文献类型：期刊文章

作　　者：张怡[1] 赵珠蒙[2] 王校常[2] 冯海强[3] 林杰[1]

ZHANG Yi;ZHAO Zhumeng;WANG Xiaochang;FENG Haiqiang;LIN Jie(The Key Laboratory for Quality Improvement of Agricultural Product of Zhejiang Province,Zhejiang A&F University,Hangzhou 311300,China;Institute of Tea Science,Zhejiang University,Hangzhou 310058,China;Planting Administration Bureau of Zhejiang Province,Hangzhou 310020,China)

机构地区：[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

出　　处：《茶叶科学》

基　　金：国家自然科学基金(31800582);浙江省农业重大技术协同推广计划(2020XTTGCY03)。

年　　份：2021

卷　　号：41

期　　号：2

起止页码：261-271

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：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1713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。

关 键 词：卷积神经网络 深度学习  绿茶分类  

分 类 号：S571.1] TP183]