茶叶科学 ›› 2022, Vol. 42 ›› Issue (3): 387-396.doi: 10.13305/j.cnki.jts.2022.03.002
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
收稿日期:
2021-11-30
修回日期:
2022-02-16
出版日期:
2022-06-15
发布日期:
2022-06-17
通讯作者:
*hshuang@gzu.edu.cn
作者简介:
陈星燃,男,硕士研究生,主要从事深度学习与农业工程的交叉研究。
基金资助:
CHEN Xingran1, HUANG Haisong1,*, HAN Zhenggong1, FAN Qingsong1, ZHU Yunwei1, HU Pengfei2,3
Received:
2021-11-30
Revised:
2022-02-16
Online:
2022-06-15
Published:
2022-06-17
摘要: 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。
中图分类号:
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[J]. 茶叶科学, 2022, 42(3): 387-396. doi: 10.13305/j.cnki.jts.2022.03.002.
CHEN Xingran, HUANG Haisong, HAN Zhenggong, FAN Qingsong, ZHU Yunwei, HU Pengfei. Research on the Classification Method of Tea Buds Combining Improved Capsule Network and Knowledge Distillation[J]. Journal of Tea Science, 2022, 42(3): 387-396. doi: 10.13305/j.cnki.jts.2022.03.002.
[1] 石亚丽, 朱荫, 马婉君, 等. 名优炒青绿茶挥发性成分研究进展[J]. 茶叶科学, 2021, 41(3): 285-301. Shi Y L, Zhu Y, Ma W J, et al.Research progress on the volatile compounds of premium roasted green tea[J]. Journal of Tea Science, 2021, 41(3): 285-301. [2] 刘元生, 刘方, 陈祖拥, 等. 贵州富锌硒茶产区地质环境条件与土壤元素地球化学特征[J]. 贵州大学学报(自然科学版), 2021, 38(5): 25-32. Liu Y S, Liu F, Chen Z Y, et al.Geological environment conditions and geochemical characteristics of soil elements in zinc-selenium-rich tea producing areas in Guizhou[J]. Journal of Guizhou University (Natural Science), 2021, 38(5): 25-32. [3] 陈青, 杨云, 王海燕. 贵州茶叶中微量锗含量测定[J]. 贵州大学学报(自然科学版), 2002, 19(2): 141-144. Chen Q, Yang Y, Wang H Y.Determination of trace germanium content in Guizhou tea[J]. Journal of Guizhou University (Natural Science), 2002, 19(2): 141-144. [4] 郭建军, 周艺, 王小英, 等. 贵州不同产区代表绿茶的品质特征及香气组分分析[J]. 食品工业科技, 2021, 42(5): 78-84. Guo J J, Zhou Y, Wang X Y, et al.Analysis of quality features and aroma components in Guizhou representative green tea[J]. Food Industry Technology, 2021, 42(5): 78-84. [5] 叶江华, 罗盛财, 张奇, 等. 武夷山不同茶园茶树茶青品质的差异[J]. 福建农林大学学报(自然科学版), 2017, 46(5): 495-501. Ye J H, Luo S C, Zhang Q, et al.Difference of fresh tea leaf quality from different tea plantations in Wuyishan[J]. Journal of Fujian Agriculture and Forestry University (Natural Science Edition), 2017, 46(5): 495-501. [6] 吴雪梅, 张富贵, 吕敬堂. 基于图像颜色信息的茶叶嫩叶识别方法研究[J]. 茶叶科学, 2013, 33(6): 584-589. Wu X M, Zhang F G, Lv J T.Research on recognition of tea tender leaf based on image color information[J]. Journal of Tea Science, 2013, 33(6): 584-589 [7] 张怡, 赵珠蒙, 王校常, 等. 