人工神經(jīng)網(wǎng)絡(luò)在茶葉品質(zhì)評(píng)定中的應(yīng)用

潘玉成葉乃興（.寧德職業(yè)技術(shù)學(xué)院機(jī)電工程系，福安 355000；.福建農(nóng)林大學(xué)園藝學(xué)院，福州 35000）

?

人工神經(jīng)網(wǎng)絡(luò)在茶葉品質(zhì)評(píng)定中的應(yīng)用

潘玉成1葉乃興2
（1.寧德職業(yè)技術(shù)學(xué)院機(jī)電工程系，福安 355000；2.福建農(nóng)林大學(xué)園藝學(xué)院，福州 350002）

[摘 要]人工神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域中發(fā)展最快的信息處理技術(shù)之一，其應(yīng)用領(lǐng)域越來(lái)越廣泛。文章介紹了人工神經(jīng)網(wǎng)絡(luò)的概念、特點(diǎn)和BP神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)，對(duì)人工神經(jīng)網(wǎng)絡(luò)在茶葉品質(zhì)評(píng)定方面的應(yīng)用進(jìn)行了綜述，并對(duì)其應(yīng)用上存在的問(wèn)題進(jìn)行了分析，對(duì)其今后的發(fā)展做出了展望。

[關(guān)鍵詞]人工神經(jīng)網(wǎng)絡(luò)；茶葉；品質(zhì)評(píng)定；應(yīng)用

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)，是人工智能領(lǐng)域的一個(gè)重要分支，它是模仿生理學(xué)中人的大腦神經(jīng)處理信息的方式，對(duì)信息進(jìn)行并行處理和非線性轉(zhuǎn)換的一種信息處理網(wǎng)絡(luò)系統(tǒng)。利用神經(jīng)網(wǎng)絡(luò)，無(wú)需任何經(jīng)驗(yàn)公式，無(wú)需建立相關(guān)的數(shù)學(xué)模型，僅僅借助樣本數(shù)據(jù)，即可實(shí)現(xiàn)從Rn空間到Rm空間的高度非線性映射?，F(xiàn)今，國(guó)內(nèi)外應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)，涉及的方面也越來(lái)越廣，應(yīng)用領(lǐng)域也越來(lái)越大，其應(yīng)用領(lǐng)域主要表現(xiàn)在信息領(lǐng)域、自動(dòng)化領(lǐng)域、工程領(lǐng)域和經(jīng)濟(jì)領(lǐng)域等。20世紀(jì)90年代初，神經(jīng)網(wǎng)絡(luò)技術(shù)開(kāi)始向農(nóng)業(yè)科學(xué)領(lǐng)域滲透，茶葉科學(xué)研究中也有了初步的應(yīng)用，并展示出了廣闊的應(yīng)用前景。近年來(lái)，隨著科學(xué)技術(shù)的不斷發(fā)展和進(jìn)步，一些新技術(shù)如機(jī)器視覺(jué)圖像處理技術(shù)、電子鼻技術(shù)、電子舌技術(shù)等，結(jié)合神經(jīng)網(wǎng)絡(luò)非線性數(shù)據(jù)處理方法在茶葉品質(zhì)評(píng)定上得到應(yīng)用，取得了一些成果。本文就神經(jīng)網(wǎng)絡(luò)技術(shù)在茶葉審評(píng)方面的應(yīng)用進(jìn)行綜述。

1 人工神經(jīng)網(wǎng)絡(luò)

