作为世界上最大的茶叶生产国和出口国,我国茶产业总值已经超过3000亿元。作为中国的重要经济作物之一,茶树的种植面积一直稳步增长,茶树种植园的自动化和信息化程度也有待提升。茶鲜叶是茶树种植中的关键原料产物,生化组分与茶芽产量是衡量茶鲜叶生长状态和经济价值的重要指标。水分、总糖、茶多酚、咖啡碱和蛋白质是决定茶鲜叶品级的关键组分。目前,茶鲜叶组分检测主要依靠人工感官审评与理化检测的方法,茶芽产量信息大多通过人工计数的方式获取,存在耗时长、成本高及准确率欠佳等问题。针对上述问题,本项目采用光谱技术结合理化计量分析方法,探究茶鲜叶生化组分特征光谱响应,建立组分含量检测模型。基于机器视觉技术结合深度学习方法,提出改进后的YOLOV5识别算法。综合理论研究,开发基于光谱技术和机器视觉的便携式茶鲜叶多参数检测装备。
通过茶鲜叶检测薄弱环节开展技术创新和深入研究,为茶鲜叶产量质量提升提供技术保障,为茶鲜叶检测和保障茶树生长提供新思路,为监测茶树长势、保障茶叶品质、增加产业竞争力提供一种有效的技术手段。对我国茶鲜叶便携检测的发展具有重要意义,促进茶类产业高质量、健康、快速发展。