基于STA—BiLSTM的茶叶含水率检测与预测方法研究OA
针对茶叶萎凋过程中含水率在线检测精度不足的问题,开发一种基于改进STA—BiLSTM模型的茶叶含水率无损检测与预测系统。该系统采用平行板电容传感器结合温湿度、重量等多源传感器,实时采集萎凋过程中的关键工艺参数。通过优化传感器结构与布局,有效抑制边缘效应,提升测量一致性。在数据处理方面,引入mRMR特征选择算法筛选关键变量,降低模型复杂度。预测模型采用融合时空注意力机制的双向长短期记忆网络,能够自适应聚焦不同时间步与特征的重要性,有效捕捉萎凋过程中的时空依赖关系与动态变化,抑制噪声干扰。试验结果表明,改进的STA—BiLSTM模型在预测精度上显著优于传统深度学习模型,其均方根误差为0.0220,平均绝对误差为0.0208,判定系数达到0.9669,实现茶叶萎凋含水率的高精度在线预测。该系统具有结构简单、成本低、响应快、适应性强等优点,为茶叶加工过程中的水分智能监控提供可靠的技术支持。
杨信锟;陈镔;黄奕晗;陈玮淇;阮承治;朱亚丽
农机智能控制与制造技术福建省高校重点实验室,福建武夷山354300 竹全产业链数智化福建省高校工程研究中心,福建武夷山354300农机智能控制与制造技术福建省高校重点实验室,福建武夷山354300 竹全产业链数智化福建省高校工程研究中心,福建武夷山354300农机智能控制与制造技术福建省高校重点实验室,福建武夷山354300农机智能控制与制造技术福建省高校重点实验室,福建武夷山354300农机智能控制与制造技术福建省高校重点实验室,福建武夷山354300 竹全产业链数智化福建省高校工程研究中心,福建武夷山354300农机智能控制与制造技术福建省高校重点实验室,福建武夷山354300
轻工纺织
含水率平行极板电容茶叶萎凋时空注意力机制
《中国农机化学报》 2026 (8)
P.291-298,8
福建省南平市自然科学基金项目(N2025J002)福建省中青年教师教育科研项目(JAT220376)福建省自然科学基金(2026J0011122)武夷学院引进人才科研项目(YJ202319)。
评论