1.1 人工神經(jīng)網(wǎng)絡(luò)的定義

神經(jīng)網(wǎng)絡(luò)起源于20世紀(jì)40年代，到今天已經(jīng)有70多年歷史了，是在現(xiàn)代神經(jīng)生物學(xué)研究成果的基礎(chǔ)上發(fā)展起來(lái)的一種模仿腦細(xì)胞結(jié)構(gòu)和功能、腦神經(jīng)結(jié)構(gòu)以及思維處理問(wèn)題等腦功能的新型信息處理系統(tǒng)。它是一門(mén)涉及醫(yī)學(xué)、神經(jīng)生理學(xué)、信息學(xué)、人工智能、數(shù)理學(xué)、計(jì)算機(jī)學(xué)等多個(gè)領(lǐng)域的新興前沿學(xué)科，它具有復(fù)雜的非線性動(dòng)力學(xué)特性、并行處理機(jī)制、學(xué)習(xí)、聯(lián)想和記憶功能，以及高度自組織、自適應(yīng)能力和靈活性。神經(jīng)網(wǎng)絡(luò)主要有無(wú)反饋的前向網(wǎng)絡(luò)、有反饋的前向網(wǎng)絡(luò)、層內(nèi)有相互結(jié)合的前向網(wǎng)絡(luò)、相互結(jié)合型網(wǎng)絡(luò)等結(jié)構(gòu)形式，決定其整體性能的三大要素為神經(jīng)元的特性、神經(jīng)元之間相互連接的形式——拓?fù)浣Y(jié)構(gòu)、為適應(yīng)環(huán)境而改善性能的學(xué)習(xí)規(guī)則。其應(yīng)用涉及模式識(shí)別﹑聯(lián)想記憶、信號(hào)處理、自動(dòng)控制、組合優(yōu)化、故障診斷及計(jì)算機(jī)視覺(jué)等眾多方面，取得了引人注目的進(jìn)展[1]。

1.2 BP神經(jīng)網(wǎng)絡(luò)的原理和特點(diǎn)

BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)是誤差反向傳播神經(jīng)網(wǎng)絡(luò)的簡(jiǎn)稱，是目前應(yīng)用最為廣泛和成功的神經(jīng)網(wǎng)絡(luò)之一。BP神經(jīng)網(wǎng)絡(luò)是一種具有三層或三層以上的神經(jīng)網(wǎng)絡(luò)，它由一個(gè)輸入層、一個(gè)或多個(gè)隱含層和一個(gè)輸出層構(gòu)成，每一層由一定數(shù)量的的神經(jīng)元構(gòu)成，前后層之間實(shí)現(xiàn)全連接，每層神經(jīng)元之間無(wú)連接，基本的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)包括信號(hào)的正向傳遞和誤差的反向傳播兩個(gè)階段。信號(hào)正向傳遞時(shí)，輸入信息從輸入層經(jīng)隱含層到輸出層。如果輸出的結(jié)果與期望值存在誤差，則轉(zhuǎn)向反向傳播過(guò)程。誤差的反向傳播是從輸出層向輸入層逐層反向傳播，并以某種規(guī)則修正各層單元的權(quán)值。這種信號(hào)正向傳遞與誤差反向傳播的反復(fù)進(jìn)行，當(dāng)誤差減小到允許范圍內(nèi)時(shí)，網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程就結(jié)束[2]。BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn)為信息分布存儲(chǔ)、信息并行處理、具有容錯(cuò)性和具有自學(xué)習(xí)、自組織、自適應(yīng)的能力。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

目前神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建常采用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱(Neural Network Toolbox)，它是以神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ)，用MATLAB的語(yǔ)言構(gòu)造出各種神經(jīng)網(wǎng)絡(luò)激活函數(shù)、訓(xùn)練函數(shù)及各種網(wǎng)絡(luò)集成塊等。設(shè)計(jì)者通過(guò)對(duì)激活函數(shù)、網(wǎng)絡(luò)函數(shù)等的調(diào)用，僅需寫(xiě)很少的源代碼，即可完成必須的科學(xué)計(jì)算。根據(jù)各種典型的修正網(wǎng)絡(luò)權(quán)值的規(guī)則，配合網(wǎng)絡(luò)的訓(xùn)練過(guò)程，用MATLAB編寫(xiě)出各種網(wǎng)絡(luò)設(shè)計(jì)與訓(xùn)練的子程序，網(wǎng)絡(luò)的設(shè)計(jì)者可以根據(jù)自己的需要去調(diào)用工具箱中有關(guān)神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)訓(xùn)練程序，從而免除了編寫(xiě)復(fù)雜而龐大的算法程序的困擾[3-4]。

