【儀器網(wǎng) 時事聚焦】近日科技實力，茶葉所加工團(tuán)隊(duì)在Food Research International(中科院一區(qū)Top處理，IF=7.0)上發(fā)表了題為“Impurity detection of premium green tea based on improved lightweight deep learning model”的研究論文。

 

　　茶葉在采摘和加工過程中在此基礎上，易混入茶梗助力各行、茶果、碎石等雜質(zhì)自主研發，影響茶葉口感和質(zhì)量安全應用，需對雜質(zhì)進(jìn)行揀剔除雜，能夠提升茶葉價值品率。高端名優(yōu)綠茶的雜質(zhì)主要依靠人工揀剔，其成本高不斷發展、勞動強(qiáng)度大積極影響，是茶葉精制中質(zhì)量與成本控制的瓶頸環(huán)節(jié)。
 

　　針對這一產(chǎn)業(yè)技術(shù)難題緊密協作，本研究提出一種基于深度學(xué)習(xí)的輕量化名優(yōu)日照綠茶的雜質(zhì)智能檢測方法越來越重要。在含有茶梗、瓜子殼發揮重要作用、碎石及茶果等多類雜質(zhì)的數(shù)據(jù)集上實(shí)驗(yàn)YOLOv8n醒悟，s，m高質量，l也逐步提升，x模型，對比實(shí)驗(yàn)結(jié)果註入了新的力量，選擇YOLOv8n模型作為基礎(chǔ)模型重要的作用，YOLOv8l模型作為教師模型。通過對基礎(chǔ)模型更換損失函數(shù)為MPDIoU去創新、主干部分更換輕量化卷積模塊ADown足夠的實力、模型剪枝及知識蒸餾，實(shí)驗(yàn)結(jié)果表明學習，改進(jìn)模型的GFLOPs結構重塑、Parameters、P應用優勢、R高質量發展、mAP、FPS分別為4.2全面展示、791966 B重要平臺、0.9379深刻認識、0.8959、0.9484應用提升、1362.7主動性，相比原模型，P發展的關鍵、R道路、mAP、FPS分別提高0.0216真諦所在、0.0320指導、0.0261、368.0充分，GFLOPs進一步完善、Parameters分別降低3.9(48.15%)、2214462 B(73.66%)競爭力，改進(jìn)模型在檢測性能提升的同時調整推進，降低了復(fù)雜度，滿足名優(yōu)綠茶雜質(zhì)檢測分揀要求機製性梗阻，為名優(yōu)綠茶中雜質(zhì)的智能化分揀提供了技術(shù)支持機製。
 

　　山東省農(nóng)業(yè)科學(xué)院茶葉研究所為第一完成單位，茶葉所董春旺研究員為第一通訊作者集成應用，石河子大學(xué)聯(lián)培博士生丁澤中為第一作者探討，該研究得到山東省重點(diǎn)研發(fā)項(xiàng)目(2023CXGC010702, 2023LZGCQY015)、濟(jì)南市農(nóng)業(yè)科技攻關(guān)項(xiàng)目(GG202415)和山東省現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系(SDAIT19)的資助高效流通。(撰寫：陳之威  核稿：董春旺)
 

　　文章鏈接：https://doi.org/10.1016/j.foodres.2024.115516調解製度。