学者用深度神经网络，实现茶叶风味因子智能量化评估

当前应用于茶叶品控的人工智能算法，多数仅基于干茶外观单一维度开展分类分级，难以全面量化茶叶复杂的多维风味特征 … 在 10 分制评分体系下，Tea MvMtNet 对五项风味因子及加权总分的平均绝对误差分别低至 0.1960、0.2840、0.2648、0.3167、0.1720、0.1723 分，量化评估精度比肩专业审评员，模型对加权总分评估决定系数 R2 达 0.8359，香气、滋味两大核心风味因子 R2 均超 0.75，拟合效果也优于现有主流模型 … 杜晓团队构建的 Tea MvMtNet 模型，突破了传统单视角算法局限，全面适配茶叶干茶、茶汤、叶底三个核心维度视觉特征，同步实现茶叶品类精准判别与五大风味因子协同定量预测，拓展了人工智能在茶叶品质评价中的应用边界，为茶叶审评技术的智能化发展及产业链的数字化、精细化管理提供了新的思路和方法。

原文连接