(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210505674.1 (22)申请日 2022.05.10 (65)同一申请的已公布的文献号 申请公布号 CN 114778484 A (43)申请公布日 2022.07.22 (73)专利权人 广东省农业科 学院茶叶研究所 地址 510000 广东省广州市天河区大丰路6 号 专利权人 华南农业大 学 (72)发明人 乔小燕　梁建华　李瑜　马成英　 郭嘉明　胡蝶　夏红玲　陈维　 (74)专利代理 机构 广州广典知识产权代理事务 所(普通合伙) 44365 专利代理师 王东平(51)Int.Cl. G01N 21/359(2014.01) G01N 21/3563(2014.01) G01N 21/01(2006.01) G06K 9/62(2022.01) 审查员 屈云霞 (54)发明名称 茶叶品质等级分类方法及装置、 设备、 存储 介质 (57)摘要 本发明属于茶叶品质检测技术领域， 公开了 一种茶叶品质等级分类方法， 在获取待测茶样的 待测光谱之后， 将待测光谱与预设修正光谱进行 合并； 确定与多种指定内含物 一一对应的多个预 处理模式， 对合并矩阵分别进行预处理获得多个 光谱矩阵， 将每个光谱矩阵输入相应的定量模 型， 获得待测茶样的多种指定内含物的预测值输 入分类模型， 获得待测茶样的品质等级分类结 果； 在合并待测光谱与预设修正待测光谱后， 计 算合并矩阵的均值光谱作为新的预设修正光谱， 以对预设修正光谱进行更新， 作为下一待测茶样 进行等级分类时的预设修正光谱， 从而可以利用 未知样本光谱训练预设修正光谱， 提高待测光谱 的准确性， 进 而提高茶叶品质定级的准确性。 权利要求书2页 说明书8页 附图2页 CN 114778484 B 2022.12.20 CN 114778484 B 1.茶叶品质等级分类方法， 其特 征在于， 包括： 获取待测茶样的待测光谱； 将所述待测光谱与预设修正光谱进行合并， 获得合并矩阵； 其中， 所述预设修正光谱为 预先对茶叶训练样本的标准 光谱进行求均处 理后所得到的均值 光谱； 确定与多种指定内含物一一对应的多个预处理模式； 其中， 所述预处理模式包括校正 方式及校正 参数、 标准 化方式及标准 化参数； 按照每个所述预处理模式中的校正方式及校正参数， 对所述合并矩阵分别进行校正处 理， 获得与多种指定内含物一 一对应的多个预处 理矩阵； 从每个所述预处理矩阵中抽取出与 所述待测光谱对应的光谱矩阵， 按照每个所述预处 理模式中的标准化方式及标准化参数， 对相应的光谱矩阵进行标准化处理， 获得校正和标 准化处理后的多个光谱矩阵； 将每个所述光谱矩阵输入相应的定量模型， 获得所述待测茶样的多种指定 内含物的预 测值； 其中， 每一种所述指 定内含物对应有一个定量模型， 所述定量模型为预先通过茶叶训 练样本的标准 光谱与其各种指定内含物的含量进行建立的回归 模型； 将所述待测茶样的多种指定 内含物的预测值输入分类模型， 获得所述待测茶样的品质 等级分类结果； 计算所述 合并矩阵的均值 光谱作为 新的预设修 正光谱， 以对预设修 正光谱进行 更新。 2.如权利要求1所述的茶叶品质等级分类方法， 其特征在于， 所述将每个所述光谱矩阵 输入相应的定量模型， 获得 所述待测茶样的多种指定内含物的预测值， 包括： 对每个所述光谱矩阵进行特征变量提取， 获得与多种指定内含物一一对应的多个特征 光谱； 将每个所述特征光谱输入相应的定量模型， 获得所述待测茶样的多种指定 内含物的预 测值。 3.