近日，山東省農業(yè)科學院茶葉所茶葉加工團隊在Food Research International（中科院一區(qū)TOP，IF5=7.4）上發(fā)表了題為“Lightweight CNN combined with knowledge distillation for the accurate determination of black tea fermentation degree”的研究論文。

 

　　紅茶是世界上產量最多、消費量最大的茶類，發(fā)酵是紅茶品質風味形成的關鍵工序，當前國內外紅茶生產均依靠人工經驗“看茶制茶”，此已成為制約紅茶智能化加工的關鍵技術瓶頸。針對此問題，本研究團隊前期探索了近紅外光譜、嗅覺可視化、機器視覺和電特性傳感信息結合機器學習方法評估紅茶發(fā)酵品質及適度的可行性。

 

　　該工作的新穎性在于：采用機器視覺與深度學習融合技術，提出一種結合知識蒸餾的輕量化卷積神經網絡（CNN）的紅茶發(fā)酵品質適度信息智能檢測方法。首先，實驗對比了12種CNN經典模型，并選擇Shufflenet_v2_x1.0作為學生模型，Efficientnet_v2作為教師模型，用損失函數(shù)Focal Loss替換CrossEntropy Loss，最后在Distillation Loss ratio為0.6、0.7、0.8、0.9時，分別采用ST、MGD、SPKD及AT四種知識蒸餾方法對Shufflenet_v2_x1.0模型進行知識蒸餾。結果表明，Distillation Loss ratio為0.8，采用MGD方法蒸餾后的模型檢測性能最好，模型在不增加參數(shù)量與計算量的前提下，判別性能得到了有效提升，模型P、R、F1分別達到0.9208、0.9190、0.9192，實現(xiàn)了紅茶發(fā)酵品質適度的精確判別。為紅茶數(shù)字化、智能化加工技術實現(xiàn)，提供了新的理論支撐和技術手段。

 

　　茶葉所為第一完成單位和通訊單位，茶葉所董春旺研究員、博士后陳之威為論文的通訊作者，石河子大學聯(lián)培博士生丁澤中為論文第一作者，該研究得到山東省農業(yè)科學院333工程（333）、濟南市農業(yè)科技攻關項目（GG202415）和山東省現(xiàn)代農業(yè)產業(yè)技術體系（SDAIT19）的資助。

 

　　文章鏈接：https://doi.org/10.1016/j.foodres.2024.114929。