基于近红外光谱技术的眉茶拼配比例预测方法

TP391.4; 拼配是出口炒青绿茶精制加工过程中的一项作业,通过对不同原料茶的拼合,达到维持产品品质标准化和一致性的目的.目前仍然依靠专家人工设计茶叶拼配比例,主观性较强,工作量大.为了实现拼配比例设计的客观化、定量化,该研究以眉茶为对象,提出了一种基于近红外光谱技术的拼配比例预测方法,采用源于黄山、湖北、福建3地的4种典型原料茶拼合了不同比例的茶样,采集了其近红外光谱数据,构建了用于预测拼配比例的4种机器学习模型,分别为AE+Softmax、CNN+Softmax、PCA+Softmax及PCA+PLS,并通过对比模型预测结果与预设拼配比例评价算法性能.结果表明,基于CNN+Softmax...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 38; no. 2; pp. 307 - 315
Main Authors 宋彦, 汪小中, 赵磊, 张叶, 宁井铭, 程福寿
Format Journal Article
LanguageChinese
Published 安徽农业大学工学院,合肥 230036 15.01.2022
安徽农业大学茶树生物学与资源利用国家重点实验室,合肥 230036
安徽省智能农机装备工程实验室,合肥 230036%安徽农业大学工学院,合肥 230036%安徽农业大学茶树生物学与资源利用国家重点实验室,合肥 230036%黄山一品有机茶业有限公司,黄山 245000
Subjects
近红外光谱;机器学习;深度学习;茶叶;拼配
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2022.02.034

Cover

More Information
Summary:TP391.4; 拼配是出口炒青绿茶精制加工过程中的一项作业,通过对不同原料茶的拼合,达到维持产品品质标准化和一致性的目的.目前仍然依靠专家人工设计茶叶拼配比例,主观性较强,工作量大.为了实现拼配比例设计的客观化、定量化,该研究以眉茶为对象,提出了一种基于近红外光谱技术的拼配比例预测方法,采用源于黄山、湖北、福建3地的4种典型原料茶拼合了不同比例的茶样,采集了其近红外光谱数据,构建了用于预测拼配比例的4种机器学习模型,分别为AE+Softmax、CNN+Softmax、PCA+Softmax及PCA+PLS,并通过对比模型预测结果与预设拼配比例评价算法性能.结果表明,基于CNN+Softmax的拼配比例预测方法精度较高,特征维度为40时,验证集决定系数为0.9643,均方根误差为0.0472,优于其他方法,经过测试集测试后的性能指标与验证集接近,说明算法具有较好的泛化能力.研究结果可为茶叶数字化、智能化拼配提供理论依据与数据支撑.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2022.02.034