山东省农科院与石河子大学联培博士生以第一作者身份在一区Top期刊（IF5y=7.4）上发表研究成果

摘要：近日，山东省农科院茶叶所加工团队在Food Research International（中科院一区Top，IF=7.0）上发表了题为“Impurity detection of premium green tea based on improved ligh

近日，山东省农科院茶叶所加工团队在Food Research International（中科院一区Top，IF=7.0）上发表了题为“Impurity detection of premium green tea based on improved lightweight deep learning model”的研究论文。

茶叶在采摘和加工过程中，易混入茶梗、茶果、碎石等杂质，影响茶叶口感和质量安全，需对杂质进行拣剔除杂，能够提升茶叶价值。高端名优绿茶的杂质主要依靠人工拣剔，其成本高、劳动强度大，是茶叶精制中质量与成本控制的瓶颈环节。

针对这一产业技术难题，本研究提出一种基于深度学习的轻量化名优日照绿茶的杂质智能检测方法。在含有茶梗、瓜子壳、碎石及茶果等多类杂质的数据集上实验YOLOv8n，s，m，l，x模型，对比实验结果，选择YOLOv8n模型作为基础模型，YOLOv8l模型作为教师模型。通过对基础模型更换损失函数为MPDIoU、主干部分更换轻量化卷积模块ADown、模型剪枝及知识蒸馏，实验结果表明，改进模型的GFLOPs、Parameters、P、R、mAP、FPS分别为4.2、791966 B、0.9379、0.8959、0.9484、1362.7，相比原模型，P、R、mAP、FPS分别提高0.0216、0.0320、0.0261、368.0，GFLOPs、Parameters分别降低3.9(48.15%)、2214462 B(73.66%)，改进模型在检测性能提升的同时，降低了复杂度，满足名优绿茶杂质检测分拣要求，为名优绿茶中杂质的智能化分拣提供了技术支持。

山东省农业科学院茶叶研究所为第一完成单位，茶叶所董春旺研究员为第一通讯作者，石河子大学联培博士生丁泽中为第一作者，该研究得到山东省重点研发项目（2023CXGC010702, 2023LZGCQY015）、济南市农业科技攻关项目（GG202415）和山东省现代农业产业技术体系(SDAIT19)的资助。