基于神经网络茶叶的品质分析

徐泰燕

（武昌工学院，湖北武汉430065）

近些来看，我国茶叶种植面积、茶叶产量以及经济产值，呈现出快速增长的趋势。根据相关机构公布的数据来看，2019 年我国茶园面积4597.87万亩，同比增长4.60%，产量高达279.34万吨，同比增长6.78%，行业产值2396 亿人民币。为保持茶叶产业的稳步发展，更好地规范市场秩序，构建完善的种植、生产、销售机制，有必要从茶叶品质管控的角度入手，通茶叶品质的分析评估以及科学掌控，带动现有茶叶产业的转型。基于这种认知，需要依托人工神经网络等技术手段，对现有的茶叶品质分析与评估方式作出相应的调整，逐步形成完备的茶叶品质分析体系。

1 人工神经网络技术概述

对人工神经网络技术原理、技术特点的梳理，准确把握人工神经网络技术应用的相关要求，为后续人工神经网络技术的应用、注意事项的梳理，有着极大的裨益，保证了研究方向的准确性。

1.1 人工神经网络技术原理

人工神经网络又被称为神经网络，其作为人工智能的重要分支，着眼于现代神经生物学的研究结果，对逻辑方式与运行原则作出针对性的调整，逐步模拟人脑的信息处理方式，实现信息处理的有效性与科学性[1]。人工神经网络涉及多个技术领域，涵盖了医学、神经生理学、人工智能、计算机学等多个科学领域，表现出较强的非线性动力特性，从而形成一种信息处理、自我学习以及记忆反思功能。随着人工神经网络技术的逐步完善与发展，形成了多元化的技术机制，例如无反馈前向网络、有反馈前向网络、层内结合前向网络等人工神经网络技术，促进了拓扑结构的完善，使得人工神经网络可以根据环境的变化，依据学习规则，开展信息识别、自动控制、组合优化等相关活动。近些年来，人工神经网络在生产、生活等诸多领域发挥着关键性作用，成为模式识别、智能机器人、自动控制、预测估计的主要技术途径。

1.2 人工神经网络技术特点

与传统的人工智能技术与信息处理方案不同，人工神经网络采用分布式系统，弥补了人工智能在非结构性信息处理方面的技术缺陷，强化了信息分析、处理以及应用能力。人工神经网络网技术表现出非线性、非局限性、非常定性以及非凸性等特点，具体来看，人工神经网络以人脑的功能性模拟作为主要目标，因此其在信息处理、模式识别的过程中，表现出较为明显的非线性特征，即不需要建立经验公式或者相关数学模型，通过对样本数据的处理，实现数据的深度发掘与整合，并且人工神经网络的这种非线性，大大增强了自身的容错率，能够在较短时间内，快速完成数据的处理。人工神经网络技术的非局限性，将多个模拟神经元进行连接，使得各个神经元可以通过彼此之间的相互关系，实现对人脑个功能联想记忆功能的有效模拟[2]。人工神经网络技术在应用过程中，具有机较强的组织能力与学习能力，可以根据实际情况的变化，采取更为灵活多变的方式，开展信息的多线程处理，这种非常定性，使得人工神经网络具备对复杂场景的应对能力。

2 人工神经网络在茶叶品质分析中的应用路径

人工神经网络在茶叶品质分析中的应用，要求技术人员立足于人工神经网络的技术特征，统筹兼顾茶叶品质基本要点，针对性地开展茶叶色泽、形状、口感等分析评估机制的创建工作，确保人工神经网络在茶叶品种分析中的科学化应用。

2.1 人工神经网络在茶叶品质分析中应用价值

在较长的一段时间内，茶叶品质的分析，主要通过感官评审法来实现，这种茶叶品质评价方式，成本较低，周期较短，具有加强的实用性，但是茶叶品质的评价结果收到主观因素的影响相对较大，例如对于同一款茶叶，不同的评茶师由于自身的品味以及感官灵敏度的差异，难以进行客观、全面的评价。为尽可能地消除人为因素对于茶叶品质分析活动的干扰，部分机构尝试同仪器设备进行茶叶品质的测定，但是茶叶品质涉及到的因素众多，如果采用现有的数学模型，难以有效对大量的数据进行精准、快速地分析，尤其茶叶品质受到自身品种、种植环境、加工方式等条件的影响，因此传统技术思路与技术方案，无法满足茶叶品质分析的相关要求[3]。人工神经网络作为一种成熟的人工智能技术，不仅具有较强的数据整合、分析能力，还表现出较好的环境适应性以及抗干扰能力，通过人工神经网络来分析影响茶叶品质的因素的非线性对应关系，可以达到对茶叶品质分析评价的目的。由于人工神经网络技术操作难度较低，可操作性较强，具备实践推广与应用的价值。

