近期，工學院課題組在油茶種實品種識別和成熟度檢測領域中取得系列進展。為探索油茶的成熟變化規律，確定最佳采收時機提高出油率，課題組通過自然生長環境下種實的可見光圖像，將卷積神經網絡技術和無監督聚類技術應用于油茶的品種識別和成熟度檢測，為機械化智能化采收提供技術支持。
針對油茶品種之間表型特征差異小，機器視覺技術難以區分的問題，搭建雙線性注意力網絡的油茶細粒度識別模型（如圖1所示），充分提取油茶果實不同品種的關鍵特征，準確識別江西油茶主栽品種。相關成果以“Bilinear Attention Network for Image-Based Fine-Grained Recognition of Oil Tea (Camellia oleifera Abel.) Cultivars”為題發表于期刊《agronomy》（中科院二區，2022年影響因子為3.949），工學院2021級博士研究生朱學巖為第一作者，工學院副教授陳鋒軍為通訊作者，北京林業大學為第一完成單位。
圖1 油茶品種識別模型
針對油茶種實成熟度沒有劃分標準的現實問題，課題組提出一種基于無監督圖像聚類的方法，根據聚類結果制定油茶種實成熟度劃分標準；通過鄧肯多重比較檢驗方法檢驗含油率等成熟指標的差異，驗證標準的可靠性；利用DeepCluster模型檢測油茶種實的成熟度，具體如圖2所示。相關成果以“Maturity Grading and Identification of Camellia oleifera Fruit Based on Unsupervised Image Clustering”為題發表于期刊《foods》（中科院二區，2022年影響因子為 5.561），工學院2021級博士研究生朱學巖為第一作者，工學院副教授陳鋒軍為通訊作者，北京林業大學為第一完成單位。
圖2 油茶種實成熟度檢測過程
以上研究工作得到國家重點研發計劃（2019YFD1002401）的資助。
論文鏈接：https://www.mdpi.com/2073-4395/12/8/1846
