張玲，高飛虎，李雪，張歡歡，張雪梅，楊世雄

重慶市農(nóng)業(yè)科學(xué)院，重慶401329

紅茶是我國六大茶類之一，在我國茶葉生產(chǎn)與銷售中占據(jù)舉足輕重的地位。據(jù)統(tǒng)計(jì)，2020年我國紅茶產(chǎn)量43.45萬t，在六大茶類中產(chǎn)量占比14.2%，僅次于綠茶。內(nèi)銷額503.0億元，占總額的16.2%[1]；出口量為2.96萬t，占總出口量的8.0%。紅茶是全發(fā)酵茶，經(jīng)萎凋、揉捻、發(fā)酵、烘干等一系列工藝加工而成[2]。當(dāng)前，紅茶加工主要以半自動、半人工操作為主，難以做到每批次茶葉品質(zhì)一致，不利于標(biāo)準(zhǔn)化生產(chǎn)。另外，因鮮葉采摘季節(jié)、采摘標(biāo)準(zhǔn)等不同，紅茶加工原料分類多，加工過程中環(huán)境溫濕度影響加工品質(zhì)，自動化生產(chǎn)線無法根據(jù)原料情況調(diào)整生產(chǎn)工藝。運(yùn)用智能化技術(shù)，對紅茶加工的各個工序進(jìn)行智能化控制，避免加工過程受外界環(huán)境的影響，降低常規(guī)加工環(huán)節(jié)的各項(xiàng)不確定性，可達(dá)到茶葉品質(zhì)的統(tǒng)一，大大提高紅茶加工效率和產(chǎn)品品質(zhì)。近年來，隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展和機(jī)械設(shè)備自動化水平的日益提高，云計(jì)算、大數(shù)據(jù)、人工智能等技術(shù)深入發(fā)展，新的數(shù)字革命正在悄然興起，傳統(tǒng)紅茶加工也逐漸從半機(jī)械化轉(zhuǎn)向機(jī)械化，從勞動密集型走向技術(shù)密集型，從經(jīng)驗(yàn)判斷走向數(shù)據(jù)標(biāo)準(zhǔn)化，從人工走向智能[3]。

1 智能化在茶鮮葉判定中的應(yīng)用研究

不同品種、不同采摘時間、不同采摘嫩度茶樹鮮葉對成品茶品質(zhì)起到重要影響。制茶人常說的“看茶做茶”便是指做茶時需要通過判定在制葉的狀態(tài)來制定相應(yīng)的加工參數(shù)。近年來，對茶鮮葉智能化判定的研究主要集中在利用不同嫩度的鮮葉色澤、形狀特征的差異性，作為紅茶原料等級判別的量化指標(biāo)，基于計(jì)算機(jī)技術(shù)和圖像處理技術(shù)，采用計(jì)算機(jī)智能化平臺進(jìn)行量化篩選，從而有效地實(shí)現(xiàn)鮮葉等級分類、質(zhì)量優(yōu)劣的對比判別。

