近日，茶葉所在npj Science of Food（中科院一區(qū)TOP，IF=7.8）上發(fā)表了題為“Convolutional neural network based on transfer learning for discriminating the fermentation degree of black tea”的研究論文。

 

　　紅茶占全球茶葉總產(chǎn)量的70%以上，是世界上生產(chǎn)和銷量最多的茶類。發(fā)酵是形成紅茶香味的關(guān)鍵步驟，精準(zhǔn)把控其發(fā)酵程度尤為重要。當(dāng)今生產(chǎn)紅茶過程中，更多的是師傅們憑借自己的做茶經(jīng)驗(yàn)來掌握發(fā)酵程度，“看茶做茶”已成為制約紅茶智能化加工的關(guān)鍵技術(shù)瓶頸。

 

　　針對紅茶加工中茶樹品種多樣性、發(fā)酵品質(zhì)時(shí)序性和物質(zhì)生成非線性等特點(diǎn)，本研究采用機(jī)器視覺與深度學(xué)習(xí)融合技術(shù)，提出基于遷移學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)（CNN）來判別紅茶發(fā)酵程度。首先運(yùn)用遷移學(xué)習(xí)策略，實(shí)驗(yàn)對比14種CNN，根據(jù)模型復(fù)雜度及實(shí)驗(yàn)結(jié)果綜合選出學(xué)生模型ResNet18與教師模型Efficientnet_v2_m，然后將學(xué)生模型損失函數(shù)更換為PolyLoss，其次用AdamW替換原優(yōu)化器RMSProp，最后采用Attention Transfer（AT）方法對替換優(yōu)化器后的模型進(jìn)行知識蒸餾。實(shí)驗(yàn)結(jié)果表明，模型在不增加復(fù)雜度的情況下，Accuracy、Precision、Recall、F1分別提升0.0415、0.0215、0.0902、0.0645，實(shí)現(xiàn)了紅茶發(fā)酵程度的精準(zhǔn)判別，為紅茶的數(shù)智化加工生產(chǎn)提供技術(shù)支撐。

 

　　茶葉所為第一完成單位和通訊單位，董春旺研究員為論文的通訊作者，聯(lián)培生朱雪松博士、丁澤中博士為論文共同一作，該研究得到院創(chuàng)新工程（CXGC2025A02）和濟(jì)南市農(nóng)業(yè)科技攻關(guān)項(xiàng)目（GG202415）的資助。

 

　　文章鏈接：https://doi.org/10.1038/s41538-025-00516-6。