2 人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于茶葉品質(zhì)評(píng)定

茶葉品質(zhì)的評(píng)定，國(guó)內(nèi)外現(xiàn)普遍采用的是感官審評(píng)法。感官審評(píng)法雖然具有快速、簡(jiǎn)便且較準(zhǔn)確的特點(diǎn)，但往往受評(píng)茶師個(gè)人的經(jīng)驗(yàn)、心理與生理等因素的影響，如同一個(gè)茶葉，不同的評(píng)茶師由于其嗜好、情緒、性別以及感官靈敏度等影響，可能難以獲得一致的評(píng)定結(jié)果。長(zhǎng)期以來(lái)，茶葉科研工作者都致力于茶葉品質(zhì)的量化識(shí)別研究，期望采用科學(xué)的儀器測(cè)定茶葉，用科學(xué)計(jì)量上的品質(zhì)指標(biāo)來(lái)評(píng)價(jià)茶葉品質(zhì)[5-6]。但茶葉品質(zhì)因素非常復(fù)雜，在所掌握的評(píng)定茶葉好壞的知識(shí)中含有大量不完全確定的信息，其中很多數(shù)據(jù)隨著品種、地域、水肥、采制等條件的變化而不同，利用傳統(tǒng)的數(shù)學(xué)方法已無(wú)法較好解決這一問(wèn)題，而利用神經(jīng)網(wǎng)絡(luò)對(duì)環(huán)境的變化具有較強(qiáng)的自適應(yīng)能力，具有較好的容錯(cuò)性、抗干擾及自組織能力，可較好地克服傳統(tǒng)數(shù)學(xué)方法的不足。運(yùn)用神經(jīng)網(wǎng)絡(luò)技術(shù)來(lái)尋求茶葉品質(zhì)與品質(zhì)因子間錯(cuò)綜復(fù)雜的非線性對(duì)應(yīng)關(guān)系，以建立相應(yīng)的茶葉品質(zhì)評(píng)定模型，從資料來(lái)看，這方面的研究還處于起步階段。1993年開(kāi)始，國(guó)內(nèi)由非茶葉界的科技人員首例將神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于茶葉品質(zhì)等級(jí)判別，蔡煜東[7]等以商業(yè)部頒發(fā)的4套炒青綠茶標(biāo)準(zhǔn)樣為研究對(duì)象，根據(jù)茶葉色澤與滋味品質(zhì)的理化指標(biāo)氨基酸(%)、咖啡堿(%)、水浸出物(%)、粗纖維(%)、葉底(L，a，b)、茶湯(L，a，b)，采用神經(jīng)網(wǎng)絡(luò)方法，建立了綠茶品質(zhì)等級(jí)判別的計(jì)算機(jī)智能專家系統(tǒng)，對(duì)標(biāo)準(zhǔn)樣和預(yù)測(cè)樣本獲得了較令人滿意的評(píng)判結(jié)果。1995年，日本茶葉界也開(kāi)始有人著手研究綠茶品質(zhì)評(píng)定的神經(jīng)網(wǎng)絡(luò)模型，并發(fā)表了中間研究結(jié)果，也證明了這種方法的可行性[8]。

近年來(lái)，隨著科學(xué)技術(shù)的不斷發(fā)展和進(jìn)步，科技工作者在茶葉品質(zhì)評(píng)價(jià)的內(nèi)容和方式上做了大量的研究，一些新技術(shù)運(yùn)用到茶葉品質(zhì)判別中以提高其準(zhǔn)確性[9-11]，如機(jī)器視覺(jué)圖像處理技術(shù)、電子鼻技術(shù)、電子舌技術(shù)等。其主要特點(diǎn)是應(yīng)用這些新技術(shù)提取與茶葉品質(zhì)相關(guān)的特征數(shù)據(jù)信息，然后運(yùn)用神經(jīng)網(wǎng)絡(luò)方法來(lái)尋求茶葉品質(zhì)與品質(zhì)因子間錯(cuò)綜復(fù)雜的非線性對(duì)應(yīng)關(guān)系，以建立相應(yīng)的茶葉品質(zhì)評(píng)定模型。