吳雪梅等[4]提出了基于圖像顏色信息的茶葉嫩芽識別方法，根據(jù)嫩葉和老葉的顏色差異區(qū)分嫩芽與背景，再利用閾值的設(shè)定來識別嫩芽。邵明[5]采用標(biāo)記的Watershed算法為分割算法并提出一種快速區(qū)域合并算法對茶葉圖像進(jìn)行初始分割，再通過提取茶葉顏色、紋理和形態(tài)特征為特征參數(shù)訓(xùn)練支持向量機(jī)，從而建立茶鮮葉的判別模型；該模型對芽頭和一芽一葉初展的鮮葉識別率均達(dá)到100%，對一芽三葉的識別率達(dá)到76.9%，鮮葉嫩度越高，識別度也越高。張?zhí)N[6]以茶嫩芽為研究對象，構(gòu)建了茶葉嫩芽樣本數(shù)據(jù)庫，根據(jù)原料顏色特征、紋理特性研究了閾值分割和支持向量機(jī)的茶嫩芽分割方法，利用深度網(wǎng)絡(luò)模型對茶嫩芽進(jìn)行識別，并通過實(shí)驗(yàn)驗(yàn)證了其在茶嫩芽識別上的性能；優(yōu)化后的茶嫩芽識別模型得出的mAP為85.67%，軟件系統(tǒng)也實(shí)現(xiàn)了對茶嫩芽的快速自動識別。謝日星等[7]認(rèn)為在茶葉生產(chǎn)全過程中，通過計(jì)算機(jī)圖像處理技術(shù)可有效對茶鮮葉等級進(jìn)行判定，依據(jù)R、G、B、L參數(shù)值差異水平，對茶葉顏色參數(shù)進(jìn)行量化分析，以形成自動化評估，準(zhǔn)確判斷茶鮮葉等級以及其質(zhì)量情況。陳妙婷[8]的研究提出了一種改進(jìn)PSO-SVM算法，對茶葉嫩芽圖像的分割時間平均1 s左右，分割準(zhǔn)確率達(dá)94%，然后通過深度網(wǎng)絡(luò)模型YOLO進(jìn)行模型訓(xùn)練采摘點(diǎn)識別模型，訓(xùn)練后的識別準(zhǔn)確率達(dá)到84%，可基本滿足采摘需要。孫肖肖等[9]選用YOLO目標(biāo)檢測算法實(shí)現(xiàn)茶葉嫩芽檢測，首次將基于深度學(xué)習(xí)的目標(biāo)檢測算法應(yīng)用到復(fù)雜背景下的茶葉嫩芽圖像的檢測，結(jié)果表明，此方法對茶嫩葉具有較高的檢測精度。鮑偉[10]利用傳統(tǒng)圖像分析方法對茶葉嫩梢圖像進(jìn)行分析，提出一種茶葉嫩梢檢測模型，通過設(shè)置Ostu閾值來實(shí)現(xiàn)對茶葉嫩梢圖像的預(yù)處理，單張圖片進(jìn)行時間為2～3 s，檢測mAP為82.6%。Wang等[11]在智能手機(jī)上開發(fā)了一種快速檢測多品種的鮮葉質(zhì)量指標(biāo)和采收標(biāo)準(zhǔn)的近紅外分析工具，采用偏最小二乘法（PLS）建模結(jié)合光譜預(yù)處理和特征波長選擇，得到最優(yōu)的預(yù)測模型，從而實(shí)現(xiàn)茶鮮葉的快速、準(zhǔn)確和低成本判定。各項(xiàng)研究同時也表明，對鮮葉品質(zhì)的研究與選擇主要集中在圖像識別和色澤分析判定上，需要大批量的樣本供機(jī)器學(xué)習(xí)，才能實(shí)現(xiàn)較為精準(zhǔn)的判定。

2 智能化在紅茶萎凋中的應(yīng)用研究

萎凋是茶鮮葉通過攤放、晾曬，使茶葉因散失部分水分而萎蔫、葉質(zhì)變?nèi)彳?、色澤變深綠的過程。水分變化是萎凋過程的重要指標(biāo)，對紅茶品質(zhì)起到至關(guān)重要的作用。

國內(nèi)外現(xiàn)有的紅茶萎凋機(jī)基本不具備水分在線檢測功能，主要依賴于人工經(jīng)驗(yàn)判斷萎凋葉水分情況，難以做到精準(zhǔn)、客觀和量化評價。近年來，針對紅茶智能化萎凋，主要從萎凋工藝出發(fā)，綜合運(yùn)用機(jī)器視覺技術(shù)、數(shù)字圖像處理、化學(xué)計(jì)量學(xué)方法和人工智能算法等諸多交叉學(xué)科知識，開發(fā)紅茶萎凋過程的水分在線感知系統(tǒng)，實(shí)現(xiàn)機(jī)械制茶中萎凋葉水分含量的在線快速檢測，提升萎凋機(jī)性能及精準(zhǔn)掌控萎凋品質(zhì)，以滿足現(xiàn)代名優(yōu)紅茶的標(biāo)準(zhǔn)化、自動化、智能化加工需求。

安霆[12]認(rèn)為光譜信息對萎凋葉水分的表征能力要強(qiáng)于圖像信息，在光譜與圖像技術(shù)的支持下，以萎凋葉水分的定量預(yù)測作為感知手段，建立萎凋時序下水分定量預(yù)測模型，并通過該模型實(shí)現(xiàn)萎凋葉水分可視化，以推動紅茶萎凋加工工序的智能化發(fā)展。研究采用圖像技術(shù)采集萎凋時序下萎凋葉的顏色特征與紋理特征，并且搭建了萎凋葉水分感知系統(tǒng)，建立特征與水分間的關(guān)聯(lián)模型，實(shí)現(xiàn)萎凋時序下萎凋葉水分含量的快速無損檢測[13-14]。李潔等[15]檢測萎凋葉色澤參數(shù)和含水量變化，認(rèn)為R、G色澤參數(shù)能夠較好地反映茶鮮葉萎凋程度的變化，可以為萎凋工序智能化提供技術(shù)支持。An等[16]提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)置信度的紅茶萎凋葉的快速檢測方法，此方法可更好地表征圖像和水分間的相關(guān)性，從而實(shí)現(xiàn)萎凋葉的快速無損檢測。謝日星等[7]利用Photoshop CS濾鏡對20 h內(nèi)茶鮮葉色澤參數(shù)的變化情況實(shí)施動態(tài)監(jiān)測，通過得出R、G色澤參數(shù)從而反映鮮葉萎凋情況。

