发布时间：2019-01-17所属分类：科技论文浏览：1次
摘 要： 摘要:我国茶叶种植面积和产量均为世界第一，是特色农业的重要组成部分;但我国茶叶品质检测体系不完善，分级技术水平不高，影响了产品在国际市场上的竞争力。传统的茶叶分级是由人工分析判断，具有较大的局限性。计算机视觉是一种新型的图像处理技术，已经应
摘要:我国茶叶种植面积和产量均为世界第一，是特色农业的重要组成部分;但我国茶叶品质检测体系不完善，分级技术水平不高，影响了产品在国际市场上的竞争力。传统的茶叶分级是由人工分析判断，具有较大的局限性。计算机视觉是一种新型的图像处理技术，已经应用于茶叶品质分析。为此，将拍摄的茶叶和茶水图像进行预处理、灰度化和阈值分割，获得目标轮廓并分析颜色特征，并通过建模集样本确定用于色泽检测的特征量，然后对检验集样本进行色泽检测。结果表明:检验集中被错误识别的茶叶种类极少，总体的识别准确率达到90%，为准确评价茶叶的色泽品质提供了技术支持。
关键词:茶叶;色泽检测;计算机视觉
我国茶叶种植规模和产量均为世界第一，出口量位居世界前列，茶叶已成为我国特色农业的重要组成部分。茶叶之所以成为备受欢迎的饮料品种，归因于其浸泡得到的饮品中含有浓度较高和种类多样的营养保健成分，如维生素、无机盐和各种新陈代谢必需的物质[1]。
这些物质部分可以作为营养元素为人体正常生理机能提供条件，茶叶包含的维生素种类主要是维生素A、维生素E、维生素B等，可以保证人体生理机能的正常运行，预防疾病并延缓衰老。茶叶中的无机盐主要是金属元素钾和铁，以及卤族元素碘和氟，作用在于维持新陈代谢顺利运行。
茶叶包含的活性物质主要是茶多酚、咖啡碱及氨基酸，对于增强人体机能、提高免疫力其有不可替代的作用。我国的茶叶产业在近些年发展迅速，茶叶产量和出口量都大幅提高并跃居世界前列。但是，伴随产量和出口量的增长，茶叶相关的经济效益并没有得到相应的提高，一直徘徊不前。其原因在于我国的茶叶品质检测技术和体系不完善，分级水平不高，导致产品没有体现出明显的质量优势。因此，我国出口的茶叶产品在国际市场上竞争能力较弱，不能很好地应对国际市场变化的冲击。茶叶具有外部品质和内部品质。
其中，外部品质主要是形状和色泽，如形状类型有扁形、针形和球形，色泽有绿色、红色和黑色等[2];内部品质体现在滋味和香气，与茶叶内部的营养物质是密切相关的。茶叶分级的传统方法是由人工通过视觉、嗅觉和味觉感觉后判断，这种方法的主观性强，评判结果受评审者经验和生理状态的影响较大，具有一定的局限性。
随着科学技术的发展，人们开发出了多种茶叶品质的精确检测技术，为茶叶的准确分级奠定了基础。茶叶的内部品质主要依靠传感器来检测，如张红梅等和陈哲等利用气敏传感器构建的电子鼻检测毛尖茶和碧螺春，准确测定了茶叶的等级[3-4];王新宇等利用化学传感器组成的电子舌，对各等级炒青茶叶实现了100%的识别率[5]。茶叶外部品质的检测以计算机视觉为主，这是一种基于计算机的图像处理技术，即由相机代替人眼拍摄图像，然后由电脑对图像中的目标物体进行识别[6]。现有的研究表明:通过计算机视觉检测茶叶的色泽和外形，可以达到准确的分级效果[7-11]。
此外，陈全胜等设计出一种光谱仪数据采集系统，同时具备光谱检测和图像检测的功能，综合外部品质和内部品质，以全面评价茶叶的等级，进一步提高了分级的准确性[12]。茶叶的色泽能够反映茶叶营养物质在加工过程中发生的降解和氧化程度，是茶叶品质的重要方面。同时，色泽也是茶叶分类的依据，可以以此将茶叶分为绿茶、乌龙茶、红茶、黑茶、黄茶和白茶六大类。因此，对茶叶色泽的检测具有重要的现实意义。
20世纪的80年代，人们大多通过理化方法检测茶叶色泽，并研究与品质之间的关系。近些年，出现了计算机视觉检测茶叶色泽的方法，涉及到对加工过程中茶叶色泽变化的研究及对计算机分析方法的探讨[13-15]。目前，茶叶色泽的计算机视觉分析主要集中在储存和加工过程中的色泽变化、分析方法的优化及对少数茶叶的精确描述方面，而利用计算机视觉将茶叶按照六大类进行类型检测的研究还较少。本文基于计算机视觉对茶叶和茶汤的颜色进行检测，通过数据建模和分析判断茶叶的色泽类型，为准确评价茶叶的色泽品质提供技术支持。
1材料与方法
1.1试验材料与设备
作为试验材料的茶叶有黑茶、红茶、青茶、绿茶、黄茶和白茶共6类，都是从市场上购买，每一类的茶叶购买20种;用于计算机视觉分析的图像在拍摄箱中拍摄获得;拍摄箱为长0.6m×宽0.6m×高0.8m的长方体，内壁为黑色，底部为白色作为拍摄的背景;箱体上部的4个角上各安装1盏15W白炽灯;顶部放置1个GenieNanoC640型CCD相机，相机分辨率640×480，形成的图像通过MXT2002型转换器变为数码信号后发送给核心计算机;计算机为戴尔7040MT型台式电脑，具体配置为Inteli7中央处理器、8GBDDR4内存和1TB硬盘;计算机安装Linux操作系统和Matlab10.0视觉分析软件，具有可视化操作界面和便捷的接口功能，可快速分析各种图像，能够满足茶叶色泽检测的要求。
