山东省农业科学院茶叶所在中科院一区期刊《npj Science of Food》发表文章提出一种基于迁移学习的卷积神经网络判别红茶发酵程度的新方法

　　近日，茶叶所在npj Science of Food（中科院一区TOP，IF=7.8）上发表了题为“Convolutional neural network based on transfer learning for discriminating the fermentation degree of black tea”的研究论文。

 

　　红茶占全球茶叶总产量的70%以上，是世界上生产和销量最多的茶类。发酵是形成红茶香味的关键步骤，精准把控其发酵程度尤为重要。当今生产红茶过程中，更多的是师傅们凭借自己的做茶经验来掌握发酵程度，“看茶做茶”已成为制约红茶智能化加工的关键技术瓶颈。

 

　　针对红茶加工中茶树品种多样性、发酵品质时序性和物质生成非线性等特点，本研究采用机器视觉与深度学习融合技术，提出基于迁移学习的卷积神经网络（CNN）来判别红茶发酵程度。首先运用迁移学习策略，实验对比14种CNN，根据模型复杂度及实验结果综合选出学生模型ResNet18与教师模型Efficientnet_v2_m，然后将学生模型损失函数更换为PolyLoss，其次用AdamW替换原优化器RMSProp，最后采用Attention Transfer（AT）方法对替换优化器后的模型进行知识蒸馏。实验结果表明，模型在不增加复杂度的情况下，Accuracy、Precision、Recall、F1分别提升0.0415、0.0215、0.0902、0.0645，实现了红茶发酵程度的精准判别，为红茶的数智化加工生产提供技术支撑。

 

　　茶叶所为第一完成单位和通讯单位，董春旺研究员为论文的通讯作者，联培生朱雪松博士、丁泽中博士为论文共同一作，该研究得到院创新工程（CXGC2025A02）和济南市农业科技攻关项目（GG202415）的资助。

 

　　文章链接：https://doi.org/10.1038/s41538-025-00516-6。