黃藩[17]選擇迎霜品種開展研究，建立工夫紅茶光補(bǔ)償萎凋工藝的含水量變化預(yù)測模型，獲得擬合度極好的萎凋溫度、時間和含水量變化之間的關(guān)系模型公式，為萎凋葉水分的在線快速無損檢測技術(shù)及智能裝備的研究奠定了理論基礎(chǔ)。Zhang等[18]選擇西門子PLC為主控制器，設(shè)計(jì)了一款可以在萎凋過程中采集溫度、濕度和氧濃度信息且具備數(shù)據(jù)記錄功能的萎凋設(shè)備，實(shí)現(xiàn)了萎凋的自動化、智能化。Shen等[19]依靠微型近紅外光譜和智能手機(jī)開發(fā)了基于Elman神經(jīng)網(wǎng)絡(luò)的水分預(yù)測模型，此模型結(jié)合主成分分析可用于萎凋葉的快速檢測和分析，其預(yù)測的相關(guān)系數(shù)達(dá)0.993 14。Wang等[20]采用近紅外光譜、電子眼和色度傳感陣列相結(jié)合的技術(shù)來判別茶葉的萎凋程度，其SVM模型的最佳判別精度可達(dá)97.5%。

3 智能化在紅茶揉捻中的應(yīng)用研究

揉捻是通過外力作用于茶葉上，通過揉、搓、加壓等方法破壞茶葉的細(xì)胞組織，使部分茶汁外溢并使其粘附于茶葉表面，同時使茶鮮葉形成條索狀的工序。揉捻的質(zhì)量直接決定了茶葉成品的品質(zhì)，是紅茶的重要加工工序[21-22]。

近年來揉捻研究主要從茶原料變化及揉捻機(jī)數(shù)字化控制技術(shù)兩個方面開展。在茶原料方面，主要開展了揉捻過程中加工茶原料成條特性、外觀顏色及紋理變化、細(xì)胞破碎及顯微結(jié)構(gòu)變化、主要內(nèi)含成分的變化等相關(guān)研究；在揉捻機(jī)數(shù)字化控制方面，主要采用CAD/CAE/CAM集成數(shù)字化設(shè)計(jì)方法對茶葉揉捻機(jī)進(jìn)行技術(shù)改造，將原來的人工操縱改為數(shù)字化控制，實(shí)現(xiàn)了智能化調(diào)節(jié)揉捻的速度以及時間，初步建立了揉捻程度的評價方法及揉捻機(jī)數(shù)字化控制策略。趙春芳[23]認(rèn)為茶葉揉捻機(jī)技術(shù)依舊處于機(jī)械化階段，其通過分析揉捻原理，確立了PLC控制為主，設(shè)置了調(diào)速、壓力、上下葉及顯示等4個子系統(tǒng)的自動控制設(shè)計(jì)方案。梁娟等[24]的采用單片機(jī)STC89C52作為控制器、壓力傳感器進(jìn)行數(shù)據(jù)采集，ADC0809芯片對信號進(jìn)行模/數(shù)轉(zhuǎn)換，選用LCD1602進(jìn)行顯示等實(shí)現(xiàn)了55型揉捻機(jī)的工作壓力檢測、揉捻時間控制和步進(jìn)電機(jī)的控制。鐘應(yīng)富等[25]以送料裝備研發(fā)、盤式揉捻機(jī)改造為基礎(chǔ)，以連續(xù)自動化作業(yè)為方向，采用PLC控制技術(shù)，研發(fā)了連續(xù)自動化揉捻機(jī)及其控制系統(tǒng)，實(shí)現(xiàn)茶葉揉捻工序的連續(xù)自動化作業(yè)。劉飛[26]的研究發(fā)現(xiàn)揉捻成條率與對應(yīng)的在制葉理化特征相關(guān)性較好，建立了基于色澤、紋理等圖像特征的多信息融合的成條率回歸方程，進(jìn)而提出了一種紅茶揉捻葉成條率的在線檢測方法，為智能化揉捻提供支撐。徐傳娣[27]以智能經(jīng)驗(yàn)庫和自動控制層構(gòu)建揉捻機(jī)智能控制系統(tǒng)。智能經(jīng)驗(yàn)庫存儲經(jīng)驗(yàn)參數(shù)值，傳感器采集并存儲制茶過程的經(jīng)驗(yàn)參數(shù)，通過內(nèi)部計(jì)算，最終輸出控制方式和控制參數(shù)，實(shí)現(xiàn)自動控制。任曉娜[28]采用CAD/CAE/CAM集成數(shù)字化設(shè)計(jì)方法改造揉捻機(jī)，首先進(jìn)行UG/CAD建模，再對零件的受力性能進(jìn)行分析和自動化設(shè)計(jì)，并對關(guān)鍵零件進(jìn)行加工仿真模擬，最終實(shí)現(xiàn)設(shè)備質(zhì)量變輕，可實(shí)現(xiàn)PLC自動控制等功能。

