基于ResNet卷积神经网络的绿茶种类识别模型构建
2021-04-20张怡赵珠蒙王校常冯海强林杰
茶叶科学 2021年2期
张怡,赵珠蒙,王校常,冯海强,林杰*
基于ResNet卷积神经网络的绿茶种类识别模型构建
张怡1,赵珠蒙2,王校常2,冯海强3,林杰1*
1. 浙江农林大学农业与食品科学学院,浙江省农产品品质改良技术研究重点实验室浙江 杭州 311300; 2. 浙江大学茶叶研究所,浙江 杭州 310058;3. 浙江省种植业管理局,浙江 杭州 310020
绿茶是我国种类最多、产量最大的茶类,外形是其分类的重要依据。图像分类是计算机视觉的核心技术之一,但其在茶叶领域的应用较少,茶类识别仍依赖感官审评方法。采集8种常见绿茶(丽水香茶、信阳毛尖、六安瓜片、太平猴魁、安吉白茶、碧螺春、竹叶青和龙井)共1 713张图片,基于ResNet卷积神经网络,从识别模型的预测能力、收敛速度、模型大小和识别均衡性等角度探索了不同网络深度和不同优化算法的建模效果,最终选择ResNet-18结构、SGD优化算法,建立了区分8种绿茶的深度学习模型,其对复杂背景茶叶图片的识别准确率达到了90.99%,单张图片识别时间仅为0.098 s,模型大小为43.7 MB。本研究为构建茶叶视觉识别模型并应用于移动端提供了基础,为茶叶种类识别提供了一种快捷而高效的新方法。
卷积神经网络;深度学习;绿茶分类
绿茶有益于人们的身心健康,是深受消费者喜爱的饮品。同时绿茶也是我国种类最多、产量最大的茶类,外形是其分类和区分等级的重要依据,也是茶叶感官审评的重要部分。然而,传统的茶叶感官审评方法采用的审评术语尚未完善[1]、客观环境的不确定性、标准量普及率低、评茶师主观因素干扰,以及重复性差等限制与当前新时代下消费者对茶叶产品信息准确、安全优质的需求日益提升[2]不相匹配。……
登录APP查看全文