2.2 人工神经网络在茶叶品质分析中的应用路径

人工神经网络在茶叶品质分析中的应用，要求技术人员将茶叶外形、香气、口感作为分析评估的出发点与立足点，借助视觉图像处理技术、电子鼻技术、电子舌技术，完成对相关分析项目的信息采集与评估，实现对茶叶品质的准确评价。

2.2.1 人工神经网络在茶叶外形分析中的应用

人工神经网络对于茶叶外形分析评价，主要依托机器视觉图像处理技术来实现。机器视觉图像处理技术通过计算机模拟人眼的视觉功能，将茶叶的色泽、外形等基本数据，采取映射的方式，形成数字图像，并按照人眼对图像的判定规律，对获取的数字图像进行解读与识别。机器视觉图像处理技术对于茶叶颜色、形状等外形参数的获取精确更高，对茶叶外形的分析结果也更为贴合实际。在实际操作环节，技术人员可以通过相关设备，获取茶叶的高光谱图像，在此基础上，利用成分分析法，进行茶叶特征图像的提取，并举例提取特征图像的颜色、纹理等情况。技术人员通过数码摄像机等设备，获取待测茶叶的外形图像，通过图像处理技术、计算机视觉技术，对获取的图像信息进转换等预处理，然后将获得图像信息与特征图像进行对比，获得最终的茶叶形状参数，完成茶叶颜色、形状的评价，实现了对茶叶外形的高精度检测。

2.2.2 人工神经网络在茶叶香气分析中的应用

茶叶的香气是影响茶叶品质的重要因素，通常情况下，茶叶的香气与口感有着密切的联系，茶叶越香，口感越好，其原因在于茶叶中含有大量的芳香物质，这些物质对人体的感官系统会产生一定的刺激作用，产生香的感觉。但是茶叶的芳类物质含量较少，并且组成复杂，容易挥发，在进行提取的过程中，往往容易发生各类反应，造成提取、分析结果失真。电鼻子技术作为一种生物嗅觉模拟技术，能够通过气体传感器阵列对气味进行识别，并且其对气味的感知灵敏度较高，具备进行茶叶香气分析的能力[4]。在实际分析过程中，技术人员需要认真做好气味提取元件、传感器阵列、信号处理系统的调试工作，通过必要的调试，电子鼻中的传感器，可以对茶叶的香气类型、浓烈程度进行客观的反应，以达到气味十倍的目的。

2.2.3 人工神经网络在茶叶口感分析中的应用

茶叶的口感是影响茶叶品质分析结果的重要因素，人工神经网络在进行茶叶口感分析的过程中，可以借助于电子舌技术，开展系列的评估。电子舌主要依托味觉传感器、数字信号识别基础，完成对人体味觉的仿真模拟，在实际的检测分析过程中，电子舌与茶叶发生接触后，其味觉感受器表面分布的电势由于较为敏感，因此会发生较为明显的变化，引发味觉响应，同步检测出不同味觉物质之间的相互惯性力。与传统的味觉检测、分析技术相比，电子舌技术灵敏度较高、可靠性较强，逐步成为现阶段茶叶口感分析的主要技术方式。

机械视觉图像处理技术、电子鼻技术、电子舌技术的应用，可以有效模拟人类感官下茶叶的外形、香气以及口感等评价结果，具有较强的实用性。通过对三种技术的联动使用，人工神经网络技术可以完成茶叶品质的评估与分析，更为精准地掌握茶叶品质，为种植、销售等等活动的开展提供了技术支撑，实现了产业的优化升级。

3 人工神经网络在茶叶品质分析中应用的注意事项

人工神经网络在茶叶品种分析中的应用涉及诸多领域，为保证分析工作的有效性，技术人员在分析过往经验的基础上，明确人工神经网络应用过程中的相关注意事项，规避应用误区，确保应用方案的可行性与针对性。

