北京林業大學工學院機器視覺與人工智能（MV&AI）實驗室在食品科學領域知名期刊《Food Research International》（中國科學院一區，JCR Q1）上發表論文“Prediction of multi-task physicochemical indices based on hyperspectral imaging and analysis of the relationship between physicochemical composition and sensory quality of tea”。
茶葉是世界三大無酒精飲料之一，茶產業的收益主要源自于名優茶，按品質分級可顯著提升茶葉產業整體產值。然而傳統品質評價技術依賴專業評茶員的感官評價，存在主觀性強、重復性低、耗時費力等問題，因此亟需客觀、高效的茶葉快速品質評價方法與技術。
本研究以針形綠茶為研究對象，聚焦茶葉中水浸出物、可溶性糖、游離氨基酸、茶多酚、咖啡因等 12 項核心理化指標，構建了決定茶葉品質分級的指標體系；融合通過感官評價結果與相關性分析算法，明確了理化成分與茶葉外觀、湯色、香氣、滋味等感官屬性的內在關聯機制；利用牛頓-拉夫遜優化（NRBO）融合多任務回歸（MTR），明確了各理化指標間的內在相關性進行特征增強與協同預測機制；采集了高光譜圖像數據，結合XGBoost、RF、PLSR等機器學習算法，構建了茶葉品質等級的無損、可視化檢測模型。
該研究的創新之處在于突破了傳統單任務預測模型的局限，通過多任務學習框架實現了多指標同步精準預測，深入解析了不同茶葉成分數據間的潛在關聯機制；同時，利用高光譜成像技術實現了茶葉質量的無損、可視化檢測，克服了感官評價主觀性強、重復性低、耗時費力的缺點。
該論文以工學院研究生姜鑫娜為第一作者，王凡副教授、閆磊教授為共同通訊作者，重慶農業科學院、重慶市農業科學院茶葉研究所等單位參與合作研究。該研究得到國家自然科學基金（42401399）、重慶市技術創新與應用發展專項等項目的資助。
論文鏈接：https://www.sciencedirect.com/science/article/pii/S0963996925007938
