时间：2025-08-18 09:13 来源：山东省农业科学院 原文:
红茶占全球茶叶总产量的70%以上，是世界上生产和销量最多的茶类。发酵是形成红茶香味的关键步骤，精准把控其发酵程度尤为重要。当今生产红茶过程中，更多的是师傅们凭借自己的做茶经验来掌握发酵程度，“看茶做茶”已成为制约红茶智能化加工的关键技术瓶颈。
针对红茶加工中茶树品种多样性、发酵品质时序性和物质生成非线性等特点，本研究采用机器视觉与深度学习融合技术，提出基于迁移学习的卷积神经网络（CNN）来判别红茶发酵程度。首先运用迁移学习策略，实验对比14种CNN，根据模型复杂度及实验结果综合选出学生模型ResNet18与教师模型Efficientnet_v2_m，然后将学生模型损失函数更换为PolyLoss，其次用AdamW替换原优化器RMSProp，最后采用Attention Transfer（AT）方法对替换优化器后的模型进行知识蒸馏。实验结果表明，模型在不增加复杂度的情况下，Accuracy、Precision、Recall、F1分别提升0.0415、0.0215、0.0902、0.0645，实现了红茶发酵程度的精准判别，为红茶的数智化加工生产提供技术支撑。
茶叶所为第一完成单位和通讯单位，董春旺研究员为论文的通讯作者，联培生朱雪松博士、丁泽中博士为论文共同一作，该研究得到院创新工程（CXGC2025A02）和济南市农业科技攻关项目（GG202415）的资助。
文章链接：https://doi.org/10.1038/s41538-025-00516-6。