4 智能化在紅茶發(fā)酵中的應(yīng)用研究

發(fā)酵是紅茶制作中最為關(guān)鍵的工序。由于前端的揉捻工藝使茶葉細(xì)胞破碎、茶葉內(nèi)含物外溢，使得發(fā)酵過程中多種成分參與理化反應(yīng)，形成紅茶特有的紅湯紅葉、滋味甜醇等特點(diǎn)，發(fā)酵品質(zhì)的優(yōu)劣直接影響成品紅茶的品質(zhì)。

近年來，針對發(fā)酵工序，運(yùn)用圖像處理、光電特性分析、仿生嗅覺等技術(shù)手段來表征紅茶發(fā)酵過程中品質(zhì)變化，初步建立了發(fā)酵品質(zhì)的數(shù)字化指標(biāo)，為發(fā)酵工序智能化控制提供了新的方法和思路。許琦[29]認(rèn)為動態(tài)發(fā)酵有利于兒茶素的轉(zhuǎn)化消耗，以及茶黃素、茶紅素等品質(zhì)成分的生成。Jin等[30]使用UV-Vis光譜儀測定茶多酚在發(fā)酵過程中的降解情況以對發(fā)酵程度分類，隨后采用兩種中層策略對傅里葉變換近紅外和計(jì)算機(jī)視覺系統(tǒng)的融合信號進(jìn)行分析，可快速評價紅茶的發(fā)酵程度。在此基礎(chǔ)上，Jin等[31]提出基于微近紅外光譜和計(jì)算機(jī)視覺系統(tǒng)的紅茶發(fā)酵品質(zhì)的在線檢測方法，測定兒茶素和茶黃素的含量和顏色后對發(fā)酵程度進(jìn)行分組、建模，隨后通過光譜和數(shù)據(jù)信息的融合實(shí)現(xiàn)發(fā)酵程度的評估。Li等[32]通過紫外-可見光譜法獲得相位比色傳感器陣列的特征光譜，然后結(jié)合機(jī)器學(xué)習(xí)算法構(gòu)建了紅茶發(fā)酵質(zhì)量評價模型，此模型可在2 min內(nèi)準(zhǔn)確監(jiān)測紅茶的發(fā)酵品質(zhì)。楊崇山等[33]利用高光譜檢測技術(shù)并結(jié)合化學(xué)計(jì)量方法實(shí)現(xiàn)對不同發(fā)酵程度的茶樣進(jìn)行無損檢測和智能判別。董春旺[34]為提高對工夫紅茶加工過程中發(fā)酵品質(zhì)評價的科學(xué)性和時效性，利用近紅外、電特性、機(jī)器視覺、仿生嗅覺等現(xiàn)代智能感官表征技術(shù)和計(jì)量手段來表征紅茶發(fā)酵過程中的光電物理、色澤、香氣等品質(zhì)。Singh[35]利用RGB、灰度等圖像色澤信息建立了外形綜合品質(zhì)指標(biāo)的評價方法，能較好區(qū)分發(fā)酵茶品質(zhì)的等級差異。胡其偉[36]采用CCD鏡頭采集并分析不同發(fā)酵程度下紅茶發(fā)酵葉的顏色灰度值，并且通過有效面積的計(jì)算來判斷紅茶發(fā)酵是否適度，最后，通過判定結(jié)果初步實(shí)現(xiàn)溫度與濕度的模糊調(diào)節(jié)。王梅[37]設(shè)計(jì)了一種具有翻拌功能的滾筒自動發(fā)酵機(jī)，采用CFD技術(shù)對發(fā)酵筒結(jié)構(gòu)參數(shù)進(jìn)行優(yōu)化設(shè)計(jì)，同時采用機(jī)器視覺和非線性算法來智能感知紅茶發(fā)酵品質(zhì)，實(shí)現(xiàn)發(fā)酵工藝在線監(jiān)控與控制。Huang等[38]在確立茶葉制作關(guān)鍵環(huán)節(jié)參數(shù)的基礎(chǔ)上采用PLC控制，實(shí)現(xiàn)了發(fā)酵裝置的溫濕度在線監(jiān)測和自動控制。Borah等[39]利用圖像處理技術(shù)采集發(fā)酵過程中鮮葉和發(fā)酵適度樣品的圖像，通過曼哈頓距離算法計(jì)算被測圖像與適度樣品圖像的距離，可獲取發(fā)酵適度樣品指標(biāo)值。紅茶發(fā)酵環(huán)境處于高濕高霧條件下，容易發(fā)生圖像采集不準(zhǔn)、無法實(shí)時采集等問題，雷攀登等[40]開發(fā)了一種由工業(yè)相機(jī)、加熱除霧防潮裝置、面光源、支架、控制軟件和電腦組成的實(shí)時圖像采集系統(tǒng)，在采集圖像的基礎(chǔ)上添加發(fā)酵程度的數(shù)據(jù)標(biāo)簽，并搭建深度學(xué)習(xí)模型，其對發(fā)酵程度判定的準(zhǔn)確率可達(dá)95.68%。發(fā)酵過程也是紅茶香氣形成的重要過程，相關(guān)學(xué)者也嘗試將電子鼻技術(shù)應(yīng)用于發(fā)酵品質(zhì)的監(jiān)測上。Bhattcharya等[41]采用金屬氧化物型電子鼻（MOS-EN）對紅茶發(fā)酵過程的香氣實(shí)時監(jiān)測，從而判定最佳發(fā)酵時間和程度，以獲得較好的發(fā)酵品質(zhì)。