2.1 機(jī)器視覺(jué)圖像處理技術(shù)用于茶葉的顏色和外形評(píng)價(jià)

從茶葉感官審評(píng)方法上看，茶葉的質(zhì)最指標(biāo)大多和視覺(jué)有關(guān)。茶葉的色澤（外形色澤、湯色、葉底色澤）和外形（嫩度、條索、凈度、勻整度）都是通過(guò)人眼觀察得到。機(jī)器視覺(jué)圖像處理技術(shù)就是用計(jì)算機(jī)實(shí)現(xiàn)部分人類視覺(jué)的功能，把所有對(duì)象映射成數(shù)字圖象，并模仿人的判別準(zhǔn)則去理解圖象和識(shí)別圖象，進(jìn)而對(duì)所攝圖象進(jìn)行分類或分級(jí)[12-14]。計(jì)算機(jī)輔助茶葉品質(zhì)檢測(cè)可以使品質(zhì)指標(biāo)量化和標(biāo)準(zhǔn)化，而且計(jì)算機(jī)圖象處理的精度優(yōu)于人的視覺(jué)精度，對(duì)顏色和外形的反應(yīng)也更靈敏，所以其技術(shù)和方法可以用于茶葉顏色和外形的評(píng)價(jià)。吳瑞梅[15]等提出采用高光譜圖像來(lái)量化分析茶葉的外形感官品質(zhì)。以碧螺春名優(yōu)綠茶為對(duì)象，采集其高光譜圖像，利用主成分分析法從原始高光譜圖像中優(yōu)選出3個(gè)波長(zhǎng)下的特征圖像，分別提取每個(gè)特征圖像的顏色特征和紋理特征，利用BP神經(jīng)網(wǎng)絡(luò)方法建立特征變量與外形感官評(píng)分之間的相關(guān)模型，結(jié)果說(shuō)明所建模型用于茶葉外形感官品質(zhì)的量化評(píng)價(jià)是準(zhǔn)確、可靠的；汪建[16]等利用計(jì)算機(jī)視覺(jué)、圖像處理技術(shù)，通過(guò)數(shù)碼相機(jī)等直接得到茶葉圖像，經(jīng)過(guò)對(duì)圖像格式進(jìn)行轉(zhuǎn)換和預(yù)處理，然后基于HSI模型提取的茶葉顏色特征參數(shù)和二值化后圖像提取的茶葉形狀特征參數(shù)，構(gòu)建遺傳神經(jīng)網(wǎng)絡(luò)模型，完成對(duì)茶葉的自動(dòng)識(shí)別。實(shí)驗(yàn)結(jié)果表明，此方法能取得較好的識(shí)別效果，計(jì)算機(jī)的檢測(cè)結(jié)果與人工檢測(cè)結(jié)果高度吻合。

2.2 電子鼻技術(shù)用于茶葉香氣評(píng)價(jià)