基于ResNet卷积神经网络的绿茶种类识别模型构建[J]. 茶叶科学, 2021, 41(2): 261-271. Zhang Y, Zhao Z M, Wang X C, et al.Construction of green tea recognition model based on ResNet convolutional neural network[J]. Journal of Tea Science, 2021, 41(2): 261-271. [8] 汪建, 杜世平. 基于颜色和形状的茶叶计算机识别研究[J]. 茶叶科学, 2008, 28(6): 420-424. Wang J, Du S P.Identification investigation of tea based on HSI color space and figure[J]. Journal of Tea Science, 2008, 28(6): 420-424. [9] 毛腾跃, 黄印, 文晓国, 等. 基于多特征与多分类器的鲜茶叶分类研究[J]. 中国农机化学报, 2020, 41(12): 75-83. Mao T Y, Huang Y, Wen X G, et al.Research on classification of fresh tea based on multiple features and multiple classifiers[J]. Journal of Chinese Agricultural Mechanization, 2020, 41(12): 75-83. [10] 张晴晴. 基于卷积神经网络的茶树嫩芽识别研究[D]. 合肥: 安徽农业大学, 2020. Zhang Q Q.Research on the identification of tea tree sprouts based on convolutional neural network [D]. Hefei: Anhui Agricultural University, 2020. [11] 张蕴. 茶叶嫩芽图像识别方法研究[D]. 合肥: 安徽农业大学, 2020. Zhang Y.Research on image recognition method of tea sprouts [D]. Hefei: Anhui Agricultural University, 2020. [12] Xu M, Wang J, Gu S.Rapid identification of tea quality by E-nose and computer vision combining with a synergetic data fusion strategy[J]. Journal of Food Engineering, 2019, 241: 10-17. [13] Sabour S, Frosst N, Hinton G E.Dynamic routing between capsules[C]//Luxburg U V, Guyon I, Bengio, et al. Proceedings of the 31st International Conference on Neural Information Processing Systems. New York: Curran Associates Inc., 2017: 3859-3869. [14] Hinton G E, Sabour S, Frosst N. Matrix capsules with em routing [C/OL]//ICLR Organizing Committee. ICLR2018 Conference Blind Submission,2018[2022-11-26]. [15] Wang Q, Wu B, Zhu P, et al.ECA-Net: efficient channel attention for deep convolutional neural networks[J]. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2020: 11531-11539. [16] 魏铖磊, 南新元, 李成荣, 等. 一种具有多尺度感受视野注意力机制的生活垃圾单阶段目标检测方法[J]. 环境工程, 2022, 40(1): 175-183. Wei C L, Nan X Y, Li C R, et al.A single-stage object detection method for domestic garbage based on multi-scale receptive filed attention mechanism[J]. Environmental Engineering: 2022, 40(1): 175-183. [17] 徐岩, 李晓振, 吴作宏, 等. 基于残差注意力网络的马铃薯叶部病害识别[J]. 