近日，茶葉所茶葉加工團隊在Food Research International（中科院一區(qū)TOP，IF5=7.4）上發(fā)表了題為“Lightweight CNN combined with knowledge distillation for the accurate determination of black tea fermentation degree”的研究論文。
紅茶是世界上產(chǎn)量最多、消費量最大的茶類，發(fā)酵是紅茶品質(zhì)風(fēng)味形成的關(guān)鍵工序，當(dāng)前國內(nèi)外紅茶生產(chǎn)均依靠人工經(jīng)驗“看茶制茶”，此已成為制約紅茶智能化加工的關(guān)鍵技術(shù)瓶頸。針對此問題，本研究團隊前期探索了近紅外光譜、嗅覺可視化、機器視覺和電特性傳感信息結(jié)合機器學(xué)習(xí)方法評估紅茶發(fā)酵品質(zhì)及適度的可行性。
該工作的新穎性在于：采用機器視覺與深度學(xué)習(xí)融合技術(shù)，提出一種結(jié)合知識蒸餾的輕量化卷積神經(jīng)網(wǎng)絡(luò)(CNN)的紅茶發(fā)酵品質(zhì)適度信息智能檢測方法。首先，實驗對比了12種CNN經(jīng)典模型，并選擇Shufflenet_v2_x1.0作為學(xué)生模型，Efficientnet_v2作為教師模型，用損失函數(shù)Focal Loss替換CrossEntropy Loss，最后在Distillation Loss ratio為0.6、0.7、0.8、0.9時，分別采用ST、MGD、SPKD及AT四種知識蒸餾方法對Shufflenet_v2_x1.0模型進行知識蒸餾。結(jié)果表明，Distillation Loss ratio為0.8，采用MGD方法蒸餾后的模型檢測性能最好，模型在不增加參數(shù)量與計算量的前提下，判別性能得到了有效提升，模型P、R、F1分別達到0.9208、0.9190、0.9192，實現(xiàn)了紅茶發(fā)酵品質(zhì)適度的精確判別。為紅茶數(shù)字化、智能化加工技術(shù)實現(xiàn)，提供了新的理論支撐和技術(shù)手段。
茶葉所為第一完成單位和通訊單位，茶葉所董春旺研究員、博士后陳之威為論文的通訊作者，石河子大學(xué)聯(lián)培博士生丁澤中為論文第一作者，該研究得到山東省農(nóng)業(yè)科學(xué)院333工程（333）、濟南市農(nóng)業(yè)科技攻關(guān)項目（GG202415）和山東省現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系(SDAIT19)的資助。
來源：山東省農(nóng)業(yè)科學(xué)院，信息貴在分享，如涉及版權(quán)問題請聯(lián)系刪除