茶葉香氣是決定茶葉品質(zhì)的重要因子之一，而且茶葉的“香”，與“味”之間也有比較密切的關(guān)系，一般來(lái)講有了好的香氣，必然會(huì)有好的滋味。茶葉中上百種芳香物質(zhì)協(xié)調(diào)作用使其具有特別的香型，這些香型是人的嗅覺(jué)器官對(duì)香氣物質(zhì)的綜合反應(yīng)。由于茶葉香氣含量低微、易揮發(fā)、組成復(fù)雜，提取過(guò)程中易發(fā)生各種反應(yīng)，如氧化、聚合、縮合、基團(tuán)轉(zhuǎn)移等，致使分析結(jié)果不準(zhǔn)確。因此對(duì)于香氣整體信息的判斷是極其復(fù)雜的，電子鼻技術(shù)的出現(xiàn)和發(fā)展使這一目的得以實(shí)現(xiàn)。電子鼻是在模擬生物嗅覺(jué)系統(tǒng)基礎(chǔ)上，利用氣體傳感器陣列的響應(yīng)圖案來(lái)識(shí)別氣味的電子系統(tǒng)，它可以在幾小時(shí)、幾天甚至數(shù)月的時(shí)間內(nèi)連續(xù)地、實(shí)時(shí)地監(jiān)測(cè)特定位置的氣味狀況。電子鼻主要由氣味取樣操作器、氣體傳感器陣列和信號(hào)處理系統(tǒng)三種功能器件組成，電子鼻識(shí)別氣味的主要機(jī)理是在陣列中的每個(gè)傳感器對(duì)被測(cè)氣體都有不同的靈敏度，例如，一號(hào)氣體可在某個(gè)傳感器上產(chǎn)生高響應(yīng)，而對(duì)其他傳感器則是低響應(yīng)，同樣，二號(hào)氣體產(chǎn)生高響應(yīng)的傳感器對(duì)一號(hào)氣體則不敏感，歸根結(jié)底，整個(gè)傳感器陣列對(duì)不同氣體的響應(yīng)圖案是不同的，正是這種區(qū)別，才使系統(tǒng)能根據(jù)傳感器的響應(yīng)圖案來(lái)識(shí)別氣味[17-19]。陳哲[20]等采用由12個(gè)金屬氧化物傳感器組成陣列的電子鼻，對(duì)3種等級(jí)碧螺春茶的茶水和茶底氣味進(jìn)行檢測(cè)。篩選了9個(gè)對(duì)茶葉揮發(fā)香氣敏感的傳感器陣列，并分別提取了各個(gè)傳感器所獲取茶水和茶底數(shù)據(jù)的最大值、最小值和平均值作為特征變量，進(jìn)行主成分分析，再利用K最近鄰(KNN)和誤差反向神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行分析與識(shí)別。試驗(yàn)結(jié)果表明，融合傳感器采集茶水和茶底的信息可更全面地描述和表征不同等級(jí)碧螺春的信息，KNN模型對(duì)不同等級(jí)碧螺春的識(shí)別率為83.3%，采用10-7-3的拓?fù)渖窠?jīng)網(wǎng)絡(luò)模型的識(shí)別率則達(dá)到100%；于慧春[21]等針對(duì)茶葉品質(zhì)感官審評(píng)的不足，采用電子鼻檢測(cè)手段，對(duì)4個(gè)不同等級(jí)的龍井茶作等級(jí)判別。對(duì)傳感器信號(hào)進(jìn)行多因素方差分析得出：不同容器容積和不同采樣時(shí)刻對(duì)傳感器的響應(yīng)信號(hào)有著顯著的影響。通過(guò)主成分（PCA）、線性判別（LDA）和BP神經(jīng)網(wǎng)絡(luò)方法對(duì)各茶葉樣品進(jìn)行了分類判別。PCA對(duì)于等級(jí)差別較近的茶葉區(qū)分結(jié)果不太理想；而LDA相對(duì)于PCA有較好的區(qū)分效果；設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為30-12-4，通過(guò)對(duì)網(wǎng)絡(luò)進(jìn)行適當(dāng)訓(xùn)練，總的測(cè)試回判率可達(dá)到90%。

2.3 電子舌技術(shù)用于茶葉滋味評(píng)價(jià)

