近日，茶叶所联合信息所在《Foods》（中科院二区，IF=4.7）上发表了题为“ITD-YOLO: An Improved YOLO Model for Impurities in Premium Green Tea Detection”的研究论文。

茶叶在采摘、加工的过程中不可避免地会混入茶果、茶梗、碎石等影响茶叶品质的杂质，杂质分拣剔除是提升日照绿茶、崂山绿茶等名优绿茶品质等级的关键精制工序。目前，名优绿茶中杂质的分拣剔除工作主要依靠人工完成，劳动强度大、分拣效率低、分拣成本高。

本研究以日照绿茶为研究对象，提出一种轻量化杂质智能检测分拣算法，集成应用于履带平铺式色选机，以提高分拣效率、降低劳动强度。自制含有茶果、茶梗、瓜子壳及石头四类杂质的数据集，实验对比YOLOv8各模型，兼顾模型检测性能与模型复杂度，将YOLOv8n作为基础模型。首先实验对比四种损失函数，选定Focaler_mpdiou作为基础模型最终损失函数。对YOLOv8其他模型更换损失函数为Focaler_mpdiou，对比实验结果，将YOLOv8m-Focaler_mpdiou定为教师模型。在此基础上，以牺牲模型检测精度为代价，对更换损失函数后的基础模型进行剪枝，实现轻量化。最后，对模型进行知识蒸馏，模型在不增加复杂度的情况下，进一步提高检测性能。在自制茶叶含杂数据集上实验结果表明，改进模型的GFLOPs、Params、P、R、mAP、FPS分别为5.8、2146078B、0.9214、0.8759、0.9317、885.2，相比原模型，P、R、mAP、FPS分别提高0.0051、0.012、0.0094、72.2，GFLOPs、Params分别降低2.3、860350B。改进模型在提高检测性能的同时，显著降低复杂度，满足名优绿茶杂质的检测分拣要求，为名优绿茶杂质的智能化分拣剔除提供了技术支持。

山东省农业科学院为第一完成单位，茶叶所董春旺研究员、信息所封文杰为论文通讯作者，博士生丁泽中为论文第一作者，该研究得到院创新工程（CXGC2025A02）和济南市农业科技攻关项目（GG202415）项目资助。

（撰写：陈之威  核稿：董春旺）

文章链接：https://www.mdpi.com/2304-8158/14/9/1554。