近年来我国绿茶总产量居世界首位,但由于茶叶感官评判结果的主观性强以及理化检测时间长、费用高等缺点,无法满足茶叶生产加工和贸易过程中有效成分快速检测的需要。近红外光谱分析技术作为一种快速、低成本、多组分同时检测的绿色分析技术,在食品和农产品品质检测方面正快速替代许多常规理化分析手段。本论文尝试利用近红外光谱分析技术检测绿茶有效成分的可行性,进行了以下几个方面的研究工作:1.利用近红外光谱分析技术结合偏最小二乘法(PLS)定量分析绿茶中的有效成分。在PLS模型建立过程中,优选光谱预处理方法和模型所需要的PLS因子数。在分析绿茶中游离氨基酸、茶多酚和总抗氧化能力(TAC)等三个总体指标中,模型预测集相关系数(R~2)分别为0.9016、0.9042和0.9124。在分析绿茶中咖啡因、表没食子儿茶素没食子酸酯(EGCG)、表儿茶素没食子酸酯(ECG)、表没食子儿茶素(EGC)、表儿茶素(EC)和(+)-儿茶素(C)等单体的含量时,它们的预测集相关系数(R~2)分别为0.9676、0.9604、0.9531、0.9706、0.9212和0.9500。从研究结果可以看出,利用近红外光谱结合PLS算法可以很好地检测绿茶中的有效成分,可为茶叶品质的快速适时检测提供依据。2.特征谱区筛选法优化近红外光谱检测绿茶游离氨基酸的定量分析模型。茶叶近红外光谱区含有大量含氢基团的倍频和合频吸收峰,存在光谱信息重叠的问题,特别是对混合组分(游离氨基酸、茶多酚等),影响模型的精度和稳健性,因此,研究利用特征谱区筛选法优化绿茶有效成分的预测模型以提高PLS模型的精度和稳定性。试验以绿茶中游离氨基酸为研究对象,分别利用区间偏最小二乘、联合区间偏最小二乘、向后区间偏最小二乘和遗传偏最小二乘法等方法来筛选特征光谱区域,并将它们的结果进行比较。从试验结果看,它们都能在提高模型精度的同时降低模型的复杂度,其中联合区间偏最小二乘法得到的结果最佳,该模型预测集的相关系数(R~2)为0.9105。3.绿茶中各儿茶素单体间结构相似,光谱信息相近,在建立的近红外光谱预测各儿茶素单体的定量分析模型时,各儿茶素的光谱信息相互干扰,使得模型过于复杂,降低了模型的鲁棒性。为解决这一问题,研究采用净分析物预处理法(NAP)和正交信号校正法(OSC)对近红外光谱进行预处理以净化光谱信息。试验以绿茶中EGCG、ECG和EGC为研究对象,分别经NAP和OSC进行光谱预处理,通过正交投影的方法来剔除光谱矩阵中与待测组分无关的信息。经NAP光谱预处理后,EGCG、ECG和EGCG三个模型采纳的PLS最佳因子数分别由12、14和13降为2、3和8;经OSC光谱预处理后,EGCG、ECG和EGCG三个模型采纳的PLS最佳因子数分别为5、5和7。结果表明,净分析物预处理法和正交信号校正法都能在保证精度的前提下简化模型,提高模型的鲁棒性。4.绿茶中含有多种有效成分,有些品质指标是多种组分共同作用的结果(如TAC),这种混合组分与光谱信息之间呈现出复杂的非线性关系。试验以绿茶总抗氧化性能为研究对象,分别利用BP神经网络、径向基神经网络和最小二乘-支持向量(LS-SVM)回归等非线性方法建立了绿茶总抗氧化性能的近红外光谱评价模型。试验结果发现,利用径向基神经网络能够得到精度较高的预测模型;相比于两种神经网络模型,基于结构风险最小化原则建立的LS-SVM模型的泛化能力和预测精度俱佳,预测集样本的相关系数(R~2)达到0.9691。研究结果为茶叶有效成分的定量分析提供了一种新的建模方法,同时为这些非线性方法在近红外光谱分析中的具体应用提供了一定的参考。研究表明利用近红外光谱分析技术检测绿茶有效成分是可行的;采用一定的特征谱区选择方法和光谱预处理算法可以优化茶叶有效成分的定量分析模型,提高模型的精度和稳定性;另外,近红外光谱结合非线性的回归算法也适于建立混合组分的定量分析模型。研究为茶叶的快速检测从实验室走向在线检测奠定基础,研究成果对提高我国在茶叶成分的检测水平有着重要意义。