使用图像分类预测新鲜茶叶枯的程度信心
Mengjie Wang1,2, Yali Shi1, Yaping Li2
1Tea Research Institute of Shandong Academy of Agricultural Sciences, Jinan 250100, China.
Foods (Basel, Switzerland)
|April 16, 2025
概括
这项研究引入了一种新的模型,用于检测使用图像分类信心的新鲜茶叶的枯程度. 该方法准确地评估了水分含量,这对于高质量的茶叶生产至关重要.
科学领域:
- 农业工程 农业工程
- 计算机视觉 计算机视觉
- 食品科学 食品科学 食品科学
背景情况:
- 确保新鲜茶叶的质量需要快速,非破坏性的方法来评估枯.
- 目前的方法可能缺乏实时处理调整所需的精度.
研究的目的:
- 开发一个准确和有效的模型来检测新鲜茶叶的枯程度.
- 建立一种可靠的方法来计算湿度百分比和确定枯水平.
主要方法:
- 一种基于图像分类信心的新鲜茶枯燥度检测模型.
- 整合了感应场注意力卷积 (RFAConv) 和跨阶段特征融合坐标注意力 (C2f_CA) 模块.
- 一种加权方法,将置信级和湿度标签结合起来,以计算湿度百分比.
主要成果:
- 拟议的模型实现了92.7%的分类精度,提高了0.156.6%的检测精度.
- 对于水分含量,Rp=0.9983,RMSEP=0.006278和RPD=39.2513.的预测性能非常出色.
- 超过了传统的部分最小平方 (PLS) 和卷积神经网络 (CNN) 方法.
结论:
- 开发的模型提供了精确和快速检测茶叶枯.
- 在茶叶加工过程中为在线确定提供关键的技术支持.
- 通过精确的枯评估,提高茶叶生产的质量控制.
