利用ATR–FTIR光谱与机器学习技术，开发并验证用于快速判定斯里兰卡茶叶地理来源的分析工作流程

《Microbiology Resource Announcements》：Development and validation of an analytical workflow for rapid screening of Sri Lankan tea geographical origin using ATR–FTIR spectroscopy and machine learning

　　

• •
  ATR–FTIR技术可快速筛查茶叶的地理起源。
• •
  通过来自五个国家的490份茶叶样本，对该分析流程进行了验证。
• •
  支持向量机在多类分类中实现了98.6%的准确率。
• •
  二元分类方法以超过99%的准确率可区分斯里兰卡茶叶。
• •
  该方法的性能通过保留样本、商业样本以及外部样本组进行了验证。

引言

由于茶叶的地理起源直接关系到产品质量、市场价值以及供应链的可追溯性，尤其是那些带有地理起源标签和认证的茶叶产品，因此根据地理起源对茶叶进行分类变得越来越重要[1]、[2]。茶叶的起源受气候条件、土壤特性、海拔高度以及种植方式的影响，而这些因素共同决定了茶叶叶子的生化成分，包括多酚、咖啡因、氨基酸以及矿物质元素[3]、[4]。这些成分差异使得不同地区的茶叶具有不同的感官特性和经济价值，尤其是像斯里兰卡（锡兰）茶叶这类高价值产品，由于其价格较高，因此在全球供应链中很容易出现起源标注错误的情况[2]。

目前已有多种分析技术被用于确定茶叶的起源，包括紫外-可见光谱法、傅里叶变换红外光谱法与近红外光谱法、X射线荧光光谱法、气相色谱-质谱联用技术、高效液相色谱法、同位素比值质谱法、电感耦合等离子体质谱法以及核磁共振波谱法[5]。虽然基于质谱和色谱的方法具有较高的灵敏度且能提供详细的成分信息，但它们往往耗时较长、成本较高，还需要专业的操作人员，因此不太适合用于常规筛查[3]。相比之下，像傅里叶变换红外光谱这样的振动光谱技术则是一种快速且经济有效的替代方法，它能够在几乎无需样品预处理的情况下直接分析复杂的食品样本[6]。

由于傅里叶变换红外光谱能够捕捉到全面的生化特征指纹，因此被广泛用于食品的分类和筛查工作；不过，由于其光谱的复杂性以及谱带之间的重叠现象，需要借助化学计量学方法才能对其进行分析并得出有意义的结论[7]、[8]。在食品真实性研究中，根据不同的分析目标，人们会采用多种多元定性方法，包括筛查、分类、鉴定以及欺诈检测等[9]。诸如偏最小二乘判别分析、支持向量机、随机森林以及K最近邻算法等监督分类方法，在分析光谱数据集中的细微成分差异方面展现出巨大潜力[10]、[11]。类似的化学计量学和多元分类方法也被广泛应用于各种食品的真实性评估，包括橄榄油、蜂蜜、葡萄酒、香料以及乳制品等[12]、[13]、[14]。在这些方法中，偏最小二乘判别分析因其易于理解而被广泛使用，而一些非线性模型则通常能在处理复杂的光谱数据集时提供更好的预测性能。因此，对比不同分类策略的性能已成为光谱食品鉴定研究中的一个重要内容[8]。

先前的研究表明，将ATR–FTIR光谱技术与化学计量学方法以及机器学习方法相结合，可以有效地区分不同地理来源的茶叶[15]、[16]、[17]、[18]、[19]。最近，Li等人[1]进一步将这些方法拓展到全球范围内的茶叶起源分类，并采用了多种机器学习算法。补充表S1汇总了过去五年间发表的关于茶叶地理起源鉴定的代表性光谱研究，涵盖了这些研究的分析范围、验证方法以及主要局限性。总体而言，这些研究都证明了振动光谱技术在茶叶鉴定方面的巨大潜力。不过，最近的综述普遍指出，要更广泛地应用光谱鉴定技术，不仅需要在分类算法方面不断取得进展，还需要建立标准化的分析流程，包括严格的分析验证、提升模型的通用性，以及使其能够实际应用于日常的食品质量控制工作中[12]、[13]、[14]、[18]、[20]。此外，大多数已发表的研究主要集中在将茶叶样本归类到几个预定义的地理来源中的多类分类框架上。然而，在监管检查以及商业质量控制活动中，往往更需要的是确认产品的真实性，而非确定其确切的起源地。在这种情况下，研究的主要目标是判断某款标称为斯里兰卡（锡兰）茶叶的产品是否符合其宣称的起源，而非找出最可能的替代来源[21]。因此，一种用于区分斯里兰卡茶叶与非斯里兰卡茶叶的二元分类框架，对于日常筛查工作来说是一种更为实用且以决策为导向的方法。

