CN117670373A
审中
基于视觉多维特征及神经网络的茶叶品质鉴别算法与系统
技术领域
[0001]本发明属于茶叶品质鉴别技术领域，具体是基于视觉多维特征及神经网络的茶叶品质鉴别算法与系统。
背景技术
[0002]茶作为世界三大无酒精饮料之一广受消费者喜爱。然而由于茶叶商品种类繁多，品质成分复杂，消费者不易判断真实品质。市场上存在以次充好，以假乱真的现象，严重损害了消费者的利益，不利于茶叶市场的稳定发展。长期以来，茶叶品质鉴别以人工审评为主。但是人工审评对专业要求高，而且结果容易受到主观因素和客观环境的影响，很难在日常推广。
[0003]专利文献CN104122308A公开了一种基于电子舌检测的差别度计算对茶叶品质进行鉴别的方法，电子舌技术是一种通过模拟人体味觉感受机制的人工识别技术，它通常由以敏感交叉传感器为阵列的信号采集系统，信号的激发与采集系统以及多元统计分析算法这三部分结构组成。所述鉴别方法包括电子舌检测步骤、PCA分析步骤、差别度计算步骤。茶叶品质的鉴别，立足于茶叶样品的电子舌差别度检测，用同种茶叶作为标准，以组内差别度来设置可信区间，从而建立标准样品实验测量值误差范围，判断检测样品品质是否达到标准样品所在置信区间内，以检测样品的品质。
[0004]专利文献CN102455283A公开了一种鉴别碧螺春茶叶品质的方法，该方法是将碧螺春茶叶浸泡后，浸泡液用紫外可见分光光度计进行扫描；另取碧螺春茶叶浸提后，浸提液采用高效液相色谱法测定茶叶中的表没食子儿茶素、表没食子儿茶素没食子酸酯、表儿茶素和表儿茶素没食子酸酯含量。通过建立产品的光谱图数据库和几种儿茶素平均含量数据库，鉴别时可与所建数据库进行比较，实现碧螺春茶叶品质的鉴别。
[0005]上述方法虽然能精确分析茶叶中的成分，但是其检测设备昂贵，操作复杂；对于个人消费者来说，难以实现相应的检测；而绝大多数的消费者不具备人工审评的专业知识，导致个人消费者容易受骗，而且还无法发现。
[0006]因此，当前亟需一种能够满足个人消费者鉴别茶叶品质的系统，基于此，本发明提供了基于视觉多维特征及神经网络的茶叶品质鉴别算法与系统。
发明内容
[0007]为了解决上述方案存在的问题，本发明提供了基于视觉多维特征及神经网络的茶叶品质鉴别算法与系统，以解决现有的人消费者难以鉴别茶叶品质的问题。
[0008]本发明的目的可以通过以下技术方案实现：
基于视觉多维特征及神经网络的茶叶品质鉴别系统，包括信息模块、鉴别模块、反馈模块和品质模块；
所述信息模块用于录入茶叶的品质信息，并将获得的所述品质信息发送给鉴别模块。
[0009]进一步地，品质信息的获取方法包括：
预设各茶叶种类对应的品质信息模板，所述品质信息模板包括各信息项；
获取需要鉴别茶叶品质的茶叶种类，基于所述茶叶种类匹配对应的品质信息模板；
获取茶叶包装图像，对获得的所述茶叶包装图像进行识别，获得对应的包装识别数据；基于所述品质信息模板中的各信息项从所述包装识别数据中提取对应的信息项数据，根据各所述信息项数据整合为品质信息。
[0010]所述鉴别模块用于对目标茶叶进行品质鉴别，获取所述目标茶叶的品质信息，基于所述品质信息采集对应参照信息，根据所述品质信息和参照信息分析对应的对比值；
采集所述目标茶叶的茶叶实体数据和冲泡数据，基于神经网络建立对应的智能模型对所述茶叶实体数据和所述冲泡数据进行鉴别，获得所述目标茶叶的鉴别结果，所述鉴别结果包括鉴别正常和鉴别异常。
[0011]进一步地，据品质信息和参照信息分析对比值的方法包括：
建立对比模型，通过所述对比模型对所述参照信息和所述品质信息进行对比分析，判断所述参照信息和所述品质信息是否对比相同；
所述对比模型的表达式为
；x为参照信息与对应的品质信息。
[0012]进一步地，基于神经网络建立的智能模型包括实体比较模型和冲泡比较模型；
