基于互信息的特征选择与加权的茶叶品质检测算法研究

摘要

茶叶在我国是一种历史悠久的传统饮品，不同品种的茶叶在品质上存在差异。目前，茶品质评价主要采用专家感官审评、理化指标度量和人工智能等方法。然而，感官审评受专业审评师主观性及身体状态影响较大，导致一致性差且效率低；理化指标分析流程烦琐；人工智能等新技术则面临分类精确度不高的问题。基于此，本文对使用电子鼻和电子舌提取到的三种不同等级茶汤的气味和滋味等数据进行特征融合与数据融合，并基于互信息对融合后的数据进行特征选择与加权，最后分别使用多种机器学习算法训练模型。实验结果表明：该方法能有效检测茶叶品质等级，与传统K-近邻(KNN)、支持向量机(SVM)等算法相比，具有更高的鲁棒性和精确度。

关键词

茶叶品质检测 / 特征融合 / 互信息 / 特征选择 / 特征加权