训练神经网络识别茶饼发酵变化度的方法、发酵变化度识别方法、品质识别方法和存储介质技术

本发明专利技术公开了一种训练神经网络识别茶饼发酵变化度的方法、发酵变化度识别方法、品质识别方法和存储介质。上述训练方法为：A.多次执行下述样本获取步骤，获得多组学习样本，样本获取步骤包括：——A1.取得茶饼入库前的图像、茶饼经储藏发酵后的图像以及茶饼储藏期间的发酵变化度；——A2.以茶饼入库前的图像和茶饼经储藏发酵后的图像作为输入信号，以茶饼储藏期间的发酵变化度作为输出信号，构成一组学习样本；B.采用上述多组学习样本对人工神经网络进行茶饼发酵变化度识别训练，直至该人工神经网络具备识别出茶饼的发酵变化度的识别能力，如此则实现了智能化识别且识别准确度较高，无需人工识别，降低人力成本。降低人力成本。降低人力成本。

【技术实现步骤摘要】
训练神经网络识别茶饼发酵变化度的方法、发酵变化度识别方法、品质识别方法和存储介质


[0001]本专利技术涉及茶饼发酵程度识别
，尤其涉及一种训练神经网络识别茶饼发酵变化度的方法、发酵变化度识别方法、品质识别方法和存储介质。

技术介绍

[0002]普洱茶是以云南特产的大叶种晒青毛茶为原料，在湿热和微生物共同作用下可以后发酵的特殊茶类。在储藏过程中随着储藏时间的增长，茶叶的口感香气等特征会发生变化，并呈现越来越好的口感。普洱茶的储藏过程一般包括陈化阶段和醒茶阶段，把普洱茶放置到陈化储藏仓库进行陈化，待达到了陈化程度之后，转移到醒茶储藏仓库进行醒茶，醒好之后就可以出仓售卖了。在转仓时，通常需要判断普洱茶的后发酵程度是否达到陈化标准，达标才能转移到醒茶储藏仓库进行醒茶。而在醒好进行出仓时，亦需要判断普洱茶的后发酵程度，以便对其进行分类、定价。目前的判断方式主要是人为判断，但具备丰富经验的判断人员数量少且其培养周期长，人力成本高。
[0003]目前，在茶叶的半发酵过程中已有利用机器学习智能识别发酵程度的方案，具体地，采集多个发酵程度的样本图，以单张样本图作为输入信号，以对应的发酵程度作为输出信号，构成一组学习样本，采用多组学习样本来对神经网络进行训练，使得神经网络可以根据单张茶叶图像识别出茶叶的发酵程度。但是这个方式只适合应用在茶叶颜色变化明显的半发酵过程中进行发酵程度识别，而在后发酵过程中，茶叶发酵速度非常缓慢，茶叶颜色变化并不明显，若单纯依靠一张茶叶图像来识别茶叶的发酵程度，容易产生误判。并且普洱茶达到陈化标准的发酵程度时的茶叶颜色与茶叶进行储藏前的颜色有关，储藏前的茶叶颜色不同，达到陈化标准发酵程度时的茶叶颜色也会略有区别，单单依靠一张茶叶图像来识别判断普洱茶是否达到陈化标准，判断结果准确度不高。

