简介：这份PDF文献面向从事智能农业装备、计算机视觉与深度学习应用的研究人员和学生，针对机采鲜茶叶中单芽、一芽一叶、一芽二叶、一芽三叶、单片叶、叶梗等混杂等级难以用风选、筛选精确细分的问题，提出了一套基于卷积神经网络的智能分选方案。资源包内仅含1个PDF文件，大小约2.31MB，完整收录了发表于《农业机械学报》的论文原文，涵盖7层卷积神经网络识别模型的搭建思路、共享权值与学习速率递减的训练优化策略，以及图像分割、尺度变换、样本旋转映射等预处理方法。文中通过实验验证了系统对鲜茶叶自动识别与分选的可行性，识别正确率不低于90%，并附有中英文摘要、关键词与参考文献，便于读者理解CNN在图像分类任务中的工程落地路径。目前已有172人学习，适合作为智能系统开发与人工智能方向课题的参考文献与专业指导材料。

1. 从一篇 2017 年的论文说起：鲜茶叶分选为什么值得用 CNN 重做一遍

机采鲜茶叶倒进料斗那一刻，单芽、一芽一叶、一芽二叶、一芽三叶、单片叶、叶梗全混在一起，风选和筛选只能按重量和尺寸粗粗拉一道，想按芽叶等级精确细分，传统设备基本没辙。这篇《基于卷积神经网络的鲜茶叶智能分选系统研究》给了一条能落地的路线：用工业相机拍茶叶，做颜色阈值分割和尺寸归一化，再送进一个 7 层结构的卷积神经网络做 6 分类，识别正确率不低于 90%。它适合谁？做农产品视觉分选的工程师、想拿 CNN 做小目标分类练手的人、以及需要一套完整“图像预处理 + 网络训练 + 分选执行”参考链路的从业者。下面我按“资源是什么 → 怎么复现 → 坑在哪”拆一遍。

2. 7 层 CNN 识别模型：从 95×95 输入到 6 类 RBF 输出

2.1 网络结构逐层拆解与参数含义

论文里的识别模型是 7 层结构，输入固定为 95 像素 × 95 像素的灰度图。整个前向链路是：输入层 → C1 卷积 → S2 池化 → C3 卷积 → S4 池化 → C5 卷积 → F6 全连接 → 输出层。C1、C3、C5 都是 6 个 5×5 的卷积核，池化层 S2、S4 用 2×2 邻域下采样，F6 是 120 个节点的全连接层，输出层由 6 个欧氏径向基函数（RBF）单元组成，每个单元对应一个茶叶等级。

这里有几个参数必须盯住。卷积核 5×5 配 6 个通道，是为了在 95×95 这种小图上快速把特征图尺寸压下来，减少训练运算量；池化用 2×2 且步长为 2，每次下采样特征图边长减半；激活函数用的是双曲正切 tanh，不是现在常见的 ReLU，这一点在复现时如果直接换成 ReLU，收敛曲线会变，但精度未必掉，属于可调项。输出层用 RBF 而不是 Softmax，是这篇论文比较有年代感的设计——RBF 计算的是全连接层输出向量和参数向量之间的欧氏距离，距离越大输出越大，按输出值判定类别。复现时如果沿用 RBF，要注意参数向量的初始化；如果换成 Softmax + 交叉熵，训练会更稳，但就和原文的“欧氏距离判定”逻辑不一致了。

提示：原文对 C3、C5 的输出通道数描述存在 OCR 噪声，上表按“每层 6 个卷积核”的正文描述推算，实际复现时以你框架里打印出的 shape 为准，不要硬套。

