近日，我院林杰副教授团队在国际TOP期刊《Food Control》（中科院1区，IF=7.0）发表题为“Quantitative assessment of the curl degree of dry tea leaves via skeleton analysis”（基于骨架分析的干茶卷曲度定量评价）的研究论文。该研究构建了基于图像骨架分析的干茶卷曲度客观评价方法，提出中轴点迭代剪枝算法（MA-IPA）和卷曲指数（Curliness Index，CI），实现了干茶卷曲程度的连续量化与等级划分，为茶叶外形品质的数字化评价和智能化质量控制提供了新方法。
干茶外形是茶叶感官品质评价和等级判定的重要依据，其中卷曲度能够反映鲜叶原料特性以及揉捻、造型等加工过程。目前，茶叶卷曲度主要依赖专业人员进行感官判断，难以满足标准化、数字化和实时质量控制的需求。针对这一问题，研究团队提出MA-IPA算法，可有效去除骨架中的冗余分支并保持结构完整性，提取的“适配骨架”比例达到91.7%，明显优于其他方法，表现出良好的稳定性和结构保持能力。在此基础上，研究团队构建了卷曲指数CI，CI值越大，表明茶叶卷曲程度越高。通过Yeo–Johnson变换对绿茶样品的CI数据进行标准化，研究将卷曲程度划分为“轻度卷曲”“中度卷曲”和“卷曲”三个等级。不同等级绿茶的分析结果表明，随着茶叶等级降低，卷曲指数整体呈下降趋势，说明CI能够有效表征干茶外形特征及其等级差异。
该研究将传统感官评价中的弯曲、扭转和紧结等外形特征转化为可计算、可比较的数字指标，为茶叶卷曲度评价提供了客观、可重复的技术手段。该方法仅需常规图像采集设备，具有成本较低、结果直观和易于集成等特点，未来可应用于揉捻、造型等加工环节的实时监测，以及不同生产批次间的外形一致性控制，为茶叶外形品质评价的数字化、标准化和智能化提供技术支撑。
浙江农林大学茶学与茶文化学院为该论文第一作者单位和通讯作者单位。学院林杰副教授和绍兴市经济作物技术推广中心李腊梅为通讯作者，青年教师陆娅婷和研究生温炜敏为共同第一作者。
图为不同类型茶样使用MA-IPA算法提取的骨架及基于骨架计算的卷曲度值
（文/茶学院 陆娅婷）
