[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

说明书

本发明涉及一种基于卷积神经网络的红茶发酵程度的鉴定方法，采取的方案为：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，选取样本图作为CNN的训练集；其次，进行CNN训练过程；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。实现红茶发酵的连续化。

技术领域

本发明涉及一种基于卷积神经网络的鉴定方法，主要用于红茶发酵阶段采集到的图片进行发酵程度的鉴定。属于红茶加工技术领域。

背景技术

目前，国内茶叶生产企业对于红茶的生产没有完全实现自动化。因为在红茶的发酵过程中，对发酵程度的鉴定仍未实现自动鉴定。现有的红茶发酵程度鉴定方法，如叶色匹配、试剂检测等，在实际的应用中面临着测试准确性较低、测试速度慢、依赖人工等问题，这些问题严重阻碍了红茶的自动化生产。

为了降低红茶发酵对人工的依赖，进一步推动红茶的自动化生产，需要对红茶发酵程度鉴定方法进行着重研究，根据相关专利知已经实现红茶发酵程度鉴定的有：专利号为CN103424520A的专利文件公开了一种红茶发酵适度判定方法，取发酵叶样品测定并记录EGCG含量，专利号为CN104155299A的专利文件公开了一种基于色相直方图的红茶发酵适度判别方法及装置，专利号为CN104297203A的专利文件公开了一种基于近红外光谱分析技术的工夫红茶发酵质量的快速判别方法。

以上红茶发酵程度鉴定方法仍未实现对于红茶生产线的自动鉴定，在生产加工过程中受到了一定的限制。本发明将深度学习及卷积神经网络与红茶的加工与生产相结合，目的在于对生产线中采集到的红茶发酵图片进行实时鉴定，与红茶发酵设备的控制系统结合，将鉴定结果反馈到发酵设备控制系统，使发酵设备实现智能与自动化发酵，若发酵适度则进入下一步的烘焙工序，否则需要继续发酵，直到发酵程度达到适度标准才进行下一步工艺。可以取代由制茶师来判断的方式，同时避免出现因人工进入发酵室而引起室内环境不稳定的问题，有助于解决红茶生产对人工过度依赖的问题，这对促进红茶发酵自动化、连续化与清洁化，以及推动红茶生产及茶叶加工领域整体的自动化与智能化加工有重要意义。

发明内容

为了满足茶叶加工自动化生产需求以及精准掌控红茶发酵品质，减少红茶生产对人工操作的依赖性，本发明旨在提供一种基于卷积神经网络的红茶发酵程度鉴定方法并将其应用于红茶发酵程度的智能鉴定与分类。

为了解决上述技术问题，本发明采取的技术方案为：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。

优选地：所述输入层为红茶发酵图片的RGB像素矩阵。

优选地：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。