2.2 用 PyTorch 搭一个可跑的等价模型

下面这段代码按论文结构搭了一个等价网络，输入 95×95，输出 6 类。我保留了 tanh 激活和 RBF 输出层的思路，同时给了一个 Softmax 版本作为对照，方便你判断哪种更适合自己的数据。

import torch import torch.nn as nn import torch.nn.functional as F class TeaCNN_RBF(nn.Module): def __init__(self, num_classes=6): super().__init__() # C1: 1 -> 6, 5x5 self.c1 = nn.Conv2d(1, 6, kernel_size=5) # S2: 2x2 最大池化 self.s2 = nn.MaxPool2d(kernel_size=2, stride=2) # C3: 6 -> 6, 5x5 self.c3 = nn.Conv2d(6, 6, kernel_size=5) # S4: 2x2 最大池化 self.s4 = nn.MaxPool2d(kernel_size=2, stride=2) # C5: 6 -> 6, 5x5 self.c5 = nn.Conv2d(6, 6, kernel_size=5) # F6: 全连接 120 self.f6 = nn.Linear(6 * 1 * 1, 120) # 输出层：RBF 中心参数，形状 [num_classes, 120] self.rbf_centers = nn.Parameter(torch.randn(num_classes, 120)) self.beta = nn.Parameter(torch.ones(num_classes)) def forward(self, x): x = torch.tanh(self.c1(x)) # 46x46x6 x = self.s2(x) # 23x23x6 x = torch.tanh(self.c3(x)) # 10x10x6 x = self.s4(x) # 5x5x6 x = torch.tanh(self.c5(x)) # 1x1x6 x = x.view(x.size(0), -1) # 展平为 6 x = torch.tanh(self.f6(x)) # 120 # RBF：计算每个样本到各中心的欧氏距离平方 diff = x.unsqueeze(1) - self.rbf_centers.unsqueeze(0) # [B, C, 120] dist = torch.sum(diff ** 2, dim=2) # [B, C] out = torch.exp(-self.beta * dist) # 距离越小输出越大 return out # 快速验证 shape if __name__ == "__main__": model = TeaCNN_RBF() dummy = torch.randn(4, 1, 95, 95) print(model(dummy).shape) # 期望 torch.Size([4, 6])

逻辑说明：卷积层负责提取局部纹理和边缘，池化层压缩空间尺寸，全连接层把 6 维特征映射到 120 维，RBF 层再把 120 维映射成 6 个类别得分。参数上，beta控制 RBF 的敏感度，初始化全 1 只是起点，训练中会自己学；rbf_centers是每个类别的中心向量，随机初始化后靠反向传播更新。如果你把输出层换成nn.Linear(120, 6)加CrossEntropyLoss，训练会更稳，但就偏离了原文的 RBF 判定逻辑，建议两版都跑一遍做对比。

2.3 训练集制作：旋转与映射变换的实操细节

论文里训练集不是只拿原始图，而是把预处理后的 95×95 图像做了两类增强：逆时针旋转 45°，以及映射变换。目的是模拟茶叶在传送带上翘起、重叠、姿态不一的真实情况，提升泛化能力。实际复现时，我一般会把这个增强做得比原文更狠一点，因为 2017 年的数据集规模和现在不是一个量级。

import torchvision.transforms as T from PIL import Image # 训练集增强：旋转 + 映射 + 归一化 train_tf = T.Compose([ T.GrayScale(num_output_channels=1), # 转单通道灰度 T.Resize((95, 95)), # 统一到 95x95 T.RandomRotation(degrees=45), # 模拟旋转姿态 T.RandomAffine(degrees=0, shear=10), # 模拟映射/剪切形变 T.ToTensor(), T.Normalize(mean=[0.5], std=[0.5]) # 归一化到 [-1, 1] ]) # 测试集只做尺寸和归一化，不做随机增强 test_tf = T.Compose([ T.GrayScale(num_output_channels=1), T.Resize((95, 95)), T.ToTensor(), T.Normalize(mean=[0.5], std=[0.5]) ])

逻辑说明：RandomRotation(45)对应论文里的逆时针 45° 旋转，RandomAffine的 shear 参数对应映射变换。注意GrayScale要在Resize之前做，否则三通道转单通道时尺寸会多一维。归一化用 mean=0.5、std=0.5 是把像素压到 [-1,1]，和 tanh 激活的输出范围匹配；如果你换成 ReLU，建议改成 mean=0.5、std=0.5 或直接 0-1 归一化，看收敛情况调。