5 智能化在紅茶干燥中的應(yīng)用研究

干燥是紅茶加工中非常重要的環(huán)節(jié)，是通過熱傳遞將茶葉中的水分蒸發(fā)的過程。茶葉干燥過程是動態(tài)過程，主要分為預(yù)熱、恒速和降速3部分[42]，由于茶葉含水量的動態(tài)變化使得烘干溫度難以很好控制，無法保證茶葉品質(zhì)并且會造成能耗。

當(dāng)前茶葉干燥設(shè)備的智能研究主要集中在恒溫控制、實(shí)時調(diào)控、穩(wěn)定性和抗干擾能力提升等方面。近年來，針對紅茶干燥工序，建立烘干過程茶葉含水率預(yù)測模型，運(yùn)用水分在線無損檢測技術(shù)實(shí)現(xiàn)在制品中含水量的實(shí)時檢測，采用數(shù)字化控制技術(shù)熱風(fēng)風(fēng)量、溫度與干燥進(jìn)程的最佳匹配，實(shí)現(xiàn)了茶葉干燥過程精準(zhǔn)控制。張德炎等[43]在外燃式熱風(fēng)爐中應(yīng)用PLC自動控制技術(shù)，并同時運(yùn)用Concept軟件中的PID功能模塊，以實(shí)現(xiàn)對溫度的精準(zhǔn)控制。黃家春[44]采用變頻風(fēng)機(jī)替代傳統(tǒng)風(fēng)機(jī)，通過PLC智能控制排煙機(jī)的頻率，使排風(fēng)機(jī)轉(zhuǎn)速、燃料狀態(tài)和熱風(fēng)溫度匹配到最佳，從而實(shí)現(xiàn)恒溫控制。徐文娟[45]以DCS技術(shù)為基礎(chǔ)設(shè)計(jì)了一套茶葉干制工藝監(jiān)測系統(tǒng)，實(shí)現(xiàn)了對茶葉烘干工藝的實(shí)時監(jiān)控，對茶葉生產(chǎn)的品質(zhì)把控具有重要意義。吳曉強(qiáng)等[46]采用模糊控制技術(shù)對烘干機(jī)進(jìn)行恒溫控制，同時，應(yīng)用MATLAB軟件對模糊PID恒溫控制系統(tǒng)進(jìn)行仿真，從而達(dá)到恒溫控制的目的。李兵等[47]設(shè)計(jì)了一款動態(tài)矩陣控制的茶葉烘干機(jī)，運(yùn)用DMC-PID串級溫度控制系統(tǒng)，能有效提高溫控系統(tǒng)的動態(tài)響應(yīng)能力、魯棒性和抗干擾能力。袁海波等[48]研發(fā)了一種電磁內(nèi)熱鏈板式烘干機(jī)并采用智能技術(shù)控制，實(shí)現(xiàn)了茶葉干燥過程的能耗低、升溫快、熱效高、精準(zhǔn)控制等功能，通過評審，該設(shè)備制作的茶葉的品質(zhì)較好。趙麗清等[49]為研究茶葉熱風(fēng)干燥過程中茶葉內(nèi)部水分的變化規(guī)律，利用多元線性回歸、BP神經(jīng)網(wǎng)絡(luò)、Elman神經(jīng)網(wǎng)絡(luò)及Pos-Elman神經(jīng)網(wǎng)絡(luò)算法建立茶葉干燥過程中含水率的預(yù)測模型，結(jié)果表明，Pos-Elman神經(jīng)網(wǎng)絡(luò)算法具有更好的預(yù)測效果。

