《Food Chemistry》：Intelligent storage year identification of Anhua dark tea via carbon quantum dots-based colorimetric sensor array and computer vision
编辑推荐：
安化黑茶年份鉴别采用碳量子点传感器阵列结合深度学习，通过五种CQDs与茶多酚、氨基酸等成分特异性反应生成颜色变化，智能手机UV成像捕获图像后使用ResNet18模型识别，准确率达92.4%，优于传统RGB方法。
吴王|叶贺|周文杰|朱阳高|王晓志|陈瑶|王桐
中国湖南省株洲市湖南工业大学生物医学材料与设备重点实验室，生物医学工程学院，邮编412007
摘要
老化显著影响安化黑茶的质量和价值，但快速识别茶叶的储存年份仍然具有挑战性。本研究开发了一种基于比色传感器阵列（CSA）和深度学习的组合方法，用于快速鉴定安化黑茶的储存年份。CSA使用五种碳量子点（CQDs），这些量子点能与茶叶成分（如氨基酸、多酚）特异性相互作用，从而随储存时间产生颜色变化；这些变化可以在紫外光照射下通过智能手机捕捉到。所得图像直接使用深度学习模型（ResNet18、VGG16、DenseNet121、MobileNetV3-Small和EfficientNet B0）进行分析。其中，ResNet18的准确率最高（92.4%），优于传统的基于RGB的模型（如PLS-DA 57.6%和PCA-LDA 63.6%）。此外，还创建了一个用户友好的图形用户界面，便于非专业人士操作。这项工作提供了一种新型、成本低廉且易于使用的安化黑茶鉴定平台，在食品质量控制和真实性评估方面具有广泛的应用潜力。
引言
黑茶富含茶多糖，医学界认为其具有多种健康益处，包括调节葡萄糖代谢、预防糖尿病、降低血脂和血压、抑制凝血和血栓形成以及增强免疫功能（Lin等人，2021；Zhang等人，2021）。临床研究表明，这些健康益处既显著又独特，使得黑茶无法被其他类型的茶叶替代（Deng等人，2023；Zhang等人，2013）。除了微生物发酵外，自然老化在形成黑茶独特的风味和质量方面也起着关键作用。通常，成熟时间与主观质量评估之间存在正相关关系，较长的储存时间通常会导致更高的评价标准。储存2-3年的黑茶通常会保留明显的“堆叠”香气，并呈现出浑浊的汤色，适合品鉴或短期饮用。储存3-5年后，仓库香气减弱，口感变得更加柔和和均衡，茶叶开始发展出更深层次的风味。储存5-10年后，茶叶进入稳定转化阶段，其特征是汤色鲜红、味道醇厚甜美，并具有明显的陈年香气。储存超过10年的黑茶因其浓郁的陈年香气、顺滑的口感和高药用价值而备受推崇（Chen等人，2016）。
安化黑茶是湖南省益阳市安化县的一种特产，属于后发酵茶类。其独特的加工方法，特别是微生物的参与，赋予了它独特的醇厚风味和传统中医认可的药理特性（Huang等人，2024）。重要的是，这些特性并非固定不变；在黑茶的长期储存过程中，复杂的代谢途径会驱动其化学成分的动态变化，这对质量转化至关重要。要理解这些变化，需要认识到在食品发酵过程中存在多种代谢途径，如氨基酸代谢、氮代谢和能量相关途径（Le & Yang，2022；Li等人，2021；Liu等人，2023）。例如，Lou等人（Lou等人，2021）研究表明，在鱼条和肉汤的腐败过程中，Shewanella baltica通过肽和氨基酸途径将蛋白质水解为氨基酸，从而显著改变代谢物谱型。同样，茶叶中的多酚、氨基酸和黄酮类物质的内容物会随着时间而波动（Cheng等人，2021）。Cheng等人（Cheng等人，2021）报告称，随着茶叶的老化，茶叶成分中会发生多种代谢反应，包括儿茶素的甲基化、黄酮类的糖基化和黄酮生物碱的降解。
此外，微生物发酵通过形成新的酚酸和儿茶素衍生物显著改变茶叶的感官特性，并显著降低儿茶素含量（Cheng等人，2020）。茶叶中的多酚类物质在储存过程中会因氧化、降解、异构化和聚合而减少（Xiong等人，2015；Zheng等人，2021），但微生物胞外酶可能会增加黄酮类物质的含量（Li等人，2023；Zheng等人，2021）。尽管代谢变化复杂，茶叶中的多酚类物质，尤其是表没食子儿茶素没食子酸酯（EGCG）和表儿茶素没食子酸酯（ECG），仍然是具有抗氧化和抗肿瘤活性的主要生物活性化合物（Chang等人，2023）；因此，它们常被用作茶叶质量评估的重要指标。由于化学成分（如茶叶多酚）的持续变化，安化黑茶的商业价值通常会随着储存时间的增加而提高。然而，随着假冒高价安化黑茶的增多，建立一种基于这些化学变化的准确、快速和可靠的年份识别方法至关重要，以保护消费者的利益并促进市场的健康发展。
传统上，茶叶储存年份的鉴定和品质评估主要依赖于物理和化学分析以及感官评估。然而，这些方法存在明显局限性。感官评估高度主观，受品茶者生理状态和心理状态的影响。传统的物理和化学技术，如液相色谱-质谱（Huang等人，2024）、气相色谱-质谱（Li等人，2024）、红外光谱（Yorulmaz等人，2025）、荧光光谱（Tan等人，2024）和高光谱成像（Hong等人，2021），可以提供客观和详细的数据，但它们往往依赖昂贵的仪器，操作和数据解释较为复杂。