2.4 学习率衰减：0.001 起步，50 次迭代后锁到 0.00005

论文里学习率的设置很具体：初始 0.001，变换系数 r 为 0.94，每经过 1 次迭代更新为原来的 r 倍，经过 50 次迭代后保持 0.00005 不变。这个策略是这篇论文训练性能好的关键之一——前期大步长快速下降，后期小步长精细收敛，避免在最优解附近震荡。

import torch.optim as optim model = TeaCNN_RBF() optimizer = optim.SGD(model.parameters(), lr=0.001, momentum=0.9) # 按论文策略：每轮乘以 0.94，50 轮后锁定 0.00005 scheduler = optim.lr_scheduler.LambdaLR( optimizer, lr_lambda=lambda epoch: max(0.94 ** epoch, 0.00005 / 0.001) ) for epoch in range(80): # 这里放你的训练循环 scheduler.step() current_lr = optimizer.param_groups[0]['lr'] print(f"Epoch {epoch}, lr={current_lr:.6f}")

逻辑说明：LambdaLR里的 lambda 返回的是倍率，不是绝对学习率，所以0.00005 / 0.001 = 0.05是下限倍率。max保证学习率不会低于 0.00005。如果你用 Adam，初始学习率可以降到 0.0001 左右，衰减策略也要相应调整，不要直接套论文的 SGD 参数。

3. 图像预处理链路：颜色阈值分割与最小正外接正方形

3.1 R、G 分量阈值分割的公式与代码实现

论文的预处理第一步是茶叶分割。背景是深黑色转盘，茶叶是绿色，所以用 R、G 分量的灰度差异做阈值分割。原文给了三个公式：T = 0.8(P_Rmin - P_Gmin)，T' = 1.2(...)，然后按 P_R - P_G 与阈值的关系把像素判为 255 或 0。OCR 噪声让公式不完整，但核心逻辑清楚：利用绿色茶叶在 R 通道暗、G 通道亮的特性，用 R-G 差值把茶叶从黑背景里抠出来。

import cv2 import numpy as np def segment_tea(img_bgr): """ 输入：BGR 图像 输出：二值掩膜，茶叶区域为 255，背景为 0 """ b, g, r = cv2.split(img_bgr.astype(np.float32)) # 计算 R 和 G 分量的最小值，用于自适应阈值 r_min, g_min = np.min(r), np.min(g) T = 0.8 * (r_min - g_min) if r_min > g_min else 0.8 * (g_min - r_min) T = max(T, 10) # 防止阈值过小导致全图被分割 # R - G 差值：茶叶区域 G 明显大于 R，差值为负 diff = r - g mask = np.zeros_like(diff, dtype=np.uint8) mask[diff < -T] = 255 # 茶叶区域 # 形态学去噪 kernel = np.ones((3, 3), np.uint8) mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel) mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel) return mask

逻辑说明：r_min和g_min取全图最小值，是为了让阈值随光照变化自适应。diff < -T表示 G 通道比 R 通道高出至少 T，这正是绿色茶叶的特征。形态学开运算去孤立噪点，闭运算填内部空洞。参数 T 前面的 0.8 是论文给的系数，实际调的时候可以在 0.5 到 1.2 之间试，光照偏暗就调小，偏亮就调大。

3.2 最小正外接正方形与 95×95 归一化

分割出茶叶区域后，论文从灰度图里截取最小正外接矩形，再均匀扩充成最小正外接正方形，最后等比例缩放到 95×95。这一步是为了统一输入尺寸，同时保留茶叶的长宽比例信息，避免直接拉伸导致形状失真。

