一种基于优化分割算法与多源物理特征融合深度学习框架的烘青茶滚度识别新方法

《Computers and Electronics in Agriculture》:A novel recognition method for the rolling degree of roasted green tea based on optimized segmentation algorithm and multi-source physical features fusion deep learning framework

【字体: 大 中 小 】 时间:2025年12月17日 来源:Computers and Electronics in Agriculture 10.3

编辑推荐:

  Huaqiang Jin|Aowen Huang|Junfeng Tan|Zhe Sun|Yingjie Xu|Jiangping Gu|Kang Li|Lin Shi|Qiwei Yao|Xi Shen浙江工业大学职业技术教育学院,中国杭州310023摘要揉捻是烘青绿茶生产中的

  
Huaqiang Jin|Aowen Huang|Junfeng Tan|Zhe Sun|Yingjie Xu|Jiangping Gu|Kang Li|Lin Shi|Qiwei Yao|Xi Shen
浙江工业大学职业技术教育学院,中国杭州310023

摘要

揉捻是烘青绿茶生产中的核心工序,它直接影响茶叶的形态以及风味成分的释放。目前,烘青绿茶的揉捻质量评估仍依赖人工主观判断,这为茶行业的自动化和智能化处理带来了极大阻碍。为克服这一难题,本研究提出了一种基于深度学习的创新框架,并结合优化后的分割算法,以实现烘青绿茶揉捻程度的自动评估。该方法采用Otsu-maximin拉丁超立方抽样差分进化算法,精准分割复杂的加工背景与茶叶区域。同时,通过构建挤压激励注意力机制与多源物理特征融合模型,提升了深度学习框架的预测精度与可解释性。实验结果表明,所提出的SE-MPFF模型的识别准确率可达97.32%,且每项识别任务的平均处理时间仅为0.210秒。这些成果表明,优化分割技术与深度学习方法在识别揉捻程度方面具有巨大潜力,可为烘青绿茶生产的连续化加工与智能质量控制提供依据。

引言

茶叶是全球消费最广泛的饮料之一,全球有60多个国家从事茶叶生产,每年为约20亿消费者提供茶叶产品(Li等人,2025)。烘青绿茶的生产包括摊放、定型、揉捻和干燥四个主要阶段,其中揉捻工序至关重要,它不仅能将茶叶压成条状,还能破坏细胞壁,使内部物质释放出来。在目前的烘青绿茶生产中,揉捻阶段的品质评估仍高度依赖操作人员的主观判断。这种对人为主观判断的依赖,给以下方面的发展带来了诸多障碍:(1)连续化加工系统的应用;(2)智能质量控制体系的建立;(3)全流程工业自动化。尽管生产技术不断进步,但缺乏标准化的、客观的揉捻质量评价指标,仍是制约烘青绿茶生产发展的关键问题(Wei等人,2024)。
茶叶加工质量的评估方法已从传统的感官评价(Wang等人,2022)和理化检测(Shi等人,2019)发展为电子舌、电子鼻、光谱分析以及机器视觉等智能感知技术(Gan等人,2023)。电子舌和电子鼻结合化学计量学方法,能够客观评估茶叶的滋味与香气特征(Ren等人,2021;Banerjee等人,2019)。光谱技术则可实现茶叶中微量成分的快速、无损检测,其中近红外光谱因无需高灵敏度而在质量评估中得到广泛应用(Yang等人,2021);拉曼光谱和太赫兹光谱等新兴技术虽具有很大的研究潜力,但目前尚不适合工业化应用(Zhang等人,2025);高光谱成像则通过整合图像与光谱数据,为质量评估提供了有力支持(Tang等人,2023)。与此同时,机器视觉通过模拟人类的视觉功能,实现了对茶叶特征的快速批量评估(Rahman等人,2021)。这些质量评估方法各有优缺点:理化检测方法虽然准确,但耗时较长;电子舌/电子鼻及光谱技术虽快速精确,但成本较高;而机器视觉则在成本与适应性之间取得了平衡,不过其对成像条件要求较为严格。
机器视觉已成为现代农业分析领域的关键技术,也为茶叶状态检测带来了新的发展机遇(Chen等人,2024;Dang等人,2025)。要在机器视觉应用中取得良好效果,关键在于提升诊断模型与图像处理技术的性能。支持向量机和BP神经网络已被用于根据外观图像与光谱图像区分茶叶的条状程度,并取得了较好的分类效果(Wang等人,2024)。近年来,深度学习网络模型也被越来越多地应用于茶叶状态检测。Wang等人提出了基于ResNet架构的TeaPoseNet,用于估算茶叶的姿态(Wang等人,2024);Swin-Transformer(Pan等人,2024)和多尺度混合注意力机制(Chen等人,2024)则被用于识别和定位采摘点,取得了不错的效果。Ding等人还提出了一种基于改进版YOLOv8的轻量级模型,用于检测高端绿茶生产过程中的杂质(Ding等人,2025)。DarkNet-53卷积神经网络则被用于预测红茶的揉捻时间,证明了低成本机器视觉在加工质量评估中的可行性(Shen等人,2025)。不过,机器视觉对成像条件存在较大依赖性(Weerts和Petersen,2024):机械部件的移动以及照明缺陷(尤其是遮挡阴影)都可能大幅降低检测精度。为解决这些问题,从复杂背景中精准分割茶叶对于实现准确检测至关重要。Zhang等人提出了一种基于分水岭算法的茶芽分割方法,以解决老叶与茶芽对比度低导致的过度分割问题(Zhang等人,2021);Song等人则引入了改进的K均值聚类算法,用于更高效地分割背景区域、茶叶区域和精品茶区域(Song等人,2024);Otsu和P75图像分割方法也被证明能有效识别已采摘的茶叶(Kong等人,2025)。目前,深度学习在茶叶图像分析中的应用主要集中在叶片形态与表面质量方面,尚未有研究探讨其在监测绿茶揉捻工艺中的应用潜力。
尽管机器视觉与深度学习的结合在茶叶姿态识别与质量评估方面取得了良好效果,但现有研究大多依赖神经网络进行特征的学习与提取,这种方式本身限制了模型的可解释性以及对其作用机制的理解(Ren等人,2024)。将茶叶加工领域的专业知识融入深度学习模型,则为克服这些局限提供了一种新思路。在揉捻过程中,茶叶会在压力作用下收缩、扭曲,变成细长的条状。与此同时,茶叶组织会遭到破坏,细胞结构也会解体,从而使细胞内的物质暴露在空气中。这一加工阶段会引发一系列氧化反应,导致茶叶在色度特征(颜色空间)和形态参数(长宽比、表面纹理)方面发生显著变化(Wu等人,2022)。因此,这些物理特征可以用来指导对烘青绿茶揉捻程度的智能识别与分类,进而提升模型诊断的准确性与可靠性。
本研究提出了一种基于优化分割算法与深度学习框架的新方法,用于识别烘青绿茶加工过程中的揉捻程度。为应对复杂加工环境带来的干扰问题,该方法采用了Otsu-maximin拉丁超立方抽样差分进化算法,精准分割加工背景与茶叶区域。此外,所提出的深度学习框架还创新性地设计了挤压激励注意力机制与多源物理特征融合模型,进一步提升识别性能。挤压激励注意力机制能够动态调整关键特征的权重,从而增强模型的特征学习能力。从茶叶中提取的多源物理特征与卷积神经网络输出的深度特征相融合,进一步提高了识别的准确性与可解释性。
本文的其余部分结构如下:第2节介绍揉捻图像数据的获取方式以及该识别方法的理论基础;第3节分析所提方法的验证结果;最后,第4节总结研究成果并展望未来发展方向。

