Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 安徽省农业科学院茶叶研究所;黄山学院雷攀登获国家专利权

安徽省农业科学院茶叶研究所;黄山学院雷攀登获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉安徽省农业科学院茶叶研究所;黄山学院申请的专利一种红茶发酵进程实时检测系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114563401B

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210088349.X,技术领域涉及:G01N21/84;该发明授权一种红茶发酵进程实时检测系统是由雷攀登;姚婷;刘亚芹;甘卓亭;王辉;周汉琛;杨霁虹;黄建琴设计研发完成,并于2022-01-25向国家知识产权局提交的专利申请。

一种红茶发酵进程实时检测系统在说明书摘要公布了:本发明属于红茶检测装备技术领域,具体涉及一种红茶发酵进程实时检测系统。该检测系统提高了发酵叶图像特征与发酵程度间的匹配度和模型的准确程度,最准确保了红茶发酵适度阶段的判别效率性及判别准确率。本发明包括发酵程度数字化分类标签的建立以及发酵程度判别模型的建立,步骤如下:1、发酵程度数字化分类标签的建立;2、发酵程度判别模型的建立;3通过发酵程度判别模型对发酵叶进行形态学识别,从而判断出当前发酵叶的发酵程度处于哪一阶段。

本发明授权一种红茶发酵进程实时检测系统在权利要求书中公布了:1.一种红茶发酵进程实时检测方法,其特征在于包括发酵程度数字化分类标签的建立以及发酵程度判别模型的建立,步骤如下: 1、发酵程度数字化分类标签的建立 a利用指定数目的茶树品种进行批次的红茶加工试验,采集不同发酵进程的茶叶样品,采集样品的同时记录人工感官经验信息,包括发酵叶色泽、发酵时间与发酵程度; b对所述不同发酵进程的茶叶样品进行感官审评,通过滋味、香气和叶底评估发酵进程中茶叶品质变化经历的关键阶段,以便将发酵进程分为轻、偏轻、接近适度、适度、接近过度、过度六个阶段; c对步骤b的结果进行验证:对不同发酵进程的茶叶样品进行儿茶素组分含量检测,发现每阶段变化曲线的斜率分为三段式变化,也即儿茶素含量随发酵进程的进行而可以分为三个下降阶段:快速下降阶段、下降趋势减缓阶段及缓慢下降阶段;儿茶素含量为12%~15%时茶叶感官品质最佳,此时找出儿茶素缓慢下降阶段的发酵程度发生变化的两个节点,该两个节点包括发酵不足至发酵适度时以及发酵适度至发酵过度时,对比发现,与步骤b中的感官评审结果相同; d将判断发酵程度的人工感官经验信息、茶叶感官审评信息、儿茶素残留量数据、统计学分析融合,建立发酵程度数字化分类标签,将发酵进程赋值,值越大表示发酵程度越重,发酵起始于揉捻,揉捻结束发酵程度为起始值,分别赋值并建立轻区间、偏轻区间、接近适度区间、适度区间、接近过度区间及过度区间; 2、发酵程度判别模型的建立 e根据步骤1所建立的发酵程度数字化分类标签,将采集的发酵进程中发酵叶的原始图像,按照训练集:测试集:验证集=7:2:1的比例,分别划分为发酵程度较轻、偏轻、接近适度、适度、接近过度、过度六个数据集; f对各数据集的图像进行直方图均衡、几何数据增强、色彩空间转换,以提高图像的对比度和亮度、模型的精度,将进行直方图均衡、几何数据增强、色彩空间转换后的各数据集的图像形成的图片数据作为最终输入深度学习模型的数据之一; g搭建基于PyTorch的MobileNetV3模型 起始部分:1个卷积层,通过3x3的卷积,即卷积层、BN层、h-switch激活层,在Large和Small中均相同,提取特征; 中间部分:包括含有卷积层的块的网络结构; 最后部分:将Squeeze操作省略,将AvgPooling提前,直接使用1x1的卷积代替全连接,输出类别;其中,添加DeptwiseConvolution层和InvertedResiduals结构,高维信息通过ReLU激活函数后丢失的信息更少,在结构中同时使用h-swish激活函数代替swish函数; 通过将图像信息输入到MobileNetV3,提取中间层特征图以及深层特征图叠加作为VisionTransformer模型中的图像patch,在图像patch的嵌入中加入位置嵌入,通过不同的策略在全局范围内保留空间位置信息; 模型建立后,将步骤f中数据作为初始模型的输入,对模型进行训练,获得深度学习模型,最终根据训练出的权重用来做最终的结果推理; h采集到各个发酵阶段图片的HSV特征值与经过芽叶形态学处理后保留的连通域特征面积,对两种方式采集到的数据进行分析,通过高斯滤波处理得到最终的颜色以及形态学特征;根据该特征进行数据建模,获得传统模型,可根据该模型对结果进行预测; i通过深度学习模型以及h中所建立的传统模型,进行封装,获得发酵程度判别模型; 3通过发酵程度判别模型对发酵叶进行形态学识别,从而判断出当前发酵叶的发酵程度处于哪一阶段。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人安徽省农业科学院茶叶研究所;黄山学院,其通讯地址为:230001 安徽省合肥市庐阳区农科南路40号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。