基于近红外光谱技术的眉茶拼配比例预测方法

来源：农业工程学报杂志2022年第2期北京时间：

作者：宋彦,汪小中,赵磊,张叶,宁井铭,程福寿,

摘要：拼配是出口炒青绿茶精制加工过程中的一项作业，通过对不同原料茶的拼合，达到维持产品品质标准化和一致性的目的。目前仍然依靠专家人工设计茶叶拼配比例，主观性较强，工作量大。为了实现拼配比例设计的客观化、定量化，该研究以眉茶为对象，提出了一种基于近红外光谱技术的拼配比例预测方法，采用源于黄山、湖北、福建3地的4种典型原料茶拼合了不同比例的茶样，采集了其近红外光谱数据，构建了用于预测拼配比例的4种机器学习模型，分别为AE+Softmax、CNN+Softmax、PCA+Softmax及PCA+PLS，并通过对比模型预测结果与预设拼配比例评价算法性能。结果表明，基于CNN+Softmax的拼配比例预测方法精度较高，特征维度为40时，验证集决定系数为0.964 3，均方根误差为0.047 2，优于其他方法，经过测试集测试后的性能指标与验证集接近，说明算法具有较好的泛化能力。研究结果可为茶叶数字化、智能化拼配提供理论依据与数据支撑。

关键词：近红外光谱, 机器学习, 深度学习, 茶叶, 拼配