茶葉滋味是茶葉品質(zhì)組成的重要部分，在品茶過(guò)程中對(duì)于茶客來(lái)講，喝茶永遠(yuǎn)是在乎茶之“香氣”與“滋味”，那是茶品質(zhì)的內(nèi)核。電子舌是一種新興的模擬人的味覺(jué)系統(tǒng)的快速檢測(cè)液體樣本信息的儀器系統(tǒng)，它應(yīng)用味覺(jué)傳感器陣列和模式識(shí)別的數(shù)字信號(hào)處理方法，模擬人和生物概念的舌，實(shí)現(xiàn)了由儀器“味覺(jué)”對(duì)產(chǎn)品進(jìn)行客觀分析。當(dāng)電子舌與被檢測(cè)的茶湯料液接觸時(shí)，味覺(jué)傳感器表面敏感兩側(cè)的電勢(shì)將發(fā)生變化，從而對(duì)味覺(jué)物質(zhì)產(chǎn)生響應(yīng)，且可檢測(cè)出各味覺(jué)物質(zhì)間的相互關(guān)系，并具有類似于生物味覺(jué)感受的方式[22-23]。電子舌具有高靈敏性、可靠性、重復(fù)性的優(yōu)點(diǎn)，能夠克服人為的主觀因素對(duì)味覺(jué)信息判斷的影響，可以預(yù)見(jiàn)電子舌技術(shù)在茶葉滋味評(píng)價(jià)中將是一項(xiàng)具有廣闊前景的技術(shù)。王新宇[24]等利用電子舌識(shí)別炒青綠茶的等級(jí)，他們以4個(gè)等級(jí)的炒青綠茶為研究對(duì)象，應(yīng)用法國(guó)a-ASTREE電子舌檢測(cè)裝置并輔以模式識(shí)別對(duì)茶葉的質(zhì)量進(jìn)行評(píng)定，利用反向神經(jīng)網(wǎng)絡(luò)建立了判別模型，并通過(guò)主成分分析法對(duì)電子舌采集的數(shù)據(jù)進(jìn)行優(yōu)化，當(dāng)提取5個(gè)主成分因子來(lái)建立神經(jīng)網(wǎng)絡(luò)模型時(shí)，模型對(duì)訓(xùn)練集和驗(yàn)證集的不同等級(jí)茶葉識(shí)別率均達(dá)到100%，說(shuō)明將人工神經(jīng)網(wǎng)絡(luò)和電子舌技術(shù)相結(jié)合來(lái)判別茶葉的品質(zhì)等級(jí)的方法是可行的。

這些新技術(shù)進(jìn)行茶葉品質(zhì)評(píng)定具有檢測(cè)時(shí)間短、重復(fù)性好、不需要復(fù)雜的樣品預(yù)處理過(guò)程、不發(fā)生感官疲勞等，并在一定程度上模擬人的感官給出有關(guān)茶葉香氣、滋味和外質(zhì)的評(píng)判結(jié)果，也顯示了較好的應(yīng)用前景。但這些新技術(shù)的應(yīng)用往往側(cè)重于茶葉品質(zhì)的某一方面，僅用某個(gè)單一指標(biāo)來(lái)評(píng)價(jià)茶葉的品質(zhì)，不能很好的表述其總體品質(zhì)。若在茶葉品質(zhì)的檢測(cè)中，采用機(jī)器視覺(jué)技術(shù)、電子鼻技術(shù)和電子舌技術(shù)來(lái)共同檢測(cè)茶葉，并把他們的數(shù)據(jù)進(jìn)行融合處理，結(jié)合統(tǒng)計(jì)模式識(shí)別方法和神經(jīng)網(wǎng)絡(luò)分析方法來(lái)評(píng)定茶葉品質(zhì)將是今后茶葉品質(zhì)評(píng)定發(fā)展的必然趨勢(shì)。