为了解决这些局限性，本研究开发并评估了一种基于ATR–FTIR光谱技术的分析流程，用于黑茶的地理起源鉴定。该分析流程将优化后的光谱预处理、线性与非线性机器学习分类器的对比分析、多次分层交叉验证、独立的保留样本测试、外部样本组验证以及商业市场样本评估整合到了同一个分析验证框架之中。除了传统的多类分类方法外，本研究还构建了一个用于区分斯里兰卡茶叶与非斯里兰卡茶叶的二元筛选模型，以便更好地应对日常监管和商业筛查中出现的真实性验证需求。本研究的主要贡献并非提出新的机器学习算法，而是建立了一套经过严格验证的基于ATR–FTIR技术的地理起源鉴定分析流程，为基于光谱技术的食品真实性筛查提供了更加可靠且实用的框架。

章节节选

样本收集

本研究共收集了490份黑茶样本，这些样本来自斯里兰卡以及中国、印度、越南和肯尼亚这四个主要的茶叶生产国。斯里兰卡的样本共有245份，分别来自该国七个官方认定的茶叶种植区，即努沃勒埃利耶、丁布拉、乌瓦、乌达普塞拉瓦、康提、鲁胡纳以及萨巴拉加穆瓦，每个地区各采集了35份样本，以确保样本的代表性强。来自中国、印度、越南和肯尼亚的黑茶样本数量分别为60份、65份、60份和60份。

利用傅里叶变换红外光谱对茶叶进行特征分析

图1展示了来自肯尼亚、越南、中国、印度以及斯里兰卡的黑茶样本在5500–450?cm^?1波长范围内的平均傅里叶变换红外光谱图。

总体来看，所有地理来源的茶叶光谱特征都较为相似，差异主要体现在各谱带的相对强度上，这一结果与之前的傅里叶变换红外光谱研究结果一致[19]、[32]。植物源样本中振动谱带的广泛重叠现象，进一步凸显了运用多元化学计量学方法的重要性。

结论

本研究表明，将ATR–FTIR光谱技术与化学计量学方法以及机器学习方法相结合，是一种有效且可行的策略，可用于快速筛查茶叶的地理起源。通过使用来自五个主要茶叶生产国的490份多样化的样本，无论是多类分类模型还是二元分类模型都展现出了较高的预测性能，其中像支持向量机以及随机森林这样的非线性分类模型的性能甚至优于传统的分类方法。

人工智能工具的应用

在撰写本文的过程中，作者们使用了ChatGPT（OpenAI）来协助语言润色工作。在使用该工具之后，作者们对内容进行了必要的审核和修改，并对最终发表的文章内容负全责。

CRediT作者贡献说明

Kasun Binduhewa：文章撰写——审阅与编辑、文章撰写——初稿撰写、可视化分析、验证工作、软件应用、方法设计、研究实施、正式分析、数据整理、概念构建。Thilini Amalka：方法设计、正式分析。Champa Dissanayake：项目管理工作、资金筹集。Nadeeka Damayanthi：方法设计、正式分析。Rohana Chandrajith：文章撰写——审阅与编辑、项目监督。Saman Hettiarachchi：项目监督。Mahasen Ranatunga：项目监督。Nelum Piyasena：

利益冲突声明

作者声明自己不存在任何可能影响本文研究结果的已知财务利益关系或个人关系。

Kasun Binduhewa|Thilini Amalka|Champa Dissanayake|Nadeeka Damayanthi|Rohana Chandrajith|Saman Hettiarachchi|Mahasen Ranatunga|Nelum Piyasena