相比之下，比色传感器阵列（CSA）能够通过特定的比色反应靶向检测特征性的茶叶成分（如茶叶多酚、氨基酸和其他与年龄相关的标志物）。Liu等人（Liu等人，2024）构建了一个结合了化学计量方法的嗅觉可视化系统，用于评估抹茶的香气。随机森林模型在训练集和预测集中的识别率分别为100.00%和91.07%。Lin等人（Lin等人，2024）开发了一种新的CSA，用于检测乌龙茶中的挥发性有机化合物。研究了引发电荷转移和可见颜色变化的比色染料之间的结合机制。Jin等人（Jin等人，2025）基于两种纳米酶的漆酶样和过氧化物酶样活性构建了CSA，并结合机器学习成功实现了储存1至8年的白牡丹茶的年份区分和掺假样品的识别。Yang等人（Yang等人，2025）开发了一种基于纸张的CSA和智能手机应用程序，通过识别纸张的颜色差异来鉴定不同浓度的茶叶多酚和不同产地的龙井茶。我们实验室（Chen等人，2024）之前开发了一种基于指示剂替换的CSA，并结合机器学习实现了对不同采摘期的庐安瓜片茶的快速识别。与其他分析技术相比，CSA具有更优异的化学选择性和更直观的反应机制，同时成本低廉、用户友好，适合快速筛选。
碳量子点（CQDs）作为零维碳基荧光纳米材料，表现出优异的光物理特性，如宽光谱激发、波长可调的光致发光行为以及对特定目标物种的选择性荧光响应机制。通过掺杂表面功能团或杂原子，这种材料可以构建具有分子识别能力的响应探针，实现对金属离子、生物分子和环境污染物的高灵敏度检测。它在生物成像、环境监测和光电设备领域展现出独特的应用（Ji等人，2020；Molaei，2019）。考虑到茶叶多酚和氨基酸随储存年份的不同而动态变化，CQD-3和CQD-5传感器被专门设计用于捕获它们含量的差异；此外，还设计了三种针对金属离子和pH值的CQD传感器，以帮助识别茶叶的老化情况。
在本研究中，合成了五种类型的CQDs，以响应安化黑茶的特征成分。然后构建了一个3×3的基于CQDs的比色传感器阵列（CQDs-CSA），用于识别不同生产年份的安化黑茶样品，如图1所示。反应后，使用智能手机在紫外光照射下捕捉传感器阵列的图像。随后采用了两种平行的数据分析策略：（i）使用传统方法（PLS-DA和PCA-LDA）手动提取RGB特征以构建模型；（ii）直接使用五种端到端的深度学习（DL）模型（包括ResNet18、VGG16、DenseNet121、MobileNetV3-Small和EfficientNet B0）对原始图像数据进行建模。此外，还系统地将DL模型的分类性能与传统的基于RGB的方法进行了比较。最后，基于性能最佳的模型开发了一个图形用户界面（GUI）。
试剂和化学品
（?）表没食子儿茶素没食子酸酯（EGCG，≥98%）、（?）表儿茶素没食子酸酯（ECG，≥98%）、L-半胱氨酸（Cys，≥98%）、还原型谷胱甘肽（GSH，≥98%）和m-氨基酚（≥99%）购自上海宇源生物科技有限公司。1,2,4-三氨基苯二盐酸盐（≥95%）、柠檬酸（≥99.5%）、二氰胺（≥98%）、乙二胺（≥98%）、乙醇（≥99.5%）、盐酸（HCl，37%）和氢氧化钠（NaOH，≥97%）购自上海阿拉丁生化科技有限公司。1000 μg/mL
CQDs传感机制
图S1a-e显示了CQD-1、CQD-2、CQD-3、CQD-4和CQD-5的透射电子显微镜（TEM）图像。这五种碳量子点均表现出均匀的球形形态，平均直径分别为2.20 nm、2.40 nm、2.84 nm、3.00 nm和2.50 nm。
当CQD-1与重金属离子（如Cu2+、Fe2+和Hg2+）相互作用时，这些离子通过静电相互作用或配位键结合到CQD表面的氨基上，形成非荧光复合物
结论
本研究开发了CQDs-CSA，用于鉴定不同储存年份的安化黑茶。该传感器阵列利用精心设计的CQDs与关键茶叶成分（如Cu2+、Cys、EGCG和H+）之间的特异性相互作用，实现了对2010年至2021年（包括2024年，储存时间1-15年）共13个储存年份的安化黑茶的精确区分。实验结果表明，ResNet18模型表现出出色的性能
CRediT作者贡献声明
吴王：撰写——原始草稿、方法学、资金获取、数据管理。
叶贺：撰写——审阅与编辑、验证、软件。
周文杰：数据管理。
朱阳高：数据管理。
王晓志：撰写——审阅与编辑、软件、方法学。
陈瑶：撰写——审阅与编辑、概念化。
王桐：方法学、调查、资金获取。
利益冲突声明
作者声明他们没有已知的可能会影响本文工作的财务利益或个人关系。
致谢
作者感谢国家自然科学基金（编号22574045、编号22204049）、湖南省教育厅重点科研项目（编号23A0028）以及湖南省教育厅科研项目（优秀青年项目：编号24B0519）的财政支持。
