王志毅 王嘉佩 杜爱军 刘丽霞 喻宝龙 王旭

（重庆市气象台，重庆 401147）

0 引言

在为茶叶生产的气象服务中，大部分茶叶生产企业没有开展专门的茶叶物候期观测，只有每年的开采日期的简单记录，因而无法形成全面的茶叶生长物候期与气象要素相关联的关键性资料，不便于建立茶叶生长物候期预测模型以进行物候期预测，也不便于探寻茶叶品质与气候条件的关系以进行茶叶品质认证。为了全面开展茶叶气象服务以提高企业生产效益，进行茶叶物候期自动判别的研究就显得非常有必要。

本研究的主要目的是利用多年来安吉白茶实景监控资料，基于机器学习，建立物候期自动判别模型，同时结合同期的气象观测数据，建立白茶物候期预测模型，从而开展业务服务。此项研究可减少茶叶物候期观测的人力成本及经济的投入，科学和智能地提高企业生产效益。

1 研究方法

研究采用了监督学习的方法来对白茶生育期识别问题进行建模，在模型的训练阶段需要图像、积温以及其所属的生长物候期作为标注信息输入模型训练参数。

yolov3-tiny模型是深度学习中计算机视觉领域应用得比较广泛的模型，适用于对图像上的特定目标进行检测（例如：茶叶图像中茶叶发芽区域的位置检测），同时还可以进行分类，其对图像分类的功能适用于茶树生长期识别任务由于yolov3-tiny模型用于目标检测和分类，而本研究的目的只是进行分类，目标检测过程已经由图像预处理的裁剪过程代替，所以对yolov3-tiny模型进行了改变，同时将气象数据和图像特征进行融合，去掉了yolo层（目标识别的模型名称），而且对气温数据进行融合。……