山东科技大学学报(自然科学版), 2021, 40(2): 76-83. Xu Y, Li X Z, Wu Z H, et al.Potato leaf disease recognitition via residual atention network[J]. Journal of Shandong University of Science and Technology (Natural Science), 2021, 40(2): 76-83. [18] Zhang S, Zhang S, Zhang C, et al.Cucumber leaf disease identification with global pooling dilated convolutional neural network[J]. Computers and Electronics in Agriculture, 2019, 162: 442-430. [19] Toraman S, Alakus T B, Turkoglu I.Convolutional capsnet: a novel artificial neural network approach to detect COVID-19 disease from X-ray images using capsule networks[J]. Chaos, Solitons & Fractals, 2020, 140: 110122. doi: 10.1016/j.chaos.2020.110122. [20] Misra D.Mish: a self regularized non-monotonic activation function[J]. BMVC 2020, 2020. doi: 10.48550/arXiv.1908. 08681. [21] Hu G, Yang X, Zhang Y, et al.Identification of tea leaf diseases by using an improved deep convolutional neural network[J]. Sustainable Computing: Informatics and Systems, 2019, 24: 100353. doi: 10.1016/j.suscom.2019.100353. |
[1] | 晏朵, 余鹏辉, 龚雨顺. 萎凋过程中环境胁迫对茶叶品质影响研究进展[J]. 茶叶科学, 2025, 45(1): 1-14. |
[2] | 董圆, 张永恒, 肖烨子, 余有本. 茶树BZR1基因家族的鉴定及CsBZR1-5响应干旱胁迫的分子机理研究[J]. 茶叶科学, 2025, 45(1): 15-28. |
[3] | 朱倩, 邵陈禹, 周彪, 刘硕谦, 刘仲华, 田娜. 茶树ICE基因家族鉴定及CsICE43克隆和低温表达分析[J]. 茶叶科学, 2025, 45(1): 43-60. |
[4] | 尹明华, 张牧彤, 徐子林, 欧阳茜, 王美暄, 李文婷. 茶树‘大面白’线粒体基因组结构特征及其密码子偏好性分析[J]. 茶叶科学, 2025, 45(1): 61-78. |
[5] | 唐美君, 李红, 张欣欣, 姜洪新, 王志博, 郭华伟, 肖强. 温度对灰茶尺蠖幼虫龄期数量的影响[J]. 茶叶科学, 2025, 45(1): 79-86. |
[6] | 陈俊华, 闻鑫茹, 王晨旭, 张俏俏, 刘红敏, 宁万光, 郭世保. 叉角厉蝽对茶银尺蠖幼虫的捕食作用及捕食偏好性[J]. 茶叶科学, 2025, 45(1): 87-98. |
[7] | 李再霖, 彭锋, 王兴民, 陈晓胜. 潮州单丛茶区不同海拔瓢虫科昆虫群落结构与多样性[J]. 茶叶科学, 2025, 45(1): 99-109. |
[8] | 马雪晴, 吴华伟, 曹春霞, 郑娇莉. 茶园根际解磷菌的筛选及其对茶叶产量、品质及土壤性质的影响[J]. 茶叶科学, 2025, 45(1): 110-120. |
[9] | 林东艺, 黄冲, 王未名, 黄艳, 冯新凯. 茶渣基摩擦纳米发电机的性能优化及风力监测系统应用研究[J]. 茶叶科学, 2025, 45(1): 121-132. |
[10] | 马梦君, 胡新龙, 邱首哲, 张锐明, 唐慧珊, 刘晨, 余子铭, 李婧, 王明乐. 基于代谢组学的不同年份青砖茶主要品质成分分析[J]. 茶叶科学, 2025, 45(1): 133-144. |
[11] | 罗璐璐, 赵悦汐, 王彦博, 幸怡, 齐洋, 马宏炜, 程林峰, 张芳琳. 表没食子儿茶素没食子酸酯抗汉滩病毒效果研究[J]. 茶叶科学, 2025, 45(1): 145-156. |
[12] | 徐金屏, 杜雪梅, 吕婉仪, 朱雷, 张丹阳, 陈红平, 陈玲, 柴云峰. 绿茶中7种不同极性农药在茶汤中的浸出规律及其风险评估[J]. 茶叶科学, 2025, 45(1): 157-168. |
[13] | 杨浩, 唐佳暖, 杜舒琪, 张豆, 胡广. 基于社交媒体数据的西湖龙井茶园生态系统文化服务评价[J]. 茶叶科学, 2025, 45(1): 169-180. |
[14] | 徐文鸾, 温晓菊, 贾雨轩, 倪德江, 王明乐, 陈玉琼. 茶树果胶甲酯酶及其抑制子家族基因的鉴定及CsPME55参与氟胁迫响应的功能分析[J]. 茶叶科学, 2024, 44(6): 869-886. |
[15] | 杨楠, 李转, 刘玫辰, 马骏杰, 石云桃, 魏湘凝, 林阳顺, 毛宇源, 高水练. 钾营养对茶树EGCG生物合成的调控作用研究[J]. 茶叶科学, 2024, 44(6): 887-900. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||
|