3 問(wèn)題與展望

神經(jīng)網(wǎng)絡(luò)技術(shù)是20世紀(jì)80年代以來(lái)人工智能領(lǐng)域興起的研究熱點(diǎn)，其應(yīng)用領(lǐng)域日益擴(kuò)大，雖然它在茶葉研究上的應(yīng)用近些年取得了一些初步成果，但距實(shí)際應(yīng)用還存在較大的差距，主要表現(xiàn)在以下幾個(gè)方面：①茶葉種類繁多，成分復(fù)雜且不穩(wěn)定。茶葉品質(zhì)受種植環(huán)境、栽培措施、采摘方法、加工工藝以及貯存條件等多種因素影響，產(chǎn)品質(zhì)量很難穩(wěn)定。所以，目前神經(jīng)網(wǎng)絡(luò)在茶葉研究上所建立的模型適用范圍較小，有一定的局限性；②利用神經(jīng)網(wǎng)絡(luò)建立模型時(shí)，必須具有足夠多的典型“學(xué)習(xí)樣本”，才能保證所構(gòu)建神經(jīng)網(wǎng)絡(luò)模型的可靠性。但在實(shí)際研究問(wèn)題中所采用的茶葉樣本往往代表性不夠強(qiáng)，并且樣本數(shù)也不夠全，使得構(gòu)建的模型的穩(wěn)定性差，使用范圍受到較大限制。因此只有采用科學(xué)的樣本采集方法，遵循樣本代表性的判別原則，才能保證神經(jīng)網(wǎng)絡(luò)“學(xué)習(xí)樣本”的典型性；③特征因子的提取與結(jié)果之間的相關(guān)性欠缺，往往側(cè)重于某一方面的因子，只有科學(xué)地提取與研究問(wèn)題相關(guān)的特征因子，再結(jié)合先進(jìn)的數(shù)據(jù)處理方法，才能找到它們之間內(nèi)部真正的規(guī)律，才有可能取得良好的效果；④在構(gòu)建神經(jīng)網(wǎng)絡(luò)時(shí)其結(jié)構(gòu)參數(shù)的確定存在一個(gè)最優(yōu)解的問(wèn)題，但網(wǎng)絡(luò)結(jié)構(gòu)的選擇目前一般只能憑經(jīng)驗(yàn)選定而無(wú)統(tǒng)一標(biāo)準(zhǔn)和完整理論。把茶葉科學(xué)和神經(jīng)網(wǎng)絡(luò)技術(shù)結(jié)合在一起，運(yùn)用非線性數(shù)據(jù)處理方法來(lái)解決茶葉研究中有關(guān)問(wèn)題，目前這種研究基本上還處于探索或?qū)嶒?yàn)室階段，應(yīng)用范圍和效果還有許多不盡人意的地方，導(dǎo)致它們的應(yīng)用只有少數(shù)實(shí)現(xiàn)，而大多數(shù)只是潛在應(yīng)用。在以后的研究中，如在茶葉品質(zhì)的評(píng)定中，若能采用機(jī)器視覺(jué)技術(shù)（對(duì)外形和湯色進(jìn)行檢測(cè)）、電子鼻技術(shù)（對(duì)香氣進(jìn)行檢測(cè)）和電子舌技術(shù)（對(duì)滋味進(jìn)行檢測(cè)）來(lái)共同檢測(cè)茶葉，并把他們的數(shù)據(jù)進(jìn)行融合處理，結(jié)合統(tǒng)計(jì)模式識(shí)別方法和神經(jīng)網(wǎng)絡(luò)分析方法，并且再引進(jìn)模糊理論等來(lái)評(píng)定茶葉品質(zhì)將是今后茶葉品質(zhì)評(píng)定的一個(gè)重要研究方向，以感官審評(píng)為主的茶葉品質(zhì)評(píng)定方法必將被這些新技術(shù)檢測(cè)為主、感官審評(píng)為輔的方法所取代，從而實(shí)現(xiàn)準(zhǔn)確、快速、客觀地對(duì)茶葉品質(zhì)進(jìn)行評(píng)定。隨著當(dāng)代新技術(shù)和神經(jīng)網(wǎng)絡(luò)理論的不斷發(fā)展，以上這些問(wèn)題將會(huì)得以解決，這些新技術(shù)最終將從實(shí)驗(yàn)室走向?qū)嶋H應(yīng)用。我們可以預(yù)測(cè)，神經(jīng)網(wǎng)絡(luò)技術(shù)在茶葉品質(zhì)審評(píng)方面將有著廣闊的應(yīng)用前景，有待科技工作者不斷深入探討與研究。

參考文獻(xiàn)

[1]朱大奇,史慧.人工神經(jīng)網(wǎng)絡(luò)原理及應(yīng)用[M].北京:科學(xué)出版社,2006.

[2]Martin T Hagan, Howard B Demuth, Mark H Beale. Neural Network Design[M].北京:機(jī)械工業(yè)出版社,2003.

[3]張德豐. MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)[M].北京:機(jī)械工業(yè)出版社,2012.

