近日,茶叶所在Foods(中科院二区,IF5=5.6)上发表题为“FSCA-EUNet: Lightweight Classification of Stacked Jasmine Bloom-Stages via Frequency-Spatial Cross-Attention for Industrial Scenting Automation”的研究论文。该成果围绕茉莉花茶工业化窨制加工中茉莉花开度人工识别难题,提出一种轻量化花蕾开放度智能分级识别方法,实现了堆叠状态下采后茉莉花开放度的智能精准识别和分级统计,为茉莉花茶智能化加工提供了关键技术支撑。
茉莉花茶因其独特的馥郁香气及多种健康功效而广受青睐,在产品多元化、高端化趋势和消费需求持续增长的推动下,展现出强劲的产业发展势头。在工业化窨制生产中,花蕾开放阶段的精准判定至关重要,当花朵呈虎爪状,90%的花开放度接近50-60%时,其香气释放与吸附效果达到峰值。采后茉莉花通常通过“热堆垛”工艺实现香气高峰,该过程依靠热量积累加速自然绽放。传统方法需要每隔1小时翻堆、持续2-4小时以防止花材腐败,且开度判断高度依赖操作人员的经验与主观判断。最佳开放时机稍有偏差,都会对香气品质、产品稳定性和经济效益造成影响,因此,实现开花阶段的客观、精准、自动化识别,成为推动窨制工艺升级的关键。
为了解决茉莉花采后花期监测的难题,本研究提出了一种融合频率—空间交叉注意力机制的轻量化U型网络模型FSCA-EUNet,以应对工厂堆叠状态下背景重复、类别差异细微等识别难题。模型以高分辨率图像为输入,通过编码器提取多尺度特征,并利用离散余弦变换构建的FSCA模块增强高频纹理表达;在解码阶段融合并优化多源特征,同时引入NonLocalBlock捕获长程关联关系,并采用动量更新中心损失约束特征空间分布、提升类内紧凑性。
FSCA-EUNet在自建数据集上取得了优异性能:精确率、召回率、F1值分别达到95.52%、95.42%与95.40%,平均精度为97.24%。模型参数量仅878.851K,计算量为15.445G FLOPs,在Jetson Orin NX嵌入式设备上可实现22.33 FPS的实时推理。消融实验进一步验证了各模块的有效性及其在细粒度分类任务中的提升作用。该研究为工业化大规模茉莉花茶生产场景下,花蕾开放阶段的实时、精准识别提供了有效方法,有望推动茉莉花茶加工向标准化、智能化方向迈进。
茶叶所为第一完成单位和通讯单位,董春旺研究员为通讯作者,博士后陈之威为论文一作。该研究得到山东省农业科学院创新工程重点项目、济南市农业科技攻关和山东省现代农业产业体系岗位等项目支持。
文章链接:https://doi.org/10.3390/foods14213780
(撰写:陈之威 核稿:董春旺)

