响应面法优化闽北乌龙茶CCD色选机的工艺参数

郑功宇, 金心怡, 叶秋萍, 陈寿松, 李 丹, 方 慧

(福建农林大学园艺学院，福建 福州 350002)

响应面法优化闽北乌龙茶CCD色选机的工艺参数

郑功宇, 金心怡, 叶秋萍, 陈寿松, 李 丹, 方 慧

(福建农林大学园艺学院，福建 福州 350002)

以闽北乌龙茶CCD色选机为研究对象，通过单因素试验探明色选机茶叶流量、一号色选灰度阈值和二号色选灰度阈值3个因素对台时产量、选别率和带出比的影响，再根据Box-Behnken设计原理和响应面法优化色选的工艺参数.结果表明，3个因素对选别率和带出比影响显著，最佳工艺条件为：流量3.0×10-4m3·s-1、一号色选灰度阈值170和二号色选灰度阈值180.以色选机初始生产工艺参数作对照进行模型验证试验得出：验证值与预测值相接近，相比对照组的选别率提高了11.590%，带出比下降了5.748%，表明该优化工艺参数适用于CCD色选机拣剔闽北乌龙茶作业.

闽北乌龙茶; CCD色选机; 工艺参数; 响应面法

闽北乌龙茶是福建大宗出口茶的特色产品，年出口量八千吨左右[1-2]，约占福建乌龙茶出口总量的60%，约占中国乌龙茶出口总量的36%[3-4].乌龙茶采摘一芽三四叶，鲜叶较成熟且加工工艺复杂，导致毛茶茶梗和杂质较多.传统乌龙茶拣剔采用手工拣梗或使用阶梯式拣梗机、静电拣梗机拣梗等方式，误拣率高，费工耗时，拣剔质量和效率不能适应茶叶加工清洁化的要求[5-7].乌龙茶出口面临的技术性贸易壁垒[8-9]与出口成本的提高，迫切要求拣剔工艺的精准化，以实现茶叶加工的智能、高效发展.

CCD茶叶色选机是利用茶叶与茶梗及非茶类夹杂物之间的光学信息不同，将与正茶异色的茶梗等夹杂物剔除，拣剔效率高，近年来在茶叶精加工拣剔工序中被广泛应用.目前茶叶色选机的研究主要集中于色选机终端产品的设计与研发，包括高分辨率、高灵敏度光电传感器[10]，高速CCD图像信号采集与传输技术[11-12]，高精度、多通道色选技术[13]，高分辨率视频控制算法的精密控制系统[14-16]等高新技术[17]；而针对茶叶色选机的工艺研究甚少，仅有定性讨论工夫红茶等红茶色选理论[18-19]的报道.茶叶原料的差异，不同茶类、不同品种茶、同一品种不同等级茶的拣剔标准不同[18]，色选机操作的不规范，直接导致了茶叶质量的下降和生产成本的提高，这使得开展茶叶色选机精细而全面的工艺参数优化研究显得更加紧迫.

本试验以福建省建瓯市龙兴茶叶有限公司主要出口产品水仙品种6级(Y306)为原料，在单因素试验的基础上，根据Box-Behnken设计原理进行响应面试验设计[20]，分别以选别率和带出比为响应指标优化闽北乌龙茶CCD色选机的工艺参数，以探明茶叶色选机各工艺参数的影响机制，逐步建立有效的工艺参数数据库，充分发挥色选设备的优势，为闽北乌龙茶其他品种茶叶的色选提供技术依据，为实现茶叶色选机的精准化、智能化控制提供理论基础.

1 材料与方法

1.1 材料

闽北乌龙茶出口水仙品种6级(Y306)由建瓯市龙兴茶叶有限公司提供.Y306是目前闽北乌龙茶出口的主要产品，具有较强的应用代表性.

6CSX-256型CCD智能茶叶色选机(安徽中科光电色选机械有限公司)由供料系统、光电检测系统、分选系统和电控系统4个部分组成，通过光电检测系统对茶物料的光谱特性进行分析，对色泽不匹配的茶梗等异色杂质用压缩空气吹出[21-22].色选机采用双镜头双面色选[18]，分别称为一号色选和二号色选；一、二号色选镜灰度阈值(简称色选阈值)为光电检测系统的光学信息指标，色选阈值为0-255时，表示茶物料亮度从深到浅，图像颜色从黑到白，色选阈值需由用户设定.CCD茶叶色选机是闽北乌龙茶精加工企业应用最为普遍的一款智能化拣剔设备.