def crop_and_resize(mask, gray, target=95): """ mask: 二值掩膜 gray: 灰度图 返回：归一化后的 95x95 图像 """ contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) if not contours: return None # 取最大轮廓，对应单片茶叶 cnt = max(contours, key=cv2.contourArea) x, y, w, h = cv2.boundingRect(cnt) # 扩充为正方形：以长边为准 side = max(w, h) cx, cy = x + w // 2, y + h // 2 x1 = max(cx - side // 2, 0) y1 = max(cy - side // 2, 0) x2 = min(x1 + side, gray.shape[1]) y2 = min(y1 + side, gray.shape[0]) # 边界回退，保证正方形完整 x1 = max(x2 - side, 0) y1 = max(y2 - side, 0) roi = gray[y1:y2, x1:x2] # 等比例缩放到 95x95 resized = cv2.resize(roi, (target, target), interpolation=cv2.INTER_AREA) return resized

逻辑说明：cv2.boundingRect拿到最小正外接矩形，side = max(w, h)把它扩成正方形，中心点不变。边界回退那两行是防止正方形超出图像范围。INTER_AREA适合缩小，能保留更多纹理细节；如果放大就用INTER_LINEAR。这一步做完，每片茶叶都变成 95×95 的灰度图，可以直接送进第 2 章的模型。

3.3 预处理链路的完整串联与批量处理

把分割、裁剪、归一化串起来，再套一个批量循环，就是论文里“图像预处理”的完整落地。实际产线上，这一步要跑在相机采集线程和推理线程之间，延迟控制在毫秒级。

def preprocess_pipeline(img_bgr, target=95): mask = segment_tea(img_bgr) gray = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2GRAY) result = crop_and_resize(mask, gray, target) if result is None: return None # 归一化到 [-1, 1] result = result.astype(np.float32) / 127.5 - 1.0 return result # 批量处理示例 import glob images = glob.glob("tea_samples/*.jpg") batch = [] for path in images: img = cv2.imread(path) processed = preprocess_pipeline(img) if processed is not None: batch.append(processed) batch = np.stack(batch) # [N, 95, 95] print(batch.shape)

逻辑说明：/ 127.5 - 1.0把 0-255 映射到 [-1,1]，和训练时的归一化保持一致。批量处理时要注意每张图的茶叶数量，如果一张图里有多个茶叶，需要先做连通域分析再逐个裁剪，论文里是转盘上单颗依次通过，所以默认一图一叶。实际部署时如果一图多叶，findContours后要遍历所有轮廓，而不是只取最大那个。

4. 避坑与排查：复现这篇论文时最容易翻车的 5 个点

4.1 现象：训练 loss 不降，准确率卡在 16% 左右

原因：输出层用 RBF 但损失函数没配对。RBF 输出的是“距离越小得分越高”，如果你直接套CrossEntropyLoss，它期望的是 logits，两者语义相反，梯度方向就错了。解决：要么把 RBF 输出取负号再送CrossEntropyLoss，要么改用均方误差 MSE 配合 one-hot 标签，让 RBF 输出逼近目标值。我一般会先用 Softmax 版本跑通，确认数据没问题，再换回 RBF 对比。

4.2 现象：分割出来的掩膜全是白色，茶叶和背景分不开

原因：阈值 T 算出来太小甚至为负。论文的 T 依赖 R、G 分量的最小值，如果图像整体偏暗或偏绿，r_min - g_min可能接近 0，导致diff < -T几乎对所有像素成立。解决：加一个下限，比如T = max(T, 10)，同时检查相机白平衡。更稳的做法是用 Otsu 自适应阈值在 R-G 差值图上再分一次，把论文的固定系数当初始值，Otsu 当兜底。

4.3 现象：95×95 输入下模型参数量爆炸，训练极慢

原因：全连接层 F6 的输入维度算错了。如果 C5 输出不是 1×1×6 而是 5×5×6，F6 的输入就是 150，参数量从 120×6 变成 120×150，直接翻 25 倍。解决：打印每一层输出 shape，确认 C5 之后是 1×1×6。如果框架里池化层默认 ceil_mode=True，5×5 池化后可能变成 3×3 而不是 2×2，导致后续尺寸全偏。把ceil_mode=False显式写上。