如权利要求2所述的茶叶品质等级分类方法， 其特征在于， 所述对每个所述光谱矩阵 进行特征变量提取， 获得与多种指定内含物一 一对应的多个特 征光谱， 包括： 确定与多种指定内含物一 一对应的多个特 征波长； 根据每个所述特征波长， 对相应的光谱矩阵进行特征变量提取， 获得与多种指定内含 物一一对应的多个特 征光谱。 4.如权利要求1至3任一项所述的茶叶品质等级分类方法， 其特征在于， 所述确定与多 种指定内含物一 一对应的多个预处 理模式， 包括： 确定与所述待测茶样相匹配的茶叶种类； 获取与所述茶叶种类对应的目标 预处理模式集 合； 从所述目标 预处理模式集 合中确定出与多种指定内含物一 一对应的多个预处 理模式。 5.如权利要求1至3任一项所述的茶叶品质等级分类方法， 其特征在于， 所述获取待测 茶样的待测光谱， 包括： 获取待测茶样的近红外光谱； 对所述近红外光谱进行 卷积平滑处理及降噪， 获得待测茶样的待测光谱。 6.茶叶品质等级分类装置， 其特 征在于， 包括： 获取单元， 用于获取待测茶样的待测光谱；权　利　要　求　书 1/2 页 2 CN 114778484 B 2合并单元， 用于将所述待测光谱与预设修正光谱进行合并， 获得合并矩阵； 其中， 所述 预设修正光谱为预 先对茶叶训练样本的标准 光谱进行求均处 理后所得到的均值 光谱； 确定单元， 用于确定与多种指定内含物一一对应的多个预处理模式； 其中， 所述预处理 模式包括校正方式及校正 参数、 标准 化方式及标准 化参数； 预处理单元， 用于按照每个所述预处理模式中的校正方式及校正参数， 对所述合并矩 阵分别进 行校正处理， 获得与多种指 定内含物一一对应的多个预处理矩阵； 以及， 从每个所 述预处理矩阵中抽取出与所述待测光谱对应的光谱矩阵， 按照每个所述预 处理模式中的标 准化方式及标准化参数， 对相应的光谱矩阵进行标准化处理， 获得校正和标准化处理后的 多个光谱矩阵； 定量单元， 用于将每个所述光谱矩阵输入相应的定量模型， 获得所述待测茶样的多种 指定内含物的预测值； 其中， 每一种所述指 定内含物对应有一个定量模型， 所述定量模型为 预先通过茶叶训练样本的标准 光谱与其各种指定内含物的含量进行建立的回归 模型； 定级单元， 用于将所述待测茶样的多种指定内含物的预测值输入分类模型， 获得所述 待测茶样的品质等级分类结果； 更新单元， 用于计算所述合并矩阵的均值光谱作为新的预设修正光谱， 以对预设修正 光谱进行 更新。 7.如权利要求6所述的茶叶品质等级分类装置， 其特 征在于， 所述定量单 元包括： 提取子单元， 用于对每个所述光谱矩阵进行特征变量提取， 获得与多种指定内含物一 一对应的多个特 征光谱； 预测子单元， 用于将每个所述特征光谱输入相应的定量模型， 获得所述待测茶样的多 种指定内含物的预测值。 8.如权利要求7 所述的茶叶品质等级分类装置， 其特 征在于， 所述提取子单元， 具体用于确定与多种指定内含物一一对应的多个特征波长； 以及， 根 据每个所述特征波长， 对相 应的光谱矩阵进行特征变量提取， 获得与多种指定内含物一一 对应的多个特 征光谱。 9.电子设备， 其特征在于， 包括存储有可执行程序代码的存储器以及与所述存储器耦 合的处理器； 所述处理器调用所述存储器中存储的所述可执行程序代码， 用于执行权利要 求1至5任一项所述的茶叶品质等级分类方法。 10.计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储计算机程序， 其 中， 所述计算机程序使得计算机执 行权利要求1至 5任一项所述的茶叶品质等级分类方法。权　利　要　求　书 2/2 页 3 CN 114778484 B 3