所述实体比较模型用于对茶叶实体数据和标准实体数据集进行比较分析，确定对应的实体异常值；输入为茶叶实体数据和标准实体数据集，输出为实体异常值；
所述冲泡比较模型用于对冲泡数据和相应冲泡标准数据集进行比较分析，获得对应的冲泡异常值；输入为冲泡数据和相应冲泡标准数据集，输出为冲泡异常值。
[0013]进一步地，鉴别结果的获取方法包括：
根据所述目标茶叶的品质信息从预设的茶叶标准库中匹配对应的标准实体数据集和冲泡标准数据集；
通过所述实体比较模型对茶叶实体数据和标准实体数据集进行比较分析，获得对应的实体异常值；
通过所述冲泡比较模型对冲泡数据和冲泡标准数据集进行分析，获得对应的冲泡异常值；
根据评估公式
计算对应的评估值；
式中：PGL为评估值；DB为对比值；b1、b2均为比例系数，取值范围为0[0014]所述反馈模块用于进行鉴别结果反馈处理，实时获取所述鉴别模块分析的鉴别结果；基于所述鉴别结果生成相应的维权数据，将所述维权数据和所述鉴别结果向用户进行展示；
获取用户对精准鉴别的需求，当用户没有精准鉴别的需求时，不进行相应操作；
当用户具有精准鉴别的需求时，向用户推荐鉴别机构信息，用户根据所述鉴别机构信息进行所述目标茶叶的精确鉴别，并生成具有相应效力的鉴别报告，将所述鉴别报告发送给用户。
[0015]进一步地，鉴别机构的推荐方法包括：
建立鉴别机构库，所述鉴别机构库用于储存各鉴别机构信息；
获取用户信息，基于所述用户信息和预设的推荐算法从所述鉴别机构库中确定需要推荐给用户的鉴别机构信息。
[0016]进一步地，所述品质模块用于对待检茶叶进行质量鉴别；方法如下：
获取待检茶叶的品质信息，基于所述品质信息获取对应的实体异常值、冲泡异常值以及对应的茶叶实体数据和冲泡数据；
对所述茶叶实体数据和所述冲泡数据进行分析，获得对应的实体异常系数和冲泡异常系数；
；
；
式中：δs为实体异常系数；s为茶叶实体数据；U1、U2和U3分别为正常、第一异常等级和第二异常等级；δc为冲泡异常系数；c为冲泡数据；1>a1>1.5>a2>2；1>a3>1.5>a4>2；
根据公式PZ=100-(b3×δs×ST+b4×δc×CP)计算对应的质量值；
式中：PZ为质量值；ST为实体异常值；CP为冲泡异常值；b3、b4均为比例系数，取值范围为0[0017]基于视觉多维特征及神经网络的茶叶品质鉴别算法，包括：
录入目标茶叶的品质信息；基于所述品质信息采集对应参照信息，根据所述品质信息和参照信息分析对应的对比值；
采集所述目标茶叶的茶叶实体数据和冲泡数据，基于神经网络建立对应的智能模型对所述茶叶实体数据和所述冲泡数据进行鉴别，获得所述目标茶叶的鉴别结果，所述鉴别结果包括鉴别正常和鉴别异常；
基于所述鉴别结果生成相应的维权数据，将所述维权数据和所述鉴别结果向用户进行展示；
获取用户对精准鉴别的需求，当用户没有精准鉴别的需求时，不进行相应操作；
当用户具有精准鉴别的需求时，向用户推荐鉴别机构信息，用户根据所述鉴别机构信息进行所述目标茶叶的精确鉴别，并生成具有相应效力的鉴别报告，将所述鉴别报告发送给用户。
[0018]与现有技术相比，本发明的有益效果是：
通过信息模块和鉴别模块之间的相互配合，仅需用户进行简单的操作，即可实现对茶叶快速、便捷的鉴别，并不需要用户具备相应的茶叶鉴别专业知识，简化鉴别方式，解决当前众多的个人消费者对茶叶鉴别的需求。
[0019]通过设置反馈模块，实现对直接评估的鉴别结果进行补充，解决用户直接评估所带来的鉴别结果误差问题，同时为用户提供具有维权效力的鉴别报告，便于维护用户利益，而且提供有专业的鉴别机构和维权数据。
附图说明
[0020]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0021]图1为本发明原理框图。
