基于深度度量学习的茶叶相似性评价方法

• Published in: 农业工程学报 Vol. 39; no. 2; pp. 260 - 269
• Main Authors: 宋彦, 赵磊, 宁井铭, 戴前颖, 程福寿
• Format: Journal Article
• Language: Chinese
• Published: 安徽农业大学工学院,合肥 230036 2023; 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: 数据融合; 茶叶拼配; 相似性评价; 深度度量学习; 图像处理; 高光谱
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.202207134

TP391.4; 在眉茶拼配过程中,为了客观定量的评价试拼小样与标准样之间的相似性,该研究提出了一种基于深度度量学习的相似性评价方法,采用7种等级的眉茶标准样作为训练集,并在标准样中加入不同含量半成品茶构建具有不同相似性的测试集.采集茶样的高光谱数据并获取光谱特征与图像特征,分别以光谱数据、图像数据、图谱融合数据3种数据类型作为模型的输入.为了构建距离特征空间,该研究提出了基于三元组损失的深度特征提取网络,并设计了Center Anchor Triplet Loss损失函数,通过样本在特征空间的距离,表征相似程度,达到定性判断相似性和定量度量相似度的目的.结果表明:图谱融合数据结合Center Anchor Triplet Loss的方法精度最高,相似性判断准确率为98.89％,相似度度量准确率为100％.该研究采用未经训练的独立样本评价模型,可以获得较好的结果,说明算法具有较好的泛化能力.研究结果为眉茶的相似性评价提供了理论依据.