1.2试验方法
每种茶叶选择6个具有代表性的叶片拍摄图像，再称取相同的质量加入50mL沸水冲泡10min，然后将茶水滤出到白色茶杯中拍摄图像，进行色泽检测。每类茶叶随机选择10种作为建模集用于建立检测模型，其余的10种作为检验集用于检验色泽检测的准确性。虽然茶叶图像的背景简单，但受成像设备和外部因素的影响，拍摄获得的原始图像都存在噪音干扰。
因此，首先采用3×3的模板对图像进行平滑处理，强化目标特征;然后通过中值滤波将图像中的像素按灰度值排序，以中间值作为图像像素的中心值去除图像中的噪音，有助于利用颜色差异分离目标和背景。图像的灰度化通过Gamma校正非线性变换法进行，灰度阈值设置为70，将灰度图像转换为二值图像以标记单片茶叶和茶水。合适的阈值是提高图像处理分割效果的前提，由分析直方图获得。本文中拍摄时的光源稳定，茶叶色泽特征受光照影响极小。
因此，将灰度图做最大类间方差分析和二值化确定阈值，然后通过最大阈值分割图像。本文选择RGB颜色空间建立模型，其中的R、G和B分别代表红、绿和蓝3种颜色的亮度值，它们数量的改变还可以混合成其它颜色。采用这3个参数之间的算术组合作为特征参数，来检验茶叶种类与色泽之间的相关性。利用MatLab图像工具提取建模集样品的色泽特征并进行参数变换，分析同类茶叶参数的相似性，选拟合度最高的参数建立茶叶种类的色泽检测模型;最后分析检验集样品的图像，根据置信区间进行判断。
2结果与分析
茶叶和茶水边缘清晰，背景干净，表现出较好的图像质量;图像的背景为白色，虽然夹杂了少量的黑点，但是未对目标轮廓的提取造成影响。灰度化的图像黑白效果增加，颜色差异更为明显，减小了目标区域轮廓提取的难度。阈值分割完成后，作为识别目标的茶叶和茶水被从背景中提取出来并根据其颜色表现为不同的形式，背景用白色表示，红茶用深灰色表示，绿茶用浅灰色表示。
对同类茶叶的R、G、B等特征参数进行相似性分析，找出了能够用于茶叶色泽检测的特征量。其中，R/G显著性最高，因此被用作检验茶叶色泽的特征参数。有1种黑茶、2种红茶、2种绿茶和1种白茶识别错误，所有的青茶和黄茶种类都被正确识;总体上的识别准确率达到90%。这表明，此方法可以应用于茶叶的色泽检测。
3结论
拍摄茶叶和茶水图像，经过预处理、灰度化和阈值分割后获得目标轮廓并分析颜色特征。通过对建模集样本的分析确定用于茶叶色泽检测的特征量为R/G，然后对检验集的样本进行色泽检测。结果表明:检验集中被错误识别的茶叶种类很少，总体上的识别准确率达到90%。该计算机视觉分析方法可应用于茶叶的色泽检测，为准确评价茶叶的色泽品质提供技术支持。
参考文献:
[1]萧伟祥.茶的营养成分与保健功能[J].福建茶叶，1989，11(3):42-48.
[2]陈林，吉克温.茶叶造型与品质关系研究进展[J].福建茶叶，2000，22(1):2-4.
[3]张红梅，高献坤，徐国强，等.基于气敏传感器阵列的茶叶等级检测方法研究[J].河南农业大学学报，2010，44(2):177-179.
[4]陈哲，赵杰文.基于电子鼻技术的碧螺春茶叶品质等级检测研究[J].农机化研究，2012，34(11):133-137.
[5]王新宇，陈全胜.利用电子舌识别炒青绿茶的等级[J].安徽农业学报，2007，35(28):8872-8873.
[6]阙玲丽.计算机视觉信息处理技术在苹果自动分级中的应用[J].农机化研究，2017，39(5):246-248.
[7]陈全胜，赵杰文，张海东，等.利用计算机视觉识别茶叶的色泽类型[J].江苏大学学报:自然科学版，2005，26(6):461-464.
[8]蔡健荣.利用计算机视觉定量描述茶叶色泽[J].农业机械学报，2007，31(4):67-70.
[9]陆江锋，单春芳，裘正军.茶叶外形特征数字化及不同等级茶叶鉴别研究[J].现代农机，2015(3):49-51.
[10]胡志明.计算机视觉分级技术在茶叶品质检验中的应用[J].福建茶叶，2016，38(5):22-23.
[11]张晓东.计算机视觉信息处理方法与茶叶分级检测技术研究[J].福建茶叶，2016，38(5):26-27.
[12]陈全胜，赵杰文，蔡健荣，等.利用高广谱图像技术评判茶叶的质量等级[J].光学学报，2008，28(4):669-674.
[14]郝志龙，赵爱凤，金心怡，等.利用计算机视觉研究白茶加工中色泽的变化[J].福建农林大学学报:自然科学版，2010，39(3):325-329.
相关期刊推荐：《光学学报》Acta Optica Sinica(月刊)1981年创刊，是国内外公开发行的光学学术刊物，反映中国光学科技的新概念、新成果、新进展。内容主要包括量子光学、非线性光学、适应光学、纤维光学、激光与物质相互作用、激光器件、全息和信息处理、光学元件和材料等。为我国光学科技人员与国内外同行进行学术交流、开展学术讨论以跟踪学科前沿和发展我国光学事业服务。
SCISSCIAHCI