实施方式
[0022]下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0023]如图1所示，基于视觉多维特征及神经网络的茶叶品质鉴别系统，包括信息模块、鉴别模块、反馈模块和品质模块；
所述信息模块用于录入茶叶的品质信息，品质信息即为与茶叶品质鉴别有关的信息，如产地、名称、价格、种类等信息；
获取品质信息需要包括的信息项，根据获得的信息项整合设置对应的品质信息模板；不同茶叶种类的信息项可能具有差异，如普洱茶和绿茶的差异，将会导致其对应的信息项具有差异；因此需要根据茶叶的种类等信息设置不同的品质信息模板。
[0024]根据品质信息模板进行品质信息的录入，具体的可以采用多种方式进行；
一种为：直接由用户根据品质信息模板中的各信息项按照茶叶包装上的信息进行填写。
[0025]另一种为：利用现有的图像识别技术进行品质信息的生成，用户上传或拍照茶叶包装的图像，利用现有的预设的图像识别算法识别包装图像数据，按照品质信息模板中的各信息项对应的数据进行补充；形成品质信息。
[0026]所述鉴别模块用于对购入的茶叶进行品质鉴别，将需要进行品质鉴别的茶叶标记为目标茶叶，获取目标茶叶的品质信息，根据获得的品质信息获取目标茶叶对应官方商家的参照信息，参照信息即为在官方商家处该类型茶叶的包装信息，通过对接官方商家的网站、售货平台等获取其标准的包装信息，因为有很大一部分的假冒茶叶的包装与正品包装是具有差异的，如防伪码等；根据获得的参照信息对目标茶叶的品质信息进行比对，获得对应的比对值。
[0027]打开目标茶叶包装，选取一定量的目标茶叶进行拍照，并在拍照时设置一个参照尺，如在拍照背景中放置一个直尺；将目标茶叶的照片等数据进行上传，获得目标茶叶对应的茶叶实体数据；再选取一定量的目标茶叶进行冲泡，在冲泡的过程中进行影像记录，将对应的影像记录数据进行上传，获得对应的冲泡数据。
[0028]根据目标茶叶的品质信息获取该目标茶叶在真实情况下的标准实体数据集和冲泡标准数据集；由平台方汇总各种正品茶叶的实体数据以及冲泡数据，同一茶叶因为各种因素的影响，相应的实体数据以及冲泡数据可能具有差异，因此采用数据集的方式进行储存，即实体数据并非单一的一个数据，而是以多个数据的数据集的形式进行储存，汇总建立对应的茶叶标准库，并按照各茶叶的种类进行分类储存。
[0029]基于神经网络建立对应的实体比较模型和冲泡比较模型，实体比较模型用于对茶叶实体数据和标准实体数据集进行比较分析，确定对应的实体异常值，实体异常值即为差异值，即根据茶叶实体数据与标准实体数据集之间的比较差异进行设置，取值范围为[0，100]，实体异常值为0和100分别对应无差异和差异超过限值，相当于差异程度，如比较分析的相似度为80%，则实体异常值为20；通过茶叶实体数据与标准实体数据集进行逐一比较，获得若干个实体异常值，去除异常点后，计算对应的平均值为输出的实体异常值；异常点为数据分布异常的实体异常值。
[0030]冲泡比较模型的方式相似，用于对冲泡数据和相应冲泡标准数据集进行比较分析，获得对应的冲泡异常值，取值范围为[0，100]；
冲泡比较模型的输入为冲泡数据和相应冲泡标准数据集，输出为冲泡异常值。
[0031]实体比较模型的输入为茶叶实体数据和标准实体数据集，输出为实体异常值。
[0032]示例性的，以实体比较模型为例，创建样本数据集，样本数据集包括素材样本和人工标注样本集，素材样本为茶叶实体数据对应的原始图片集，人工标注样本集为对原始图片进行格式转换、人工标注实体异常值处理后的图片集，样本数据集中素材样本和人工标注样本集比例为2：1；对人工标注样本集中的图片进行二值化处理，并以单通道形式进行保存，将照片样本集和人工标注样本集按照比例进行切分，形成第二照片样本集和第二人工标注样本集；在Pytorch深度学习框架下基于Linknet网络结构搭建Linknet网络模型，设置Linknet网络模型的参数，将第二照片样本集和第二人工标注样本集输入Linknet网络模型，并基于Pytorch深度学习框架对Linknet网络模型进行训练，训练过程中保存多个模型，利用验证集数据选择误差最小的模型作为实体比较模型。
