基于改进版ShuffleNet V2的铁观音茶酶促氧化阶段识别方法

《Journal of Food Measurement and Characterization》：Enzymatic oxidation stage recognition method for Tieguanyin tea based on improved ShuffleNet V2

茶叶发酵自动识别模型研究：提出基于ShuffleNet V2的TGR-EOSR模型，通过坐标注意力机制、多尺度特征提取模块及ReLU6残差连接优化，实现93.93%识别准确率与3.902M参数量，提升生产标准化。

　　

摘要

酶促氧化（EO）是铁观音茶叶加工中的核心过程，对茶叶的颜色、香气和口感起着决定性作用。然而，自动识别酶促氧化的各个阶段仍然是一项极具挑战性的任务。本研究提出了TGR-EOSR模型，该模型基于ShuffleNet V2进行改进，旨在实现六个关键酶促氧化阶段的高识别精度。具体而言，引入了坐标注意力机制来增强模型对高级特征的关注，例如茶叶嫩芽上棕色斑点的分布情况。多尺度特征提取模块用于改进对低级特征的捕捉，包括叶片颜色和形态细节。此外，ReLU6和残差连接的结合使用能够抑制过大的激活值，提高模型的鲁棒性并加速收敛速度。同时，引入了Ghost模块以减少参数数量，实现模型的轻量化设计。实验结果表明，TGR-EOSR的性能显著优于ShuffleNet V2：其酶促氧化阶段识别准确率达到93.93%，F1分数为93.95%，且仅包含390.2万个参数。该模型减少了对茶叶大师主观经验的依赖，提高了茶叶生产的标准化程度和质量稳定性，为智能茶叶加工提供了实用可行的解决方案。