人工神经网络在茶叶品质分析过程中，需要认识我国茶叶种类繁多，成分构成较为复杂，同一茶叶品种由于种植区域、栽培方式、加工工艺以及存储环境的不同，也会造成品质的差异[5]。这就要求，技术人员在利用人工神经网络技术进行茶叶品质品质分析的过程中，需要采取更为灵活的方式，最大程度地扩大适用范围。例如在人工神经网络建模的过程中，应当尽可能地增加学习样本的体量，增加样本数据的内容，以此来保证人工神经网络模型的可靠性与稳定性。这就要求技术人员，需要从实际出发，做好学习样本的筛选工作，通过样本意义的保障，使得人工神经网络可以实现对茶叶品质的科学、客观分析，全面反应茶叶的品质。茶叶品质特征因子的提取过程中，要求技术人员可以更加系统地明确特征因子与品质之间的相关性，在相关性的框架下，借助于相应的分析方法，对特征因子与茶叶品质之间的内在联系以及相关规律进行总结，逐步实现人工神经网络的升级，使其通过联想记忆，实现人工神经网络技术适用范围的延伸。人工神经网络系统的运行效能，受到神经元特征、神经元的连接形式以及学习规则等要素的影响，这就要求，技术人员在利用人工神经网络进行茶叶品质评估分析的过程中，需要确立神经元特征，建立完整、高效的神经元连接方式，明确学习规则，以此来保障人工神经网络的学习能力、分析能力，使其满足茶叶品质评估的相关要求。

4 案例分析

通过对茶叶品质分析人工神经网络应用案例的全面分析与梳理，通过对应用经验的总结，明确人工神经网络应用的重点，避免了茶叶品质分析偏差，实现分析的有效性与合理性。

西湖龙井作为我国十大名茶之首，其知名度高、经济价值高，在为种植户、茶厂带来巨大经济收益的同时，也遭受了假冒伪劣产品的威胁，影响了其市场形象。为实现西湖龙井品质的把控，规范市场秩序，相关技术团队以及生产企业，联合进行了西湖龙井茶茶叶品质的分析与评估工作。为确保整个茶叶品质评估的客观性与准确性，其采用人工神经网络技术，开展系列分析与评估工作。在茶叶外形的评估分析过程中，依托机械图像视觉技术，使用高光谱成像仪、光源、图像采集卡、处理软件等硬件设备，进行样品茶叶的图像特征的获取。在特征参数提取过程中，考虑到高光谱图像涉及到的波段较多，因此技术人员需要开展冗余信息的筛选操作。例如在西湖龙井茶叶外观特征的获取过程，主要针对茶叶的颜色、形状以及纹理来进行，技术人员通过MATLAB 图像处理工具，将外观的18 个特征参数开展提取，同时借助于灰度共生矩阵，进行惯性矩、同质矩等相关纹理特征的获取，实现对整个茶叶外观特征的分析。完成特征因子的获取后，技术人员需要系统开展人工神经网络的设计工作，结合现有的西湖龙井茶的等级分类，确立4 个神经元，分别代表不同的茶叶等级，借助于人工神经网络系统的强大的问题描述能力、分析能力，实现对非线性关系的验证，从而快速、准确地判定西湖龙井茶叶的品质等级。为增强人工神经网络技术的成长性，技术人员应当系统开展人工神经网络的训练工作，借助于训练活动，促进人工神经网络技术升级，实现数据分析能力的迭代升级，增强人工神经网络对于茶叶外观、香气、口感的识别能力。例如技术人员对市场主要的龙井茶进行汇总，共获取30个样本，将20 个样本作为训练集，10 个样本组预测集，开展针对性的迭代训练，训练的次数保持在3000 次。并通过确定的10 个样本组预测集，对人工神经网络技术的迭代效果开展系统性评估。

5 结语

人工神经网络在茶叶品质分析中的应用，实现茶叶品质分析的智能化、规范化以及标准化，对于茶叶种植、生产以及销售等活动的开展提供了数据支撑。文章从实际出发，积极探讨人工神经网络的技术应用方案，强化对茶叶主要性状参数的获取能力，打造完备、成熟的茶叶品质分析模式。