基于残差网络和注意力机制的恩施玉露茶品级分类

恩施玉露是湖北省著名的绿茶品牌,茶叶的外形是其品质分级的重要依据。为了解决消费者对于茶叶品质分级存疑的问题,本文在ResNet18的基础上,提出了一种基于空间和通道注意力机制结合深度可分离卷积的茶叶分类网络。首先在残差模块中添加注意力模块,让网络去侧重关注茶叶的纹理特征和颜色信息,忽略无关的背景因素,接着在最后两个残差模块中使用深度可分离卷积替换常规卷积,降低模型的参数量,防止网络过拟合。实验结果表明:改进后的ResNet20-CBAM_DW分类模型的准确率可达到95.48%,且模型大小仅为19.32MB。本研究为构建恩施玉露茶的品质分类模型提供了依据,且便于部署在移动端,为消费者对恩施玉露茶的品级分类提供了一种便捷且高效的新方法。