[发明专利]一种基于卷积神经网络的红茶发酵程度的鉴定方法

权利要求书

1.一种基于卷积神经网络的红茶发酵程度的鉴定方法，其特征在于：

首先，针对红茶发酵程度的鉴定，将红茶生产线中的数据采集与监控系统（SCADA）采集到的红茶发酵图片，选取带标签的8000张四个发酵阶段的样本图作为CNN的训练集；

其次，进行CNN训练过程；所述CNN训练过程结构主要由输入层，卷积层，池化层，全连接层和输出层构成，其中所述卷积层和池化层交替设置，即一个卷积层连接一个池化层，池化层后再连接一个卷积层，依此类推；

再次，在CNN的输出层对红茶发酵程度的识别与鉴定，并将判断结果作为下一步加工的参考依据；

最后，根据上一步对红茶发酵程度的识别与鉴定，若红茶发酵未完成，即发酵程度非适度标准，需要继续发酵，若发酵程度达到适度标准，则结束发酵，继续下一步烘焙工艺；通过CNN对红茶发酵程度的鉴定作为红茶生产线SCADA系统的红茶发酵程度鉴定模块，实现红茶发酵的连续化。

2.如权利要求1所述的一种基于卷积神经网络的红茶发酵程度的鉴定方法，其特征在于：所述输入层为红茶发酵图片的RGB像素矩阵。

3.如权利要求1所述的一种基于卷积神经网络的红茶发酵程度的鉴定方法，其特征在于：所述卷积层在进行卷积运算时，输入特征为红茶发酵图片的RGB像素矩阵，对特征图矩阵的每个像素进行卷积运算，在第一个卷积运算中，通过增大卷积核的滑动步长减少重复的卷积运算过程。

4.如权利要求1-3任意一项所述的一种基于卷积神经网络的红茶发酵程度的鉴定方法，其特征在于：所述红茶发酵图片的彩色像素提取值为：R（Red）值为79-88，G（Green）值为31-9，B（Blue）值为65-71。

5.如权利要求1所述的一种基于卷积神经网络的红茶发酵程度的鉴定方法，其特征在于：进行CNN训练过程时：首先将图片处理成64×64大小的图片；然后将简单预处理的红茶发酵图片分为A、B、C、D四个类别，类别A、B、C、D分别为连续发酵了1.5h，2.5h，3.5h和4.5h的红茶图片。

6.如权利要求1所述的一种基于卷积神经网络的红茶发酵程度的鉴定方法，其特征在于：所述输出层中使用线性SVM分类器。

7.如权利要求1或6所述的一种基于卷积神经网络的红茶发酵程度的鉴定方法，其特征在于：所述输出层设4个神经单元，代表了四类鉴定结果，分别对应红茶发酵阶段1.5h、2.5h、3.5h、4.5h。