
为解决传统人工感官评价主观性强、效率低的局限,针对茶叶外观品质检测问题,本研究设计一种采用特征聚合和注意力机制优化残差网络的检测模型。采集祁门工夫红茶、黄山毛峰、皖西黄茶3 类茶样共22 个等级1 800 张茶样图像,数据集按8∶2划分训练集与测试集;以深度残差网络(residual network 50 layers,ResNet50)为基础,通过迁移学习保留通用视觉特征提取能力,替换顶层全连接层适配分类任务,嵌入卷积块注意力模块与路径聚合网络,设计多任务架构并结合联合损失函数优化,实现茶叶产品与等级识别。结果表明,产品类别分类准确率达到100%,等级识别准确率达到93%以上,识别效果良好。该模型有望为茶叶多品类外观识别问题提供技术支持,有助于推动茶叶智能化品控技术发展。
2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
电话: 010-87293157
地址: 北京市丰台区洋桥70号
版权所有 @ 2023 中国食品杂志社 京公网安备11010602060050号 京ICP备14033398号-2

