基于轻量级神经网络MobileNetV3-large的黄茶闷黄程度判别

以碧香早品种为材料,通过相机采集不同闷黄时长下的闷黄叶图像共675张,建立了3种闷黄程度的黄茶样本数据集,采用位置变换、随机亮度、增加对比度、添加噪声、随机缩放操作对闷黄叶图像集进行数据增强,运用迁移学习方法,在ImageNet数据集取得MobileNetV3-Large的预训练模型,对迁移网络的所有权重信息进行训练,最终建立了针对黄茶闷黄程度的轻量级卷积神经网络MobileNetV3-Large识别模型,并利用Grad-CAM热力图可视化和置信分数监控黄茶品质的变化。结果表明:经训练后的MobileNetV3-Large模型测试的识别准确率达到98.51%,精确率为99.10%,召回率为98.93%,加权分数为98.20%;MobileNetV3-Large模型的识别准确率高于传统机器学习模型SVM、XGBoost和KNN;通过Grad-CAM热力图可视化显示,MobileNetV3-Large模型在不同的识别场景下能够准确定位并提取闷黄叶特征,准确地识别闷黄程度。可见,MobileNetV3-Large模型有较好的泛化性,可以快速、无损地识别黄茶的闷黄程度。

黄茶感官闷黄程度标定及不同闷黄程度莫干黄芽香气组分研究

本实验通过控制不同的闷黄时间获得不同闷黄程度的黄茶样品25个,通过感官审评的方法对黄茶的闷黄度(0-10)进行标定。通过感官审评并结合闷黄度标定选取五个闷黄程度不同的莫干黄芽样品。利用可控温的同时蒸馏萃取法(SDE)提取香气物质,并结合气相色谱-质谱联用(GC-MS)技术进行香气组分及特征的比较。研究在五个莫干黄芽中共鉴定得出127种挥发性成分,闷黄程度较高的黄茶,其香气物质含量也相对较高。基于香气分组进行主成分分析(PCA)和正交偏最小二乘判别分析(OPLS-DA),探寻与闷黄程度相关的香气组分,发现闷黄程度与芳樟醇、苯乙醇、茉莉酮、苯甲醇、茉莉内酯、柠檬烯、紫罗兰酮、苯乙烯等34种香气物质与闷黄程度相关性较高。