基于改进MobileNetV3的茶叶做青图像检测方法

摘要

[目的]茶叶的做青过程是塑造茶叶“金镶边”色泽与发酵风味的核心环节，但传统茶叶做青过程中需要人工频繁打开做青桶检查茶叶发酵情况。这种方式不仅劳动强度大且发酵程度的判断受工人主观因素影响，难以形成统一、稳定的标准，造成茶叶发酵品质参差不齐，因此为了实现做青过程中做青容器内叶片发酵进展的智能检测，提出了一种基于改进MobileNetV3的茶叶做青图像检测识别模型。[方法]针对做青叶片识别任务中“金边”目标分布不规则且多为小目标难检测的特点，提出一种高效多尺度通道注意力(efficient multi-scale channel attention, EMCA)模块，旨在轻量化网络结构的同时，实现对小目标及边缘细节的精确捕捉，降低特征的漏检现象。此外，为使模型充分理解小目标所处环境，建立深浅特征图间的长短期依赖关系，对原有精简空间池化解码头(lite reduce atrous spatial pyramid pooling, LRASPP)进行了改进，使不同尺度的特征图进行信息交互与融合，进而提高特征表示的丰富度与准确性。[结果]该算法在自建茶叶做青数据集上进行试验，模型平均交并比82.95%,平均像素准确率90.53%,模型参数量1.823 M。相比MobileNetV3模型，其平均交并比和平均像素准确率分别提高4.93%和8.26%,参数量减少44%。[结论]该方法能够实现做青过程中茶叶做青程度的精确识别，对于实现茶叶做青过程智能化具有重要意义。

关键词

图像识别 / 语义分割 / 茶叶 / MobileNetV3 / 树莓派