6 展望

智能化是由現(xiàn)代通信與信息技術(shù)、計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)、行業(yè)技術(shù)、智能控制技術(shù)匯集而成的針對某一個方面的應(yīng)用，一般具備感知、記憶、思維、學(xué)習(xí)、適應(yīng)和決策能力等特征。當(dāng)前，茶葉產(chǎn)業(yè)是高度的勞動密集型產(chǎn)業(yè)，對人工的需求量巨大，而且，生產(chǎn)過程中的原料認(rèn)定、工藝判斷、品質(zhì)判定等大多依靠人工經(jīng)驗(yàn)，對工業(yè)化、標(biāo)準(zhǔn)化生產(chǎn)不利，而紅茶加工時間長、物料狀態(tài)變化多樣、品質(zhì)判定復(fù)雜，亟需智能化加工技術(shù)（數(shù)據(jù)采集、數(shù)據(jù)監(jiān)控和智慧控制）的應(yīng)用來提升產(chǎn)品質(zhì)量及市場競爭力。

紅茶智能化加工需要選擇合適的傳感器進(jìn)行數(shù)據(jù)采集。紅茶加工過程歸根結(jié)底是一個茶葉干燥的過程，水分的變化伴隨整個加工過程，準(zhǔn)確、高效地對生產(chǎn)過程中的水分進(jìn)行監(jiān)測并指導(dǎo)后續(xù)生產(chǎn)是紅茶智能加工的關(guān)鍵技術(shù)點(diǎn)，相應(yīng)的在線水分監(jiān)測傳感器選擇尤為重要。在水分檢測的同時，配合能夠表征圖像信息的攝像頭、表征溫濕度的探針/頭、表征風(fēng)速的風(fēng)速傳感器等進(jìn)行數(shù)據(jù)采集，可提升紅茶加工的智能化水平。

紅茶智能化加工需要一個專家數(shù)據(jù)庫為支撐。專家數(shù)據(jù)庫是指在現(xiàn)有紅茶的加工工藝和裝備的基礎(chǔ)上，對加工的全過程進(jìn)行系統(tǒng)分析，明確加工過程中的“數(shù)據(jù)化”指標(biāo)及相應(yīng)的工藝參數(shù)后形成的數(shù)據(jù)庫，是將經(jīng)驗(yàn)操作轉(zhuǎn)化為智能系統(tǒng)可判別的數(shù)字指標(biāo)的數(shù)據(jù)庫。計(jì)算機(jī)在采集加工過程的數(shù)據(jù)后，與專家數(shù)據(jù)庫比對后可實(shí)現(xiàn)加工的智能化。同時，傳統(tǒng)數(shù)據(jù)的收集和傳感數(shù)據(jù)的標(biāo)記與判定，可豐富專家數(shù)據(jù)庫的內(nèi)容，提供給機(jī)器學(xué)習(xí)，從而實(shí)現(xiàn)智能操作準(zhǔn)確率的提升。