[0033]因为神经网络为本领域的现有技术，因此实体比较模型和冲泡比较模型具体的建立和训练过程在本发明中不进行详细叙述。
[0034]根据目标茶叶的品质信息从茶叶标准库中匹配对应的标准实体数据集和冲泡标准数据集；
通过实体比较模型对茶叶实体数据和标准实体数据集进行比较分析，获得对应的实体异常值；
通过冲泡比较模型对冲泡数据和冲泡标准数据集进行分析，获得对应的冲泡异常值；
根据评估公式
计算对应的评估值；
式中：PGL为评估值；DB为对比值；b1、b2均为比例系数，取值范围为0[0035]其中，比对值的分析方法包括：
获取大量的茶叶包装数据，利用现有的图像识别技术和文字识别技术建立对应的对比模型，通过对比模型确定参照信息中的对应数据是否与品质信息相同；对比模型的表达式为
；x为输入数据，为参照信息与对应的品质信息；输出为对比值DB。
[0036]在其他实施例中，可以直接基于现有的神经网络建立能够进行茶叶鉴别的智能模型，不获取对应的实体异常值和冲泡异常值，直接获取对应的鉴别结果即可。
[0037]通过信息模块和鉴别模块之间的相互配合，仅需用户进行简单的操作，即可实现对茶叶快速、便捷的鉴别，并不需要用户具备相应的茶叶鉴别专业知识，简化鉴别方式，解决当前众多的个人消费者对茶叶鉴别的需求。
[0038]所述反馈模块用于进行鉴别结果反馈处理，因为直接通过鉴别模型进行鉴别，因为用户的操作、储存方式等差异，具有一定的鉴别误差，因此，当用户还需要进行进一步的鉴别时，将会对目标茶叶进行精准鉴别，方法如下：
实时获取鉴别模块分析的鉴别结果，将获得的鉴别结果向用户进行展示，对于鉴别结果为鉴别正常的情况，一般不进行相应操作，若用户具有相应需求，也可以按照鉴别异常的鉴别结果进行处理。
[0039]当鉴别结果为鉴别异常时，根据目标茶叶的品质信息分析维权赔偿，即根据目标茶叶的价格、销售端等情况，利用现有的维权规定评估一个维权金额，即维权赔偿；如常见的假一赔三、假一罚十等；并且还可以根据目标茶叶的品质信息匹配相应的维权方式教程，将获得的维权赔偿、维权方式等整合为维权数据，即还可以根据实际情况由平台方决定是否添加其他维权功能；
将获得的维权数据向用户进行展示，当用户没有后续精准鉴别的需求时，不进行后续操作，即在此时，用户可以直接根据之前的鉴别结果向商家进行维权，若商家不认同，可以进行精准的鉴别，具体需要根据用户的实际需求；当用户具有后续精准鉴别的需求时，智能推荐鉴别机构信息，包括该鉴别机构的详细介绍信息和配送方式等信息；用户根据推荐的鉴别机构信息进行目标茶叶的精确鉴别，并生成具有法律效力的鉴别报告，将获得的鉴别报告发送给用户。
[0040]鉴别机构的推荐方法包括：
由平台方汇总、协商、合作若干家具有专业认定的鉴别机构，也可以是平台方旗下自有的鉴别机构，通过平台方进行联系、沟通、协商等进行合作，降低用户的鉴别费用，同时便于用户进行茶叶鉴别；获取各鉴别机构的详细信息，整合为鉴别机构信息；根据各鉴别机构信息建立对应的鉴别机构库；
获取用户信息，包括姓名、联系方式、地址等相关数据，根据获得的用户信息利用当前的智能推荐算法进行推荐，获得推荐给用户的鉴别机构信息。具体的推荐算法由平台方进行配置，如根据距离、鉴别费用等因素进行推荐。
