基于深度度量学习的茶叶相似性评价方法

摘要：

在眉茶拼配过程中,为了客观定量的评价试拼小样与标准样之间的相似性,该研究提出了一种基于深度度量学习的相似性评价方法,采用7种等级的眉茶标准样作为训练集,并在标准样中加入不同含量半成品茶构建具有不同相似性的测试集.采集茶样的高光谱数据并获取光谱特征与图像特征,分别以光谱数据、图像数据、图谱融合数据3种数据类型作为模型的输入.为了构建距离特征空间,该研究提出了基于三元组损失的深度特征提取网络,并设计了Center Anchor Triplet Loss损失函数,通过样本在特征空间的距离,表征相似程度,达到定性判断相似性和定量度量相似度的目的.结果表明:图谱融合数据结合Center Anchor Triplet Loss的方法精度最高,相似性判断准确率为98.89％,相似度度量准确率为100％.该研究采用未经训练的独立样本评价模型,可以获得较好的结果,说明算法具有较好的泛化能力.研究结果为眉茶的相似性评价提供了理论依据.

关键词：图像处理、高光谱、茶叶拼配、相似性评价、深度度量学习、数据融合

所属期刊栏目：39

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家重点研发计划;国家茶叶产业技术体系项目

在线出版日期：2023-04-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：260-269