VIP和RFE-SVM，旨在筛选出具有信息量的光谱变量并去除冗余信息。最后，通过独立测试集对所选模型进行验证，以评估其泛化能力。通过这一系列工作，本研究探讨了将太赫兹时域光谱技术、特征选择和机器学习相结合，用于信阳毛尖茶地理起源追溯的可行性。

章节节选

实验样品与仪器

绿茶样品（信阳毛尖）采集自中国河南省信阳市的九个具有代表性的地理产区。这些采样地点包括石河区历史闻名的“五云二泉一村”区域，即云雾山、车云山、吉云山、天云山、连云山，以及黑龙泉、白龙泉和何家寨，还有商城县。如表1所示，

光谱分析

来自九个不同地理产区的信阳毛尖茶叶样品的吸收系数光谱是在0.2–1.6 THz的频率范围内获取的。如图2A所示，所有产区的光谱形态大致相似，其基线随频率呈单调上升趋势。由于不存在明显的吸收峰，仅通过光谱形态很难直观区分不同产地的茶叶。这一观察结果与

讨论

本研究以信阳毛尖为典型案例，通过将太赫兹时域光谱技术与机器学习流程相结合，构建了一套绿茶地理起源追溯框架。在完成茶叶样本级数据划分后，通过反复的内部验证，系统比较了不同的预处理策略、特征选择方法和分类模型。结果表明，在所评估的所有方法中，Raw + RFE-SVM是最佳的建模策略

结论

本研究通过将太赫兹时域光谱技术与社会化的预处理、特征选择和分类建模方法相结合，探讨了绿茶地理起源追溯的可行性。研究结果表明，原始光谱通常比MSC和SNV等传统预处理技术表现更好，这说明保留细微的光谱差异对于区分高度相似的茶叶样本非常重要。在各种特征选择方法中，

利益冲突声明

作者声明，他们不存在任何可能影响本文研究结果的已知利益冲突或个人关系。