[0041]通过设置反馈模块，实现对直接评估的鉴别结果进行补充，解决用户直接评估所带来的鉴别结果误差问题，同时为用户提供具有维权效力的鉴别报告，便于维护用户利益，而且提供有专业的鉴别机构和维权数据。
[0042]在一个实施例中，对于消费者来说，茶叶的鉴别并不仅仅是真伪的鉴别，还有质量的鉴别；因为茶叶低温保存的特性，绝大多数的个人消费者会将购买的茶叶放在冰箱中进行保存，或者其他阴凉的位置进行保存，以期望达到长久保存的目的；但是随着保存时间的变长，用户难以确定长期保存的茶叶是否变质，还能否饮用；因此为了解决用户对保存茶叶质量的鉴别需求，提出了品质模块，通过品质模块进行目标茶叶的质量鉴别。
[0043]所述品质模块用于对待检茶叶进行质量鉴别，待检茶叶指的是需要对保存茶叶进行质量检测的茶叶；获取待检茶叶的品质信息，按照目标茶叶的品质信息的获取方式进行获取；根据获得的品质信息按照上述鉴别模块的工作方式确定对应的实体异常值、冲泡异常值以及对应的茶叶实体数据、标准实体数据集、冲泡数据和冲泡标准数据集；
获取待检茶叶的保存数据，保存数据包括保存时间和保存方式；
根据品质信息、茶叶实体数据和保存数据分析对应的实体异常系数；
根据品质信息、冲泡数据和保存数据分析对应的冲泡异常系数。
[0044]实体异常系数和冲泡异常系数均是根据异常等级进行匹配的，分别为正常、第一异常等级和第二异常等级，分别对应的实体异常系数为1、a1和a2，冲泡异常系数为1、a3和a4；且1>a1>1.5>a2>2；1>a3>1.5>a4>2；详细数值由平台方专业技术人员进行设置；
实体异常系数和冲泡异常系数的异常等级均是根据相应的图像数据进行匹配的，选择最严重的相关图像，利用现有的图像识别技术，将获得的相关图像与预设的各异常等级对应的图像库进行匹配，确定其所属的异常等级。
[0045]即
；
；
式中：δs为实体异常系数；s为茶叶实体数据；U1、U2和U3分别为正常、第一异常等级和第二异常等级；δc为冲泡异常系数；c为冲泡数据；1>a1>1.5>a2>2；1>a3>1.5>a4>2。
[0046]根据公式PZ=100-(b3×δs×ST+b4×δc×CP)计算对应的质量值；
式中：PZ为质量值；ST为实体异常值；CP为冲泡异常值；b3、b4均为比例系数，取值范围为0[0047]将质量值低于阈值X2的待检茶叶标记为异常茶叶。
[0048]基于视觉多维特征及神经网络的茶叶品质鉴别算法，包括：
预设各茶叶种类对应的品质信息模板，品质信息模板包括各信息项；
获取需要鉴别茶叶品质的茶叶种类，基于茶叶种类匹配对应的品质信息模板；
获取茶叶包装图像，对获得的茶叶包装图像进行识别，获得对应的包装识别数据；基于品质信息模板中的各信息项从包装识别数据中提取对应的信息项数据，根据各信息项数据整合为品质信息；
基于品质信息采集对应参照信息，根据品质信息和参照信息分析对应的对比值；
采集目标茶叶的茶叶实体数据和冲泡数据，基于神经网络建立对应的智能模型对茶叶实体数据和冲泡数据进行鉴别，获得目标茶叶的鉴别结果，鉴别结果包括鉴别正常和鉴别异常。
[0049]基于鉴别结果生成相应的维权数据，将维权数据和鉴别结果向用户进行展示；
获取用户对精准鉴别的需求，当用户没有精准鉴别的需求时，不进行相应操作；
当用户具有精准鉴别的需求时，向用户推荐鉴别机构信息，用户根据鉴别机构信息进行目标茶叶的精确鉴别，并生成具有相应效力的鉴别报告，将鉴别报告发送给用户。
[0050]鉴别机构的推荐方法包括：
建立鉴别机构库，鉴别机构库用于储存各鉴别机构信息；
获取用户信息，基于用户信息和预设的推荐算法从鉴别机构库中确定需要推荐给用户的鉴别机构信息。
[0051]进一步地，品质模块用于对待检茶叶进行质量鉴别；方法如下：
获取待检茶叶的品质信息，基于品质信息获取对应的实体异常值、冲泡异常值以及对应的茶叶实体数据和冲泡数据；