章节要点

材料与方法

本研究提出了一种识别烘青绿茶揉捻程度的新方法,该方法包括四个步骤:揉捻图像数据采集、复杂背景分割、深度学习框架构建以及识别方法验证。所提方法的实施流程如图1所示。

不同去噪技术的比较

通过去噪技术可以提高茶叶揉捻图像的质量。与均值滤波、中值滤波、小波滤波和非局部均值滤波相比,高斯滤波更具优势。人们通常使用均方误差、峰值信噪比和结构相似度指数来评估各种去噪技术的效果。不同去噪技术的评估指标见表1。对于高斯滤波而言,其均方误差

结论

本研究提出了一种基于优化分割算法与深度学习框架的新方法,可用于精准识别烘青绿茶加工全过程的揉捻程度。该优化算法能够生成最为均匀的初始种群,并获得最小的适应度值,从而使优化后的分割算法能够在实际加工条件下更精准地识别茶叶区域。在揉捻的不同阶段,所提出的颜色与形状物理特征会呈现出明显的规律性变化,

CRediT作者贡献说明

Huaqiang Jin:论文撰写——初稿撰写、方法设计、数据整理、概念构思。Aowen Huang:论文撰写——审阅与编辑、方法设计、数据整理。Junfeng Tan:论文撰写——审阅与编辑、研究指导、方法设计、概念构思。Zhe Sun:论文撰写——审阅与编辑、软件工具应用、方法设计。Yingjie Xu:论文撰写——审阅与编辑、研究指导、方法设计。Jiangping Gu:论文撰写——审阅与编辑、软件工具应用、方法设计。Kang Li:论文撰写——审阅与编辑、方法设计、数据整理。

利益冲突声明

作者声明,他们不存在任何可能影响本文研究结果的已知财务利益关系或个人关联关系。

致谢

本研究得到了中国浙江省自然科学基金(项目编号:LTGG24E050005)、中国农业科学院农业研究系统(项目编号:CARS-19)以及中国浙江省科技计划(项目编号:2023C02043-2)的资助。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号