陈星燃，黄海松*，韩正功，范青松，朱云伟，胡鹏飞

结合改进胶囊网络与知识蒸馏的茶青分类方法研究

陈星燃1，黄海松1*，韩正功1，范青松1，朱云伟1，胡鹏飞2,3

1. 贵州大学现代制造技术教育部重点实验室，贵州 贵阳 550025；2. 贵州装备制造职业学院，贵州 贵阳 551400；3. 清镇红枫山韵茶场有限公司，贵州 贵阳 551400

不同等级茶青的准确分类，对名优茶产业发展至关重要，采用传统感官审评方法进行分选会使结果存在一定的主观性。采集茶青图像建立数据集，结合幽灵注意力瓶颈层与胶囊网络提出一种新型网络模型：GA-CapsNet。通过基于线性衰减比例系数的成长知识蒸馏方法对该模型进行训练，在迁移教师模型参数矩阵的同时，使学生模型随着迭代自适应降低依赖程度。试验结果表明，对比其他同类算法，所提出的方法在小规模数据集上分类性能优异，精确率、召回率及F1-score分别为94.97%、95.51%、95.24%。本研究基于机器视觉与深度学习技术构建了一种GA-CapsNet模型，为解决茶青分类问题提供了一种新思路。

胶囊网络；知识蒸馏；注意力模块；茶青分类

绿茶含有茶多酚等物质，对人体健康颇有益处，是我国生产与消费量最高的茶叶品类[1]。茶树在贵州省拥有悠久的栽培历史，茶产业是贵州省重要的生态产业[2-3]。随着市场对高品质绿茶需求的日益增加，贵州省绿茶产业的经济价值在不断攀升[3-4]。茶青是指从茶树上采摘的新鲜嫩芽，其质量从根本上决定了成品茶的品质[5]。采取传统采摘方式会导致不同等级茶叶混杂，增加人工拣剔的时间和人力成本[6]，制约茶产业规模化生产和名优茶经济价值提升。……