一种极限学习机的茉莉花茶风味品质预测方法

本发明属于基于极限学习机的计算机模型在食品品质预测中的应用技术领域，具体涉及极限学习机的茉莉花茶风味品质预测方法，用于解决传统方法中样本不平衡导致的预测偏差、高维特征过拟合及计算效率低下等问题。所述方法包括：获取茉莉花茶样本的初始数据集并构建风味品质数据库；通过序列抽样优化划分多数类与少数类样本集；基于光谱影像法提取茶叶的光谱特征和形态特征；根据样本差异生成新样本以平衡特征空间分布；对特征数据进行标准化处理并求解极限学习机的权重矩阵；构建预测模型输出风味品质分级结果。本发明有效平衡样本分布，抑制过拟合现象，预测精度提升；通过分层收敛策略缩短训练时间，满足工业化实时检测需求。