对茶叶实体数据和冲泡数据进行分析，获得对应的实体异常系数和冲泡异常系数；
；
；
式中：δs为实体异常系数；s为茶叶实体数据；U1、U2和U3分别为正常、第一异常等级和第二异常等级；δc为冲泡异常系数；c为冲泡数据；1>a1>1.5>a2>2；1>a3>1.5>a4>2；
根据公式PZ=100-(b3×δs×ST+b4×δc×CP)计算对应的质量值；
式中：PZ为质量值；ST为实体异常值；CP为冲泡异常值；b3、b4均为比例系数，取值范围为0[0052]本实施例中具体未公开的部分参照基于视觉多维特征及神经网络的茶叶品质鉴别系统的实施例。
[0053]上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
[0054]以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
；x为参照信息与对应的品质信息。
[0012]进一步地，基于神经网络建立的智能模型包括实体比较模型和冲泡比较模型；
所述实体比较模型用于对茶叶实体数据和标准实体数据集进行比较分析，确定对应的实体异常值；输入为茶叶实体数据和标准实体数据集，输出为实体异常值；
所述冲泡比较模型用于对冲泡数据和相应冲泡标准数据集进行比较分析，获得对应的冲泡异常值；输入为冲泡数据和相应冲泡标准数据集，输出为冲泡异常值。
[0013]进一步地，鉴别结果的获取方法包括：
根据所述目标茶叶的品质信息从预设的茶叶标准库中匹配对应的标准实体数据集和冲泡标准数据集；
通过所述实体比较模型对茶叶实体数据和标准实体数据集进行比较分析，获得对应的实体异常值；
通过所述冲泡比较模型对冲泡数据和冲泡标准数据集进行分析，获得对应的冲泡异常值；
根据评估公式计算对应的评估值；
式中：PGL为评估值；DB为对比值；b1、b2均为比例系数，取值范围为0；；
式中：δs为实体异常系数；s为茶叶实体数据；U1、U2和U3分别为正常、第一异常等级和第二异常等级；δc为冲泡异常系数；c为冲泡数据；1>a1>1.5>a2>2；1>a3>1.5>a4>2；
根据公式PZ=100-(b3×δs×ST+b4×δc×CP)计算对应的质量值；
式中：PZ为质量值；ST为实体异常值；CP为冲泡异常值；b3、b4均为比例系数，取值范围为0计算对应的评估值；
式中：PGL为评估值；DB为对比值；b1、b2均为比例系数，取值范围为0；x为输入数据，为参照信息与对应的品质信息；输出为对比值DB。
[0036]在其他实施例中，可以直接基于现有的神经网络建立能够进行茶叶鉴别的智能模型，不获取对应的实体异常值和冲泡异常值，直接获取对应的鉴别结果即可。
[0037]通过信息模块和鉴别模块之间的相互配合，仅需用户进行简单的操作，即可实现对茶叶快速、便捷的鉴别，并不需要用户具备相应的茶叶鉴别专业知识，简化鉴别方式，解决当前众多的个人消费者对茶叶鉴别的需求。
[0038]所述反馈模块用于进行鉴别结果反馈处理，因为直接通过鉴别模型进行鉴别，因为用户的操作、储存方式等差异，具有一定的鉴别误差，因此，当用户还需要进行进一步的鉴别时，将会对目标茶叶进行精准鉴别，方法如下：
实时获取鉴别模块分析的鉴别结果，将获得的鉴别结果向用户进行展示，对于鉴别结果为鉴别正常的情况，一般不进行相应操作，若用户具有相应需求，也可以按照鉴别异常的鉴别结果进行处理。
[0039]当鉴别结果为鉴别异常时，根据目标茶叶的品质信息分析维权赔偿，即根据目标茶叶的价格、销售端等情况，利用现有的维权规定评估一个维权金额，即维权赔偿；如常见的假一赔三、假一罚十等；并且还可以根据目标茶叶的品质信息匹配相应的维权方式教程，将获得的维权赔偿、维权方式等整合为维权数据，即还可以根据实际情况由平台方决定是否添加其他维权功能；
