近日，四川农业年夜学园艺学院茶学系传授杜晓团队立异性地构建了一个多视角多使命深度神经收集——Tea MvMtNet，乐成实现茶叶风韵因子智能周全量化评估与精准分类，为茶叶全财产链数字化、邃密化治理提供要害技能支撑。相干研究结果发表在Computers and Electronics in Agriculture。
茶叶品质的精准评估是出产与品控的要害。今朝通行的国度尺度（GB/T 23776-2018）重要依靠专业评审员举行感官审评，该要领权势巨子但周期较长，且易受主不雅因素影响。当前运用在茶叶品控的人工智能算法，大都仅基在干茶外不雅单一维度开展分类分级，难以周全量化茶叶繁杂的多维风韵特性。
针对于这一痛点，杜晓团队立异设计并构建多视角多使命深度神经收集Tea MvMtNet。团队起首构建了一个笼罩天下18个产茶省分、包罗809份红茶、黄茶、绿茶样本的高质量数据集。该数据集评分呈正态漫衍，能完备笼罩从高到低的全品质梯度，为模子稳健练习与泛化能力晋升提供了高代表性、高平衡性的数据支撑。
随后，经由过程评估验证，Tea MvMtNet揭示出显著的机能上风。Tea MvMtNet泛化机能显著优在ResNet15二、PVT_V2_b3等主流前沿模子，具有更强的跨样本、跨场景茶叶品质评估能力，其多视角交融架构统筹计较效率与模子轻量化，年夜幅降低技能财产化落地的硬件门坎；于10分制评分系统下，Tea MvMtNet对于五项风韵因子和加权总分的平均绝对于偏差别离低至0.1960、0.2840、0.264八、0.316七、0.1720、0.1723分，量化评估精度比肩专业审评员，模子对于加权总分评估决议系数R2达0.8359，喷鼻气、滋味两年夜焦点风韵因子R2均超0.75，拟合效果也优在现有主流模子；Tea MvMtNet对于红茶、绿茶、黄茶三年夜主流茶类总体分类正确率高达98.11%，显著优在对于比模子，能有用解决传统算法细粒度茶类区别能力不足的难题。
红茶、黄茶、绿茶和总茶样感官评分漫衍的小提琴图 四川农业年夜学供图 杜晓团队构建的Tea MvMtNet模子，冲破了传统单视角算法局限，周全适配茶叶干茶、茶汤、叶底三个焦点维度视觉特性，同步实现茶叶品类精准判别与五年夜风韵因子协同定量猜测，拓展了人工智能于茶叶品质评价中的运用界限，为茶叶审评技能的智能化成长和财产链的数字化、邃密化治理提供了新的思绪及要领。
相干论文信息：https://doi.org/10.1016/j.compag.2026.111618
版权声明：凡本网注明“来历：中国科学报、科学网、科学新闻杂志”的所有作品，网站转载，请于正文上方注明来历及作者，且不患上对于内容作本色性改动；微信公家号、头条号等新媒体平台，转载请接洽授权。邮箱：shouquan@stimes.cn。-bevictor伟德官网
