基于近红外光谱技术的眉茶拼配比例预测方法

• 作者: 宋彦 汪小中 赵磊 张叶 宁井铭 程福寿
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 近红外光谱 机器学习 深度学习 茶叶 拼配
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 农产品加工工程|Agricultural Produce Processing Engineering
• 页码范围: 307-315
• 页数: 9页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2022.02.034

摘要

拼配是出口炒青绿茶精制加工过程中的一项作业,通过对不同原料茶的拼合,达到维持产品品质标准化和一致性的目的.目前仍然依靠专家人工设计茶叶拼配比例,主观性较强,工作量大.为了实现拼配比例设计的客观化、定量化,该研究以眉茶为对象,提出了一种基于近红外光谱技术的拼配比例预测方法,采用源于黄山、湖北、福建3地的4种典型原料茶拼合了不同比例的茶样,采集了其近红外光谱数据,构建了用于预测拼配比例的4种机器学习模型,分别为AE+Softmax、CNN+Softmax、PCA+Softmax及PCA+PLS,并通过对比模型预测结果与预设拼配比例评价算法性能.结果表明,基于CNN+Softmax的拼配比例预测方法精度较高,特征维度为40时,验证集决定系数为0.9643,均方根误差为0.0472,优于其他方法,经过测试集测试后的性能指标与验证集接近,说明算法具有较好的泛化能力.研究结果可为茶叶数字化、智能化拼配提供理论依据与数据支撑.