1.2 试验设计

1.2.1 单因素试验 选定色选机茶叶流量、一号色选阈值和二号色选阈值3个因素，以选别率、带出比和台时产量作为闽北乌龙茶拣剔效果指标.单因素试验设计因素和水平见表1.

表1 单因素试验的因素水平设计表1)Table 1 Factors and levels design of single factor experiment

1)单因素试验时的其他参数水平：流量3.5×10-4m3·s-1，一、二号色选阈值均为170.

1.2.2 响应面优化试验 根据Box-Behnken设计原理，选取流量(A)、一号色选阈值(B)和二号色选阈值(C)为自变量，分别以选别率(Y1)和带出比(Y2)作为响应值，即设Y1=f(A，B，C)和Y2=f(A，B，C)，建立考察因素与响应值之间的二次多项回归方程模型.应用Design-Expert V8.0.6软件进行响应面数理统计分析及绘图，并进行验证试验.响应面试验设计因素和水平表见表2.

表2 Box-Behnken设计的响应面试验因素水平设计表1)Table 2 Factors and levels of Box-Behnken response surface design

1)流量，一、二号色选阈值通过控制面板调节.

1.3 项目测定

参照文献[7]的方法测定选别率、带出比和台时产量.选别率表示含有异色物的茶叶经过色选后, 选出的杂质重量占茶原料中所含杂质总重的百分比；带出比表示茶叶经过色选后，其副品带出料中所含合格茶叶的重量占副品带出料总重的百分比；台时产量表示色选机单位时间内拣剔的茶物料重量.

依据该批次出口闽北乌龙茶拣剔加工需要，要求台时产量≥200 kg·h-1，选别率≥50%，带出比≤7%.在台时产量符合要求的条件下，尽可能提高选别率，降低带出比.

2 结果与分析

2.1 单因素试验结果

2.1.1 流量对选别率、带出比和台时产量的影响 设定一、二号色选阈值均为170，流量对闽北乌龙茶选别率、带出比和台时产量的影响如图1所示.

图1 流量对选别率、带出比和台时产量的影响Fig.1 Effect of tea flow on sorting net rate, error-sorting rate and picking tick efficiency

由图1可知：当流量<3.0×10-4m3·s-1时，色选机的台时产量<200 kg·h-1；当流量>4.0×10-4m3·s-1时，选别率<50%，都不符合生产需求.因此选定流量为(3.0-4.0)×10-4m3·s-1进行响应面优化试验.

2.1.2 一号色选阈值对选别率、带出比和台时产量的影响 设定流量为3.5×10-4m3·s-1，二号色选阈值为170，一号色选阈值对闽北乌龙茶选别率、带出比和台时产量的影响如图2所示.

图2 一号色选阈值对选别率、带出比和台时产量的影响Fig.2 Effect of the gray threshold of No.1 color selection mirror on sorting net rate， error-sorting rate and picking tick efficiency

由图2可知：一号色选阈值为140-200时，台时产量>200 kg·h-1；一号色选阈值≤170时，选别率<50%；一号色选阈值>190时，带出比>7%.因此选定一号色选阈值为170-190进行响应面优化试验.

2.1.3 二号色选阈值对选别率、带出比和台时产量的影响 设定流量为3.5×10-4m3·s-1，一号色选阈值为170，二号色选阈值对闽北乌龙茶选别率、带出比和台时产量的影响如图3所示.

图3 二号色选阈值对选别率、带出比和台时产量的影响Fig.3 Effect of the gray threshold of No.2 color selection mirror on sorting net rate， error-sorting rate and picking tick efficiency

由图3可知：二号色选阈值为140-200时，台时产量>200 kg·h-1，符合生产要求；二号色选阈值>180时，带出比>7%；二号色选阈值<160时，选别率≤50%.因此选定二号色选阈值为160-180进行响应面优化试验.

