文献类型： 中文期刊

作者： 王成蹊 ¹ ; 马洁 ¹ ; 贾文珅 ² ; 毕亮 ³ ; 陈冬冬 ³ ; 刘青伟 ³ ;

作者机构： 1.北京信息科技大学机电工程学院

2.北京市农林科学院质量标准与检测技术研究所

3.辽宁工业大学机械工程与自动化学院

关键词： 六安瓜片茶;注意力机制;茶叶分级;计算机视觉;残差网络

期刊名称： 北京信息科技大学学报(自然科学版)

ISSN： 1674-6864

年卷期： 2025 年 40 卷 003 期

页码： 20-28

摘要： 六安瓜片茶的品质分级长期依赖人工感官评估或电化学分析方法，存在效率低和成本高等局限。针对现有加入注意力机制的神经网络模型在茶叶细粒度分类中的局限性，提出了基于改进嵌入卷积注意力模块（convolutional block attention module, CBAM）的残差网络（residual network, ResNet）模型CBAM-ResNet18的智能评级系统。首先，将CBAM-ResNet18输入层中的最大池化层替换为卷积层，在降低空间维度的同时保留更多茶叶表面微观结构细节。其次，对CBAM-ResNet18的通道数进行压缩，使模型聚焦于不同等级茶叶间差异的关键区域，在提高模型分类精度的同时实现模型轻量化。实验结果表明，在涵盖4个主流品牌、4类等级的自制六安瓜片茶数据集上，所提模型的Top-1准确率达95.0%，媲美现有主流先进注意力网络。而模型总参数量和每秒可执行的浮点运算次数较原CBAM-ResNet18分别下降约83%和30%。在同步开发的低成本便携设备上部署后，采用FP32精度的推理时间约为1.5 s/帧，量化为INT8精度后的推理时间约为0.9 s/帧，证明了系统在六安瓜片茶质检领域的应用潜力。