[發(fā)明專利]茶葉品質(zhì)等級分類方法及裝置、設(shè)備、存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202210505674.1
• 申請日: 2022-05-10
• 公開（公告）號: CN114778484B
• 公開（公告）日: 2022-12-20
• 發(fā)明（設(shè)計(jì)）人: 喬小燕;梁建華;李瑜;馬成英;郭嘉明;胡蝶;夏紅玲;陳維
• 申請（專利權(quán)）人: 廣東省農(nóng)業(yè)科學(xué)院茶葉研究所;華南農(nóng)業(yè)大學(xué)
• 主分類號: G01N21/359
• 分類號: G01N21/359;G01N21/3563;G01N21/01;G06K9/62
• 代理公司: 廣州廣典知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44365
• 代理人: 王東平

本發(fā)明屬于茶葉品質(zhì)檢測技術(shù)領(lǐng)域，公開了一種茶葉品質(zhì)等級分類方法，在獲取待測茶樣的待測光譜之后，將待測光譜與預(yù)設(shè)修正光譜進(jìn)行合并；確定與多種指定內(nèi)含物一一對應(yīng)的多個(gè)預(yù)處理模式，對合并矩陣分別進(jìn)行預(yù)處理獲得多個(gè)光譜矩陣，將每個(gè)光譜矩陣輸入相應(yīng)的定量模型，獲得待測茶樣的多種指定內(nèi)含物的預(yù)測值輸入分類模型，獲得待測茶樣的品質(zhì)等級分類結(jié)果；在合并待測光譜與預(yù)設(shè)修正待測光譜后，計(jì)算合并矩陣的均值光譜作為新的預(yù)設(shè)修正光譜，以對預(yù)設(shè)修正光譜進(jìn)行更新，作為下一待測茶樣進(jìn)行等級分類時(shí)的預(yù)設(shè)修正光譜，從而可以利用未知樣本光譜訓(xùn)練預(yù)設(shè)修正光譜，提高待測光譜的準(zhǔn)確性，進(jìn)而提高茶葉品質(zhì)定級的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明屬于茶葉品質(zhì)檢測技術(shù)領(lǐng)域，具體涉及一種茶葉品質(zhì)等級分類方法及裝置、設(shè)備、存儲介質(zhì)。

背景技術(shù)

由于栽培管理措施的差異、加工過程中的人為因素的干擾，同一等級的茶鮮葉所制茶葉的品質(zhì)參差不齊。因此，毛茶或成品茶在出廠驗(yàn)收或銷售前通常需要經(jīng)過品控師對毛茶或成品茶進(jìn)行感官評價(jià)(口感、嗅覺)，以確定毛茶或成品茶的品質(zhì)等級，進(jìn)而分等級定價(jià)銷售。這種方法往往對品控師的要求較高，不僅要熟悉市場走向，也要對消費(fèi)者的喜好非常了解，且主觀性強(qiáng)。

另一方面毛茶驗(yàn)收是茶葉拼配的第一個(gè)環(huán)節(jié)，也是成品茶品質(zhì)好壞的關(guān)鍵環(huán)節(jié)。品質(zhì)驗(yàn)收是毛茶驗(yàn)收的核心，而審評定級是毛茶驗(yàn)收和品質(zhì)驗(yàn)收的核心。因此，審評定級貫穿于從毛茶驗(yàn)收、精制加工到銷售整個(gè)環(huán)節(jié)，而審評定級需要品控師，對專業(yè)要求高且依賴于經(jīng)驗(yàn)，不僅會(huì)增加人力成本，也并不適應(yīng)當(dāng)今茶葉向工業(yè)化發(fā)展的要求，阻礙茶葉從農(nóng)產(chǎn)品向快消品的轉(zhuǎn)變。

目前，因近紅外光譜(Near Infrared Spectroscopy，NIR)技術(shù)具有快速、便捷、無損等優(yōu)點(diǎn)，廣泛應(yīng)用于茶葉的生化成分(如茶多酚、咖啡因、茶黃素、氨基酸和含水量)定量分析，以及茶葉種類判別和產(chǎn)地溯源等定性分析。在生產(chǎn)實(shí)踐中，審評定級(品質(zhì)等級)是毛茶驗(yàn)收和茶葉拼配的核心，但現(xiàn)有基于近紅外光譜的茶葉品質(zhì)評定方案，主要采用直接獲取成品茶的近紅外光譜數(shù)據(jù)通過機(jī)器學(xué)習(xí)算法進(jìn)行簡單識別分級，從而導(dǎo)致等級分類準(zhǔn)確性較低。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種茶葉品質(zhì)等級分類方法及裝置、設(shè)備、存儲介質(zhì)，可以提高茶葉品質(zhì)定級的準(zhǔn)確性。

本發(fā)明第一方面公開一種茶葉品質(zhì)等級分類方法，包括：

獲取待測茶樣的待測光譜；

將所述待測光譜與預(yù)設(shè)修正光譜進(jìn)行合并，獲得合并矩陣；

確定與多種指定內(nèi)含物一一對應(yīng)的多個(gè)預(yù)處理模式；

按照每個(gè)所述預(yù)處理模式對所述合并矩陣分別進(jìn)行預(yù)處理，獲得與多種指定內(nèi)含物一一對應(yīng)的多個(gè)光譜矩陣；

將每個(gè)所述光譜矩陣輸入相應(yīng)的定量模型，獲得所述待測茶樣的多種指定內(nèi)含物的預(yù)測值；其中，多個(gè)定量模型與多種指定內(nèi)含物一一對應(yīng)；

將所述待測茶樣的多種指定內(nèi)含物的預(yù)測值輸入分類模型，獲得所述待測茶樣的品質(zhì)等級分類結(jié)果；

計(jì)算所述合并矩陣的均值光譜作為新的預(yù)設(shè)修正光譜，以對預(yù)設(shè)修正光譜進(jìn)行更新。

在一些實(shí)施例中，所述將每個(gè)所述光譜矩陣輸入相應(yīng)的定量模型，獲得所述待測茶樣的多種指定內(nèi)含物的預(yù)測值，包括：

對每個(gè)所述光譜矩陣進(jìn)行特征變量提取，獲得與多種指定內(nèi)含物一一對應(yīng)的多個(gè)特征光譜；

將每個(gè)所述特征光譜輸入相應(yīng)的定量模型，獲得所述待測茶樣的多種指定內(nèi)含物的預(yù)測值。

在一些實(shí)施例中，所述對每個(gè)所述光譜矩陣進(jìn)行特征變量提取，獲得與多種指定內(nèi)含物一一對應(yīng)的多個(gè)特征光譜，包括：

確定與多種指定內(nèi)含物一一對應(yīng)的多個(gè)特征波長；