安徽农业大学茶与食品科技学院 院长
农学博士，博士生导师。“茶树次生代谢与茶叶质量安全”教育部创新团队负责人、安徽省茶产业技术体系首席专家，现任安徽农业大学茶与食品科技学院院长。1992年7月毕业于安徽农业大学茶业系获农学学士学位，1997年7月毕业于安徽农业大学茶业系获农学硕士学位，2000年7月获湖南农业大学农学博士学位，2001年9月—2002年10月在日本京都大学化学研究所访问学者，2005年8—11月在比利时新鲁汶大学合作研究。
主要研究方向：
1．茶叶主要品质成分形成机理；
2．近红外技术在茶叶质量控制中应用；
3．茶叶加工与茶资源综合利用。
科研成果：
1．“速溶茶的加工技术”获得2011年中国轻工业联合会科技发明奖二等奖（第5）；
2. “绿茶现代化加工技术与装备的研究与推广”获得2009年度安徽省科技进步一等奖（第3）；
3. “数字化智能茶叶色选机”获得2009年度安徽省科技进步二等奖（第5）；
4. “茶叶糖苷类香气前体生物化学与分子生物学基础研究”获得2006年度安徽省自然科学奖三等奖（第2）。
报告题目
基于高光谱图像和嗅感可视化信息融合判别绿茶品质
摘 要
用数字传感器代替人工审评来评价茶叶品质已经引起了人们的广泛关注。然而，单个传感器获取的信息不全面，并不能够达到精确评判的要求。考虑到茶叶感官评价的主要因素，我们选取了包括光谱、图像和嗅觉特征信息的多传感器，并对信息进行了数据融合。本报告对不同波段的高光谱相机获取的光谱和图像信息进行了研究，并对建模结果进行了比较。在信息融合的过程中，我们比较了主成分结合线性判别分析法，主成分结合K最近邻法，以及支持向量机算法的建模效果。近红外区域的光谱特征信息和可见/近红外区域的图像特征信息在茶叶分类上取得了较高的模型准确性。结果表明，在多传感器数据融合中，支持向量机算法的表现优于其他方法。相比于单传感器信息，多传感器数据融合有效提高了绿茶品质评判的准确性，校正集的判别正确率从75%提高到92%，预测集的判别正确率从78%提高到92%。结果表明，多传感器数据融合可以实现茶叶等级的综合准确判别。
