一种基于光谱图像双模态融合的茶叶品质评价方法

本发明公开了一种基于光谱图像双模态融合的茶叶品质评价方法，所述茶叶品质评价方法步骤如下：采集不同等级茶叶的高光谱数据；茶叶高光谱图像数据预处理；获取茶叶高光谱图像的光谱与图像模态信息；搭建光谱‑图像双模态融合神经网络（SIFNet）模型，SIFNet采用双分支网络架构：光谱特征提取分支结合一维卷积神经网络和双向长短期记忆网络模块提取光谱模态的时序依赖特征，图像特征提取分支引入二维卷积神经网络和模糊逻辑处理模块提取图像模态的精确特征和模糊特征，通过特征深度融合技术实现多模态信息的优势互补；训练SIFNet模型；茶叶待测样本品质评价。本发明通过光谱‑图像双模态特征的深度耦合与互补增强，提高了茶叶品质分级准确率。