[4]周品. MATLAB神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與應(yīng)用[M].北京:清華大學(xué)出版社,2013.

[5]馮花,郭雅玲.茶葉感官審評(píng)方法及其新發(fā)展[J].福建茶葉,2010,(7):28-31.

[6]袁林穎,周正科,皮利等.茶葉品質(zhì)等的量化識(shí)別研究進(jìn)展[J].南方農(nóng)業(yè),2010,(1):80-83.

[7]蔡煜東,宮家文,甘駿人等.茶葉品質(zhì)評(píng)定的人工神經(jīng)網(wǎng)絡(luò)方法[J].茶葉科學(xué),1993,13(1):45-50.

[8]Tadashi goto.日本綠茶品質(zhì)評(píng)估的人工神經(jīng)網(wǎng)絡(luò)模型[A].95′上海國(guó)際茶葉科學(xué)研討會(huì)論文集,250-255.

[9]周亦斌,王俊.新技術(shù)在茶葉品質(zhì)評(píng)價(jià)中應(yīng)用的現(xiàn)狀及趨勢(shì)[J].茶葉科學(xué),2004,24(2): 82-85.

[10]凌彩金,王秋霜,卓敏等.茶葉審評(píng)技術(shù)研究進(jìn)展[J].廣東農(nóng)業(yè)科學(xué),2010,(3): 68-71.

[11]張星海,周曉紅,唐德松等.浙江名茶品質(zhì)特征及評(píng)鑒新技術(shù)應(yīng)用現(xiàn)狀[J].安徽農(nóng)業(yè)科學(xué),2010,38(34): 19561-19563.

[12]馮志林.圖像處理、分析與機(jī)器視覺(jué)(第3版) [M].電子工業(yè)出版社,2012.

[13]唐向陽(yáng),張勇,李江有等.機(jī)器視覺(jué)關(guān)鍵技術(shù)的現(xiàn)狀及應(yīng)用展望[J].昆明理工大學(xué)學(xué)報(bào)(理工版),2004,29(2):36-39.

[14]張紅霞,劉義才.機(jī)器視覺(jué)技術(shù)的應(yīng)用研究[J].電子世界,2013 (17):81-84.

[15]吳瑞梅,吳彥紅,艾施榮等.茶葉外形品質(zhì)的高光譜圖像量化分析[J].江西農(nóng)業(yè)大學(xué)學(xué)報(bào),2013,35(2):413-418.

[16]汪建,杜世平.基于顏色和形狀的茶葉計(jì)算機(jī)識(shí)別研究[J].茶葉科學(xué),2008,28(6): 420-424.

[17]高大啟,楊根興.電子鼻技術(shù)新進(jìn)展及其應(yīng)用前景[J].傳感器技術(shù),2001,20(9):1-5.

[18]金翠云,崔瑤,王穎.電子鼻及其在各領(lǐng)域的最新研究進(jìn)展[J].傳感器世界,2010(3):6-10.

[19]高瑞萍,劉輝.電子鼻和電子舌在食品分析中的應(yīng)用[J].肉類研究,2010(12):61-67.

[20]陳哲,趙杰文.基于電子鼻技術(shù)的碧螺春茶葉品質(zhì)等級(jí)檢測(cè)研究[J].農(nóng)機(jī)化研究,2012,(11):133-137.

[21]于慧春,王俊,張紅梅等.龍井茶葉品質(zhì)的電子鼻檢測(cè)方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2007,38(7):103-106.

[22]鄧少平,田師一.電子舌技術(shù)背景與研究進(jìn)展[J].食品與生物技術(shù)學(xué)報(bào),2007,26(4):110-116.

[23]李學(xué)林,李慧玲,劉瑞新.電子舌技術(shù)的應(yīng)用研究述評(píng)[J].中醫(yī)學(xué)報(bào),2013,28(2):247-249.

[24]王新宇,陳全勝.利用電子舌識(shí)別炒青綠茶的等級(jí)[J].安徽農(nóng)業(yè)科學(xué),2007,35(28): 8872-8873.