将获得的维权数据向用户进行展示，当用户没有后续精准鉴别的需求时，不进行后续操作，即在此时，用户可以直接根据之前的鉴别结果向商家进行维权，若商家不认同，可以进行精准的鉴别，具体需要根据用户的实际需求；当用户具有后续精准鉴别的需求时，智能推荐鉴别机构信息，包括该鉴别机构的详细介绍信息和配送方式等信息；用户根据推荐的鉴别机构信息进行目标茶叶的精确鉴别，并生成具有法律效力的鉴别报告，将获得的鉴别报告发送给用户。
[0040]鉴别机构的推荐方法包括：
由平台方汇总、协商、合作若干家具有专业认定的鉴别机构，也可以是平台方旗下自有的鉴别机构，通过平台方进行联系、沟通、协商等进行合作，降低用户的鉴别费用，同时便于用户进行茶叶鉴别；获取各鉴别机构的详细信息，整合为鉴别机构信息；根据各鉴别机构信息建立对应的鉴别机构库；
获取用户信息，包括姓名、联系方式、地址等相关数据，根据获得的用户信息利用当前的智能推荐算法进行推荐，获得推荐给用户的鉴别机构信息。具体的推荐算法由平台方进行配置，如根据距离、鉴别费用等因素进行推荐。
[0041]通过设置反馈模块，实现对直接评估的鉴别结果进行补充，解决用户直接评估所带来的鉴别结果误差问题，同时为用户提供具有维权效力的鉴别报告，便于维护用户利益，而且提供有专业的鉴别机构和维权数据。
[0042]在一个实施例中，对于消费者来说，茶叶的鉴别并不仅仅是真伪的鉴别，还有质量的鉴别；因为茶叶低温保存的特性，绝大多数的个人消费者会将购买的茶叶放在冰箱中进行保存，或者其他阴凉的位置进行保存，以期望达到长久保存的目的；但是随着保存时间的变长，用户难以确定长期保存的茶叶是否变质，还能否饮用；因此为了解决用户对保存茶叶质量的鉴别需求，提出了品质模块，通过品质模块进行目标茶叶的质量鉴别。
[0043]所述品质模块用于对待检茶叶进行质量鉴别，待检茶叶指的是需要对保存茶叶进行质量检测的茶叶；获取待检茶叶的品质信息，按照目标茶叶的品质信息的获取方式进行获取；根据获得的品质信息按照上述鉴别模块的工作方式确定对应的实体异常值、冲泡异常值以及对应的茶叶实体数据、标准实体数据集、冲泡数据和冲泡标准数据集；
获取待检茶叶的保存数据，保存数据包括保存时间和保存方式；
根据品质信息、茶叶实体数据和保存数据分析对应的实体异常系数；
根据品质信息、冲泡数据和保存数据分析对应的冲泡异常系数。
[0044]实体异常系数和冲泡异常系数均是根据异常等级进行匹配的，分别为正常、第一异常等级和第二异常等级，分别对应的实体异常系数为1、a1和a2，冲泡异常系数为1、a3和a4；且1>a1>1.5>a2>2；1>a3>1.5>a4>2；详细数值由平台方专业技术人员进行设置；
实体异常系数和冲泡异常系数的异常等级均是根据相应的图像数据进行匹配的，选择最严重的相关图像，利用现有的图像识别技术，将获得的相关图像与预设的各异常等级对应的图像库进行匹配，确定其所属的异常等级。
[0045]即；；
式中：δs为实体异常系数；s为茶叶实体数据；U1、U2和U3分别为正常、第一异常等级和第二异常等级；δc为冲泡异常系数；c为冲泡数据；1>a1>1.5>a2>2；1>a3>1.5>a4>2。
[0046]根据公式PZ=100-(b3×δs×ST+b4×δc×CP)计算对应的质量值；
式中：PZ为质量值；ST为实体异常值；CP为冲泡异常值；b3、b4均为比例系数，取值范围为0；；
式中：δs为实体异常系数；s为茶叶实体数据；U1、U2和U3分别为正常、第一异常等级和第二异常等级；δc为冲泡异常系数；c为冲泡数据；1>a1>1.5>a2>2；1>a3>1.5>a4>2；
根据公式PZ=100-(b3×δs×ST+b4×δc×CP)计算对应的质量值；
式中：PZ为质量值；ST为实体异常值；CP为冲泡异常值；b3、b4均为比例系数，取值范围为0