2.2 响应面法优化试验结果

2.2.1 二次多项回归方程的拟合与显著性分析 采用Design-Expert V8.0.6软件对表3数据进行回归拟合，得到的选别率(Y1)和带出比(Y2)的二次多项回归方程如下：

Y1=60.01-3.93A+2.26B+3.47C-1.76AB-2.22AC-1.21BC-2.58A2+1.08B2+1.07C2

Y2=6.56+0.82A+0.45B+0.27C-0.37AB-0.28AC-0.19BC+0.14A2+0.076B2-0.033C2

表3 CCD色选机拣剔效果的响应面试验方案及结果Table 3 Response surface methodology experimental designs and response values of sorting net rate and error-sorting rate on CCD color sorter

方差分析结果(表4、5)显示，选别率(Y1)和带出比(Y2)模型的P分别为0.0017和0.0002，表明两个回归方程描述的各影响因素与响应值之间达到极显著差异(P<0.001)，拟合非常好.两个模型失拟项的“Prob>F”分别为0.1713和0.4603，均大于0.05，即失拟项不显著，进一步表明模型的拟合程度好.两个模型的相关系数R2分别为0.9395和0.9672，表明响应值的变化来源于所选的影响因素，该模型能较好地描述试验结果.

表4 CCD色选机工艺优化回归模型(选别率)的方差分析1)Table 4 ANOVA for sorting net rate with different picking tick parameters of CCD color sorter

1)*表示差异显著(P<0.05)，**表示差异极显著(P<0.01).

2.2.2 影响闽北乌龙茶选别率的响应面分析 以选别率(Y1)为响应指标的回归模型的方差分析结果见表4.

由表4可知：一次项A、B、C对选别率有极显著影响(P<0.01)，交叉项AC与平方项A2对选别率有显著影响(P<0.05)；由F的大小可推测，3个因素对选别率影响程度的大小为：流量>二号色选阈值>一号色选阈值.

响应面三维图可直观地反映出各因素间的交互作用对响应值的影响，进而推测影响选别率响应值的最佳工艺参数.闽北乌龙茶选别率的二次多项回归模型的响应面三维图如图4所示.

表5 CCD色选机工艺优化回归模型(带出比)方差分析1)Table 5 ANOVA for error-sorting rate with different picking tick parameters of CCD color sorter

1)*表示差异显著(P<0.05)，**表示差异极显著(P<0.01).

图4 两因素交互作用对选别率影响的响应面图Fig.4 Three-dimensional response surface diagram showing three process parameters effect on sorting net rate

由图4A可知：当二号色选阈值为170时，选别率在流量为3.0×10-4m3·s-1的条件下，随一号色选阈值的增加而缓慢升高；选别率在一号色选阈值为190的条件下，随流量的增加而逐渐下降.因此选别率的最高值应在流量3.0×10-4m3·s-1的附近.而当一号色选阈值为170时，选别率随流量的增加呈先缓慢增加后逐渐降低的变化趋势，可能是当流量>3.2×10-4m3·s-1时，茶叶通过色选镜的时间已经小于色选机的反应时间，造成茶梗等杂质漏捡，使选别率降低.

由图4B可知：当一号色选阈值为180时，选别率在流量为3.0×10-4m3·s-1的条件下，随二号色选阈值的增加而迅速升高；二号色选阈值和流量对选别率的影响呈“马鞍形”[23]，存在明显的交互影响，选别率的最高值应在二号色选阈值180的附近，且流量在最小值的附近.

由图4C可知：当流量为3.5×10-4m3·s-1时，选别率随一、二号色选阈值的变化趋势一致；一、二号色选阈值对选别率不存在显著的交互作用.

2.2.3 影响闽北乌龙茶带出比的响应面分析 以带出率(Y2)为响应指标的回归模型的方差分析结果见表5.

由表5可知：一次项A、B、C和交叉项AB对带出比有极显著影响(P<0.01)，交叉项AC对带出比有显著影响(P<0.05)，交叉项BC对带出比不存在显著性影响(P=0.1077>0.05)；由F的大小可推测，3个因素对选别率影响程度的大小为：流量>一号色选阈值>二号色选阈值.

闽北乌龙茶带出比的二次多项回归模型的响应面三维图如图5所示.

图5 两因素交互作用对带出比的响应面图Fig.5 Three-dimensional response surface diagram showing three process parameters effect on error-sorting rate

由图5A(B)可知：当二(一)号色选阈值为170(180)时，带出比随流量和一(二)号色选阈值的增加而逐渐升高，在低流量和低一(二)号色选阈值的条件下出现最小值；带出比随一(二)号色选阈值的增加而升高的速率受到流量的影响，在流量为3.0×10-4m3·s-1时的速率高，在流量为4.0×10-4m3·s-1时的速率低，这表明流量和一(二)号色选阈值对带出比存在显著的交互影响.