技术实现思路

[0004]本专利技术所要解决的技术问题是如何智能识别茶饼在陈化过程中的发酵变化度。
[0005]本专利技术的训练人工神经网络识别茶饼发酵变化度的方法，包括以下步骤：
[0006]A.多次执行下述样本获取步骤，获得多组学习样本，样本获取步骤包括：
[0007]——A1.取得茶饼入库前的图像、茶饼经储藏发酵后的图像以及茶饼储藏期间的发酵变化度；
[0008]——A2.以茶饼入库前的图像和茶饼经储藏发酵后的图像作为输入信号，以茶饼储藏期间的发酵变化度作为输出信号，构成供人工神经网络进行茶饼发酵变化度识别的一组学习样本；
[0009]B.采用上述多组学习样本对人工神经网络进行茶饼发酵变化度识别训练，直至该人工神经网络具备根据茶饼入库前的图像和茶饼经储藏发酵后的图像识别出茶饼的发酵变化度的识别能力。
[0010]可选地，
[0011]其中的部分学习样本，所述的茶饼经储藏发酵后的图像是标注了霉点的图像和/或是标注了茶饼条索完整度的图像；
[0012]在步骤A2中，还以茶饼是否发霉和/或茶饼条索完整度作为输出信号；
[0013]在步骤B中，除了如上所述地，直至该人工神经网络具备根据茶饼入库前的图像和茶饼经储藏发酵后的图像识别出茶饼的发酵变化度的识别能力，还直至该人工神经网络具备根据茶饼入库前的图像和茶饼经储藏发酵后的图像识别出茶饼是否发霉和/或茶饼条索完整度。
[0014]第一种茶饼发酵变化度识别方法，获取茶饼入库前的图像和茶饼经储藏发酵后的图像，输入到已训练好的人工神经网络中，由该人工神经网络识别出茶饼的发酵变化度。
[0015]可选地，所述人工神经网络是采用如上所述的训练人工神经网络识别茶饼发酵变化度的方法进行训练得到的。
[0016]可选地，除了如上所述地，由该人工神经网络识别出茶饼的发酵变化度，还由该人工神经网络识别出茶饼是否发霉和/或茶饼条索完整度。
[0017]第二种茶饼发酵变化度识别方法，包括以下步骤：
[0018]X.在预存的茶饼色卡中找出茶饼入库前的图像中的茶饼颜色所在点位以及茶饼经储藏发酵后的图像中的茶饼颜色所在点位，获得上述两个点位之间的轨迹；
[0019]Y.从预先建立的数据库中查找与轨迹匹配的发酵变化度，作为茶饼的发酵变化度。
[0020]茶饼品质识别方法，包括以下步骤：
[0021]P.根据茶饼入库前的图像和茶饼经储藏发酵后的图像中茶饼颜色的差异，识别出茶饼储藏期间的发酵变化度；
[0022]Q.根据达标条件判断茶饼品质是否达标，所述达标条件包括：茶饼的储藏时长和储藏期间的发酵变化度符合预设的对应关系。
[0023]可选地，步骤P中：
[0024]具体采用如上所述的茶饼发酵变化度识别方法识别出茶饼的发酵变化度；
[0025]或者
[0026]具体采用如上所述的茶饼发酵变化度识别方法，识别出茶饼的发酵变化度并识别出茶饼是否发霉和/或茶饼条索完整度，步骤Q中所述达标条件包括茶饼没发霉和/或茶饼条索完整度良好。
[0027]可选地，步骤P中，具体采用如上所述的第二种茶饼发酵变化度识别方法识别出茶饼的发酵变化度。
[0028]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现如上所述的训练人工神经网络识别茶饼发酵变化度的方法，或者实现如上所述的茶饼发酵变化度识别方法，或者实现如上所述的茶饼品质识别方法。
[0029]采用上述训练方法训练好的人工神经网络能够根据茶饼入库前的图像和茶饼经储藏发酵后的图像识别茶饼在储藏期间的发酵变化度，实现智能化识别，无需人工识别，降低人力成本。上述训练方法采用的训练样本是以茶饼入库前的图像和茶饼经储藏发酵后的图像作为输入信号的，训练得到的人工神经网络能够准确地识别出茶饼在储藏期间的发酵
变化度。
附图说明
[0030]图1是茶叶拍摄装置的立体结构示意图；
[0031]图2是茶叶拍摄装置的正视图；
[0032]图3是沿图2中A
‑
A线的剖视图；
[0033]图4是沿图2中B
‑
B线的剖视图。
[0034]附图标记说明：1、置物台；2、摄像头；3、颜色参照卡；4、外壳；5、环形补光灯。
具体实施方式
[0035]以下结合具体实施方式对本专利技术创造作进一步详细说明。
[0036]实施例一
[0037]为了使普洱茶具备更高的价值，普洱茶会被制作成茶饼进行储藏发酵。储藏发酵过程中可能会出现发酵过度或者发霉等不良情况，因此，需要人工判断经储藏发酵后的茶饼的品质是否达标，从而筛选出达标的茶饼。
[0038]判断茶饼品质是否达标主要考虑以下三个因素：发酵程度、条索完整度以及是否发霉。发酵程度、条索完整度以及是否发霉可以通过机器学习来进行智能识别。采用以单张茶饼图像作为输入信号的学习样本训练得到的人工神经网络识别茶叶发酵程度容易出现误判，而发酵变化度能够反映出茶叶当前的发酵程度，因此可以通过判断是否达到目标发酵变化度来判断是否达到目标发酵程度，本专利技术的思路是根据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.训练人工神经网络识别茶饼发酵变化度的方法，其特征是包括以下步骤：A.多次执行下述样本获取步骤，获得多组学习样本，样本获取步骤包括：——A1.取得茶饼入库前的图像、茶饼经储藏发酵后的图像以及茶饼储藏期间的发酵变化度；——A2.以茶饼入库前的图像和茶饼经储藏发酵后的图像作为输入信号，以茶饼储藏期间的发酵变化度作为输出信号，构成供人工神经网络进行茶饼发酵变化度识别的一组学习样本；B.采用上述多组学习样本对人工神经网络进行茶饼发酵变化度识别训练，直至该人工神经网络具备根据茶饼入库前的图像和茶饼经储藏发酵后的图像识别出茶饼的发酵变化度的识别能力。2.如权利要求1所述的训练人工神经网络识别茶饼发酵变化度的方法，其特征是：其中的部分学习样本，所述的茶饼经储藏发酵后的图像是标注了霉点的图像和/或是标注了茶饼条索完整度的图像；在步骤A2中，还以茶饼是否发霉和/或茶饼条索完整度作为输出信号；在步骤B中，除了如上所述地，直至该人工神经网络具备根据茶饼入库前的图像和茶饼经储藏发酵后的图像识别出茶饼的发酵变化度的识别能力，还直至该人工神经网络具备根据茶饼入库前的图像和茶饼经储藏发酵后的图像识别出茶饼是否发霉和/或茶饼条索完整度。3.茶饼发酵变化度识别方法，其特征是：获取茶饼入库前的图像和茶饼经储藏发酵后的图像，输入到已训练好的人工神经网络中，由该人工神经网络识别出茶饼的发酵变化度。4.如权利要求3所述的茶饼发酵变化度识别方法，其特征是：所述人工神经网络是采用如权利要求1所述的训练人工神经网络识别茶饼发酵变化度的方法进行训练得到的。5.如权利要求3所述的茶饼发酵变化度识别方法，其特征是：所述人工神经网络是采用如权利要求2所述的训练人工...

【专利技术属性】
技术研发人员：陈永堂，高彬，
申请(专利权)人：东莞市春福润茶叶有限公司，
类型：发明
国别省市：