作品展示

针对目前茶叶摊青过程内外品质实时在线检测成本高、精度低以及模型适用性差的难题，本作品创制了一套近红外光谱仪+RGB相机的茶叶品质在线检测设备，通过计算光学融合近红外光谱仪和RGB相机的多模态数据，采用MST++算法以低成本方式重建高光谱图像数据，通过构建的2D-DenseNet深度学习网络数据融合模型实现了茶叶内外品质的快速定量检测与空间分布可视化。为解决光谱检测普适性差的难题，作品通过整合2018-2023三台仪器的4307份光谱数据，利用迁移学习算法对光谱数据进行跨仪器、跨批次校正，显著提升了模型的普适性与预测稳定性，含水率跨批次预测精度达90%以上，为茶叶加工品质调控提供了精准的数据支持。

1. 构建了RGB图像重建高光谱图像方法：本作品采用计算光学技术构建了RGB图像重建高光谱图像的方法，大大降低了设备成本，提高了检测效率。 2. 多模态信息融合：融合近红外光谱与RGB图像信息，构建了2D-DenseNet深度学习网络的多模态数据融合模型，建立了茶叶内外品质的快速定量检测与空间分布可视化方法。 3. 迁移学习提升普适性：构建大规模光谱数据库，利用迁移学习算法实现光谱数据的跨设备、跨品种校正，解决光谱模型在应用中的适配性和稳定性问题。

1. 采用计算光学技术提出了RGB图像+近红外光谱重构高光谱图像的方法，以低成本方式实现了茶叶品质的在线检测与可视化分析。 2. 融合近红外光谱信息与RGB图像信息，结合2D-DenseNet模型，实现摊青过程中茶叶内外品质的实时定量检测。 3. 构建多仪器、多品种、多批次的光谱数据库，利用迁移学习算法实现光谱定量模型的跨设备、跨品种、跨批次校正，提升光谱模型的泛化能力和稳健性。

茶叶加工过程中内外品质实时监测是优化加工工艺参数，保障成茶品质的关键，本作品能够对摊青过程中茶叶在制品的内外品质进行在线、实时、定量监测，为精准调控摊青过程中设备的风速、温度等工艺参数提供实时数据支持，将显著提升产品加工品质。增强市场竞争力并提高经济效益。此外，本作品提出的RGB图像重构高光谱图像的方法，显著降低设备成本约50%，使得该设备在中小型茶叶加工企业中具备广泛推广的潜力。