摘要：【目的】以六安瓜片为研究对象，研究茶叶不同形态与品质的相关性，并建立了低成本、无损检测茶叶品质的近红外光谱模型。【方法】采集六安瓜片袋装茶和粉碎茶的近红外光谱，采用多元散射校正（multiplicative scattercorrection,MSC）、标准正态变换、一阶求导和Savitzky-Golay对原光谱进行预处理，再利用偏最小二乘法判别分析（partial least squares discriminant analysis,PLS-DA）和支持向量机分类（support vector machine classification,SVMC）算法，分别建立袋装茶、粉碎茶和两种形态光谱数据融合等级判别模型，比较融合模型和单形态模型的分类效果，并探究模型预测准确度和适用性。【结果】基于袋装茶、粉碎茶和数据融合建立的SVMC模型较PLS-DA的预测精度更高，但单形态模型只能预测同种形态茶样，而融合模型可以预测两种形态的茶样，其中MSC-SVMC模型对袋装茶和粉碎茶的预测准确率分别为100%和97.92%。【结论】基于袋装茶和粉碎茶建立的近红外光谱数据融合分类模型，为六安瓜片品质判别提供了一种便捷、低成本的无损检测方法。
