| 基于多尺度注意力机制和知识蒸馏的茶叶嫩芽分级方法 |
| |
| 引用本文： | 黄海松,陈星燃,韩正功,范青松,朱云伟,胡鹏飞. 基于多尺度注意力机制和知识蒸馏的茶叶嫩芽分级方法[J]. 农业机械学报, 2022, 53(9): 399-407，458 |
| |
| 作者姓名： | 黄海松 陈星燃 韩正功 范青松 朱云伟 胡鹏飞 |
| |
| 作者单位： | 贵州大学现代制造技术教育部重点实验室,贵阳550025;贵州装备制造职业学院科研处,贵阳551400;清镇红枫山韵茶场有限公司,贵阳551400 |
| |
| 基金项目： | 国家自然科学基金项目（51865004、52165063）和贵州省科技计划项目（黔科合支撑[2021]一般445、黔科合支撑[2021]一般172、黔科合支撑[2021]一般397、黔科合支撑[2022]一般165） |
| |
| 摘 要： | 相较于人工感官评审法,基于深度学习和计算机技术进行茶叶嫩芽分级可以降低时间成本并大幅提高精度,但常用的识别模型存在着冗余计算量多和模型规格大的问题。为此以采摘自贵州红枫山韵茶场的茶叶嫩芽为研究对象,根据人工经验将茶样划分为3个等级;在ShuffleNet-V2 0.5x基本单元中嵌入多尺度卷积块注意力模块(MCBAM)与多尺度深度捷径(MDS),提出一种茶叶嫩芽分级模型(ShuffleNet-V2 0.5x-SMAU),聚焦茶样中有利于分级的特征信息;以在两个不同源域上预训练后的模型作为教师和学生模型,提出一种结合双迁移和知识蒸馏的茶叶嫩芽分级方法,借助暗知识的传授进一步增强分级模型分类性能与抵抗过拟合的能力。结果表明,本文方法能在保证模型轻量性的条件下,对测试集各级样本的分级准确率达到100%、92.70%、89.89%,表现出优于采用复杂网络模型的综合性能,在储存资源有限和硬件水平低的生产场景中应用具有优越性。
|
| 关 键 词： | 茶叶嫩芽分级 注意力机制 迁移学习 知识蒸馏 |
| 收稿时间： | 2021-09-23 |
Tea Buds Grading Method Based on Multiscale Attention Mechanism and Knowledge Distillation |
| |
| HUANG Haisong,CHEN Xingran,HAN Zhenggong,FAN Qingsong,ZHU Yunwei,HU Pengfei. Tea Buds Grading Method Based on Multiscale Attention Mechanism and Knowledge Distillation[J]. Transactions of the Chinese Society for Agricultural Machinery, 2022, 53(9): 399-407，458 |
| |
| Authors: | HUANG Haisong CHEN Xingran HAN Zhenggong FAN Qingsong ZHU Yunwei HU Pengfei |
| |
| Affiliation: | Guizhou University; Guizhou Vocational College of Equipment Manufacturing;Qingzhen Hongfeng Mountain Yun Tea Farm Co., Ltd. |
| |
| Abstract: | |
| |
| Keywords: | tea bud grading attention mechanism transfer learning knowledge distillation |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
|
点击此处可从《农业机械学报》下载全文 |
|