4.4 现象：学习率衰减到 0.00005 后 loss 还在震荡

原因：论文的 50 次迭代锁定 0.00005 是针对它自己的数据集和 batch size 调的，你的数据量、batch size 不一样，最优下限也不同。解决：不要硬锁 0.00005，改成余弦退火或 ReduceLROnPlateau，让学习率跟着验证集 loss 走。如果一定要复现论文策略，至少把总 epoch 数对齐到 80 次，观察 loss 曲线在第几轮开始平。

4.5 现象：实时分选时识别正确率比离线测试低一截

原因：离线测试用的是预处理好的 95×95 图，实时链路里相机曝光、传送带速度、茶叶重叠都会影响分割质量。论文里也提到茶叶翘起、重叠会导致误判，单芽容易被误分为单片叶和叶梗。解决：在分选机构前加一个振动分离，让茶叶尽量单层平铺；相机加环形光源，减少阴影；推理端加一个置信度阈值，低于阈值的茶叶回流重选，不要硬分。

5. 从 90% 到更高：用混淆矩阵定位薄弱类别，再决定要不要加数据

论文的实测结果里，单芽、一芽一叶、一芽二叶、一芽三叶、单片叶、叶梗六类的识别正确率都不低于 90%，总体 92.40%。但如果你自己复现，大概率第一版跑不到这个数。我的习惯是先把混淆矩阵打出来，看清楚错分集中在哪几类，再决定是加数据、改网络还是调预处理。

from sklearn.metrics import confusion_matrix, classification_report import seaborn as sns import matplotlib.pyplot as plt # 假设 y_true, y_pred 是真实标签和预测标签 cm = confusion_matrix(y_true, y_pred) print(classification_report(y_true, y_pred, target_names=[ "单芽", "一芽一叶", "一芽二叶", "一芽三叶", "单片叶", "叶梗" ])) plt.figure(figsize=(8, 6)) sns.heatmap(cm, annot=True, fmt="d", cmap="Blues", xticklabels=["单芽", "一芽一叶", "一芽二叶", "一芽三叶", "单片叶", "叶梗"], yticklabels=["单芽", "一芽一叶", "一芽二叶", "一芽三叶", "单片叶", "叶梗"]) plt.xlabel("预测") plt.ylabel("真实") plt.title("鲜茶叶 6 分类混淆矩阵") plt.tight_layout() plt.savefig("confusion_matrix.png", dpi=150)

逻辑说明：classification_report给出每类的 precision、recall、f1-score，比总体准确率更有诊断价值。如果“单芽”的 recall 明显低，说明模型把单芽漏判成了别的类，优先补单芽的样本；如果“一芽二叶”和“一芽三叶”互相错分多，说明这两个类在 95×95 灰度图里区分度不够，可以考虑加颜色通道或提高输入分辨率。混淆矩阵热力图适合快速定位，annot=True显示具体数量，fmt="d"保证整数显示。

一个具体技巧：论文里用了旋转 45° 和映射变换做增强，但没提随机裁剪和亮度扰动。我在复现时会在训练集里额外加RandomResizedCrop(95, scale=(0.8, 1.0))和ColorJitter(brightness=0.2, contrast=0.2)，前者模拟茶叶在视野里的大小变化，后者模拟产线光照波动。这两个增强加上之后，测试集上的单芽 recall 通常能涨 3 到 5 个百分点。但注意，验证集和测试集绝对不能加随机增强，否则指标会虚高，上线就翻车。

还有一点，论文的 7 层结构在 2017 年是合理的，放到现在看确实浅。如果你手头数据量够，把 C1、C3、C5 的通道数从 6 扩到 16、32、64，再加一层 BatchNorm，收敛会快很多，精度也更容易过 95%。但如果你要严格复现论文结果做对比实验，就老老实实按 6 通道来，别混着改。从那以后我每次复现老论文，都强制先把原始结构跑通、拿到基线指标，再动任何一层——这个习惯帮我省了太多“改了三天发现是数据问题”的后悔药。希望帮到你。

本文还有配套的精品资源，点击获取