茶葉在采摘和加工過程中，易混入茶梗、茶果、碎石等雜質，影響茶葉口感和質量安全，需對雜質進行揀剔除雜，能夠提升茶葉價值。高端名優綠茶的雜質主要依靠人工揀剔，其成本高、勞動強度大，是茶葉精制中質量與成本控制的瓶頸環節。

 

　　針對這一產業技術難題，本研究提出一種基于深度學習的輕量化名優日照綠茶的雜質智能檢測方法。在含有茶梗、瓜子殼、碎石及茶果等多類雜質的數據集上實驗YOLOv8n，s，m，l，x模型，對比實驗結果，選擇YOLOv8n模型作為基礎模型，YOLOv8l模型作為教師模型。通過對基礎模型更換損失函數為MPDIoU、主干部分更換輕量化卷積模塊ADown、模型剪枝及知識蒸餾，實驗結果表明，改進模型的GFLOPs、Parameters、P、R、mAP、FPS分別為4.2、791966 B、0.9379、0.8959、0.9484、1362.7，相比原模型，P、R、mAP、FPS分別提高0.0216、0.0320、0.0261、368.0，GFLOPs、Parameters分別降低3.9（48.15%）、2214462 B（73.66%），改進模型在檢測性能提升的同時，降低了復雜度，滿足名優綠茶雜質檢測分揀要求，為名優綠茶中雜質的智能化分揀提供了技術支持。

 

　　山東省農業科學院茶葉研究所為第一完成單位，茶葉所董春旺研究員為第一通訊作者，石河子大學聯培博士生丁澤中為第一作者，該研究得到山東省重點研發項目（2023CXGC010702, 2023LZGCQY015）、濟南市農業科技攻關項目（GG202415）和山東省現代農業產業技術體系（SDAIT19）的資助。（撰寫：陳之威  核稿：董春旺）

 

　　文章鏈接：https://doi.org/10.1016/j.foodres.2024.115516。