近日，茶叶所茶叶加工团队在Food Research International（中科院一区TOP，IF5=7.4）上发表了题为“Lightweight CNN combined with knowledge distillation for the accurate determination of black tea fermentation degree”的研究论文。
红茶是世界上产量最多、消费量最大的茶类，发酵是红茶品质风味形成的关键工序，当前国内外红茶生产均依靠人工经验“看茶制茶”，此已成为制约红茶智能化加工的关键技术瓶颈。针对此问题，本研究团队前期探索了近红外光谱、嗅觉可视化、机器视觉和电特性传感信息结合机器学习方法评估红茶发酵品质及适度的可行性。
该工作的新颖性在于：采用机器视觉与深度学习融合技术，提出一种结合知识蒸馏的轻量化卷积神经网络(CNN)的红茶发酵品质适度信息智能检测方法。首先，实验对比了12种CNN经典模型，并选择Shufflenet_v2_x1.0作为学生模型，Efficientnet_v2作为教师模型，用损失函数Focal Loss替换CrossEntropy Loss，最后在Distillation Loss ratio为0.6、0.7、0.8、0.9时，分别采用ST、MGD、SPKD及AT四种知识蒸馏方法对Shufflenet_v2_x1.0模型进行知识蒸馏。结果表明，Distillation Loss ratio为0.8，采用MGD方法蒸馏后的模型检测性能最好，模型在不增加参数量与计算量的前提下，判别性能得到了有效提升，模型P、R、F1分别达到0.9208、0.9190、0.9192，实现了红茶发酵品质适度的精确判别。为红茶数字化、智能化加工技术实现，提供了新的理论支撑和技术手段。
茶叶所为第一完成单位和通讯单位，茶叶所董春旺研究员、博士后陈之威为论文的通讯作者，石河子大学联培博士生丁泽中为论文第一作者，该研究得到山东省农业科学院333工程（333）、济南市农业科技攻关项目（GG202415）和山东省现代农业产业技术体系(SDAIT19)的资助。
来源：山东省农业科学院，信息贵在分享，如涉及版权问题请联系删除