由图5C可知，当流量为3.5×10-4m3·s-1时，带出比随一、二号色选阈值的增加而缓慢升高，随一号色选阈值的变化程度较明显，一、二号色选阈值对带出比不存在显著的交互影响.

2.2.4 闽北乌龙茶选别率和带出比的响应面优化 闽北乌龙茶CCD色选机拣剔的最佳效果是保证台时产量在一定范围的前提下，尽可能地提高选别率和降低带出比，并且还要考虑拣剔成本和设备损耗等其他因素.

在结合选别率和带出比两个响应面模型分析的前提下，把对二者具有共同影响的流量、一号色选阈值和二号色选阈值3个因素的响应面三维图进行重叠处理，选取变化区间分别为(3.0-4.0)×10-4m3·s-1、170-190和160-180，各影响因素的重要程度均设为3，并以选别率最大和带出比最小为响应目标，进行响应面优化处理，最终获得的优化工艺条件为：流量3.0×10-4m3·s-1、一号色选阈值170和二号色选阈值180.

2.2.5 模型验证 对模型的优化工艺参数进行3次重复验证试验，并以CCD色选机初始工艺参数(流量3.5×10-4m3·s-1、一号色选阈值170和二号色选阈值170)作为试验对照组，其方差分析结果见表6.

由表6可知，选别率和带出比的验证值接近于预测值，因此认为分别以选别率和带出比为响应值的CCD色选机拣剔闽北乌龙茶的两个响应面预测模型是可行的.与对照组相比，验证组的选别率提高了11.590%，带出比下降了5.748%，表明通过响应面法优化得到的工艺条件能够很好地提高闽北乌龙茶的色选拣剔效果而应用到加工生产中.

表6 优化条件下选别率和带出比的预测值、验证值和对照值Table 6 Average predicted, experimental and comparative values of sorting net rate and error-sorting rate under the optimal process parameters

3 结论

(1)将响应面法用于闽北乌龙茶CCD色选机拣剔工艺研究，建立了以选别率和带出比为响应指标的预测模型，确定了目标函数选别率、带出比与色选机流量、一号色选阈值和二号色选阈值3个工艺参数之间的关系.

(2)以选别率为响应指标时，流量和二号色选阈值的交互作用显著，其他各因素之间的交互作用不显著，对选别率影响程度的大小为：流量>二号色选阈值>一号色选阈值；以带出比为响应指标时，流量与一、二号色选阈值之间的交互作用均为显著，一、二号色选阈值之间的交互作用不显著，对带出比影响程度的大小为：流量>一号色选阈值>二号色选阈值.

(3)以CCD色选机初始生产工艺参数作为对照，在最佳工艺参数的条件下进行3次重复验证试验.结果显示：验证组的选别率和带出比与模型预测值相接近；验证组比对照组的选别率提高了11.590%，带出比下降了5.748%，表明该组优化工艺参数适用于CCD色选机的闽北乌龙茶拣剔作业.

(4)通过响应面法优化和模型验证试验确定的闽北乌龙茶CCD色选机最佳工艺参数为：流量3.0×10-4m3·s-1、一号色选阈值170和二号色选阈值180.其他闽北乌龙茶进行色选拣剔作业时，只需在该组最佳工艺参数的基础上进行微调就可以获得理想的拣剔效果，这为闽北乌龙茶的色选拣剔工艺优化和精细化控制提供了依据.

[1] 马艳凌,黄伙水,陈晓栋,等.闽北乌龙茶出口现状及对策建议[J].福建茶叶,2009(3):36-37.

[2] 倪碧星.闽北茶叶产业发展战略研究[D].福州:福建农林大学,2013.

[3] 王娇玲.福建省茶叶出口与绿色贸易浅析[J].福建师大福清分校学报,2014(123):43-50.

[4] 中国茶业年鉴编辑委员会.中国茶业年鉴:2009-2010[M].北京:中国农业出版社,2011:415.

[5] 林茂先,江东,马俊.茶叶色选技术的发展现状及展望[J].粮食与食品工业,2011,18(3):28-30.

[6] 孟兆研.茶叶色选机基本机械结构的研究[J].科技致富向导,2012(5):292.

