CP-ResNet50：基于特征聚合和注意力机制的茶叶多品类外观检测模型

　　摘要： 为解决传统人工感官评价主观性强、效率低的局限，针对茶叶外观品质检测问题，本研究设计一种采用特征聚合和注意力机制优化残差网络的检测模型。采集祁门工夫红茶、黄山毛峰、皖西黄茶3 类茶样共22 个等级1 800 张茶样图像，数据集按8∶2划分训练集与测试集；以深度残差网络（residual network 50 layers，ResNet50）为基础，通过迁移学习保留通用视觉特征提取能力，替换顶层全连接层适配分类任务，嵌入卷积块注意力模块与路径聚合网络，设计多任务架构并结合联合损失函数优化，实现茶叶产品与等级识别。结果表明，产品类别分类准确率达到100%，等级识别准确率达到93%以上，识别效果良好。该模型有望为茶叶多品类外观识别问题提供技术支持，有助于推动茶叶智能化品控技术发展。