[7] 丁勇,廖万有.茶叶色选机的技术特性与应用[J].茶叶,2009,35(1):33-36.

[8] 林荣溪.福建乌龙茶出口面临的技术性贸易壁垒及对策[J].中国茶叶加工,2008(2):6-7.

[9] 黄种发,陈钦,郑建锋.福建乌龙茶出口日本面临的技术性贸易壁垒探析[J].台湾农业探索,2009(2):38-42.

[10] 刘德瑞.基于CCD的高速色选机光机系统研究[D].天津:天津大学,2007.

[11] 徐捷.基于DSP和FPGA的茶叶色选机的研究与设计[D].天津:天津大学,2011.

[12] 丛昊.色选数据采集及传输实验平台研究[D].哈尔滨:哈尔滨工业大学,2008.

[13] 姚惠源,方辉.色选技术在粮食和农产品精加工领域的应用及发展趋势[J].粮食与食品工业,2011,18(2):4-6.

[14] 张海顺.CCD色选机控制系统研究[D].天津:天津大学,2010.

[15] 谢鹏.微机控制光电拣梗机光电传感器与中央控制系统研究[D].长沙:湖南农业大学,2004.

[16] 秦锋,阮竞兰.谷物色选机国内外现状及发展趋势[J].粮食加工,2011,36(2):51-53.

[17] 李灏.茶叶色选机智能控制系统研究[D].南京:南京林业大学,2012.

[18] 丁勇,徐奕鼎,王烨军.工夫红茶精制中色选技术应用研究[J].中国茶叶加工,2009(3):22-23,27.

[19] 张明汉.色选机在红茶精制加工中的应用[J].茶业通报,2007,29(4):169-170.

[20] 张学赤.谈谈茶叶光电拣梗机的使用[J].茶叶机械,1983(4):21-23.

[21] 王婉莹,张鑫瑶,肖伟,等.Box-Behnken响应面法设计藤茶抗氧化活性的最优冲泡工艺[J].食品工业科技,2014(9):216-220.

[22] 吴挹华.光电拣茶梗机的光电系统研究[J].农业机械学报,1990,3(1):90-95.

[23] 高瑞.基于ARM_DSP的光电色选机控制系统研究[D].武汉:武汉工业学院,2009.

[24] 苟文,马荣朝,秦文,等.响应面法优化茶籽油的提取工艺[J].食品科学,2012,33(22):81-84.

(责任编辑:施晓棠)

Response surface methodology for optimization of the processing parameterson CCD color sorter of northern Fujian Oolong tea

ZHENG Gong-yu, JIN Xin-yi, YE Qiu-ping, CHEN Shou-song, LI Dan, FANG Hui

(College of Horticulture, Fujian Agriculture and Forestry University, Fuzhou, Fujian 350002, China)

The study focused on CCD color sorter of northern Fujian Oolong tea. Single factor test indicated that tea flow, gray threshold of No.1 and No.2 color selection mirror effected on picking tick efficiency, sorting net rate and error-sorting rate. Optimal process parameters of color sorter were determined using Box-Behnken design principles combining with response surface methodology. The results showed that all of the three process parameters had a remarkable effect on sorting net rate and error-sorting rate, the optimal processing parameters were as follows: tea flow 3.0×10-4m3·s-1, the gray threshold of No.1 color selection mirror 170 and the gray threshold of No.2 color selection mirror 180. Under these conditions, taking the initial process parameters of color sorter as a contrast, the experimental values of sorting net rate and error-sorting rate were in accordance with the predicted values. Sorting net rate increased at 11.590%, whilst error-sorting rate decreased at 5.748%. The results of validation experiments suggested the good application of response surface methodology for optimization of processing parameters on CCD color sorter of northern Fujian Oolong tea.

northern Fujian Oolong tea； CCD color sorter； parameters； response surface methodology

2014-10-27

2014-12-26

“十二五”国家科技支撑计划项目(2014BAD06B06).

郑功宇(1988-)，男，硕士.研究方向：茶叶加工与加工机械.Email:zgy5403@126.com.通讯作者金心怡(1957-)，女，教授，博士生导师.研究方向：茶叶加工与加工机械.Email:jxy427@fafu.edu.cn.

S571.1

A

1671-5470(2015)02-0135-07

10.13323/j.cnki.j.fafu(nat.sci.).2015.02.005