發(fā)布時(shí)間：2019-01-17所屬分類(lèi)：科技論文瀏覽：1次
摘 要： 摘要:我國(guó)茶葉種植面積和產(chǎn)量均為世界第一，是特色農(nóng)業(yè)的重要組成部分;但我國(guó)茶葉品質(zhì)檢測(cè)體系不完善，分級(jí)技術(shù)水平不高，影響了產(chǎn)品在國(guó)際市場(chǎng)上的競(jìng)爭(zhēng)力。傳統(tǒng)的茶葉分級(jí)是由人工分析判斷，具有較大的局限性。計(jì)算機(jī)視覺(jué)是一種新型的圖像處理技術(shù)，已經(jīng)應(yīng)
摘要:我國(guó)茶葉種植面積和產(chǎn)量均為世界第一，是特色農(nóng)業(yè)的重要組成部分;但我國(guó)茶葉品質(zhì)檢測(cè)體系不完善，分級(jí)技術(shù)水平不高，影響了產(chǎn)品在國(guó)際市場(chǎng)上的競(jìng)爭(zhēng)力。傳統(tǒng)的茶葉分級(jí)是由人工分析判斷，具有較大的局限性。計(jì)算機(jī)視覺(jué)是一種新型的圖像處理技術(shù)，已經(jīng)應(yīng)用于茶葉品質(zhì)分析。為此，將拍攝的茶葉和茶水圖像進(jìn)行預(yù)處理、灰度化和閾值分割，獲得目標(biāo)輪廓并分析顏色特征，并通過(guò)建模集樣本確定用于色澤檢測(cè)的特征量，然后對(duì)檢驗(yàn)集樣本進(jìn)行色澤檢測(cè)。結(jié)果表明:檢驗(yàn)集中被錯(cuò)誤識(shí)別的茶葉種類(lèi)極少，總體的識(shí)別準(zhǔn)確率達(dá)到90%，為準(zhǔn)確評(píng)價(jià)茶葉的色澤品質(zhì)提供了技術(shù)支持。
關(guān)鍵詞:茶葉;色澤檢測(cè);計(jì)算機(jī)視覺(jué)
我國(guó)茶葉種植規(guī)模和產(chǎn)量均為世界第一，出口量位居世界前列，茶葉已成為我國(guó)特色農(nóng)業(yè)的重要組成部分。茶葉之所以成為備受歡迎的飲料品種，歸因于其浸泡得到的飲品中含有濃度較高和種類(lèi)多樣的營(yíng)養(yǎng)保健成分，如維生素、無(wú)機(jī)鹽和各種新陳代謝必需的物質(zhì)[1]。
這些物質(zhì)部分可以作為營(yíng)養(yǎng)元素為人體正常生理機(jī)能提供條件，茶葉包含的維生素種類(lèi)主要是維生素A、維生素E、維生素B等，可以保證人體生理機(jī)能的正常運(yùn)行，預(yù)防疾病并延緩衰老。茶葉中的無(wú)機(jī)鹽主要是金屬元素鉀和鐵，以及鹵族元素碘和氟，作用在于維持新陳代謝順利運(yùn)行。
茶葉包含的活性物質(zhì)主要是茶多酚、咖啡堿及氨基酸，對(duì)于增強(qiáng)人體機(jī)能、提高免疫力其有不可替代的作用。我國(guó)的茶葉產(chǎn)業(yè)在近些年發(fā)展迅速，茶葉產(chǎn)量和出口量都大幅提高并躍居世界前列。但是，伴隨產(chǎn)量和出口量的增長(zhǎng)，茶葉相關(guān)的經(jīng)濟(jì)效益并沒(méi)有得到相應(yīng)的提高，一直徘徊不前。其原因在于我國(guó)的茶葉品質(zhì)檢測(cè)技術(shù)和體系不完善，分級(jí)水平不高，導(dǎo)致產(chǎn)品沒(méi)有體現(xiàn)出明顯的質(zhì)量?jī)?yōu)勢(shì)。因此，我國(guó)出口的茶葉產(chǎn)品在國(guó)際市場(chǎng)上競(jìng)爭(zhēng)能力較弱，不能很好地應(yīng)對(duì)國(guó)際市場(chǎng)變化的沖擊。茶葉具有外部品質(zhì)和內(nèi)部品質(zhì)。
其中，外部品質(zhì)主要是形狀和色澤，如形狀類(lèi)型有扁形、針形和球形，色澤有綠色、紅色和黑色等[2];內(nèi)部品質(zhì)體現(xiàn)在滋味和香氣，與茶葉內(nèi)部的營(yíng)養(yǎng)物質(zhì)是密切相關(guān)的。茶葉分級(jí)的傳統(tǒng)方法是由人工通過(guò)視覺(jué)、嗅覺(jué)和味覺(jué)感覺(jué)后判斷，這種方法的主觀性強(qiáng)，評(píng)判結(jié)果受評(píng)審者經(jīng)驗(yàn)和生理狀態(tài)的影響較大，具有一定的局限性。
隨著科學(xué)技術(shù)的發(fā)展，人們開(kāi)發(fā)出了多種茶葉品質(zhì)的精確檢測(cè)技術(shù)，為茶葉的準(zhǔn)確分級(jí)奠定了基礎(chǔ)。茶葉的內(nèi)部品質(zhì)主要依靠傳感器來(lái)檢測(cè)，如張紅梅等和陳哲等利用氣敏傳感器構(gòu)建的電子鼻檢測(cè)毛尖茶和碧螺春，準(zhǔn)確測(cè)定了茶葉的等級(jí)[3-4];王新宇等利用化學(xué)傳感器組成的電子舌，對(duì)各等級(jí)炒青茶葉實(shí)現(xiàn)了100%的識(shí)別率[5]。茶葉外部品質(zhì)的檢測(cè)以計(jì)算機(jī)視覺(jué)為主，這是一種基于計(jì)算機(jī)的圖像處理技術(shù)，即由相機(jī)代替人眼拍攝圖像，然后由電腦對(duì)圖像中的目標(biāo)物體進(jìn)行識(shí)別[6]。現(xiàn)有的研究表明:通過(guò)計(jì)算機(jī)視覺(jué)檢測(cè)茶葉的色澤和外形，可以達(dá)到準(zhǔn)確的分級(jí)效果[7-11]。
此外，陳全勝等設(shè)計(jì)出一種光譜儀數(shù)據(jù)采集系統(tǒng)，同時(shí)具備光譜檢測(cè)和圖像檢測(cè)的功能，綜合外部品質(zhì)和內(nèi)部品質(zhì)，以全面評(píng)價(jià)茶葉的等級(jí)，進(jìn)一步提高了分級(jí)的準(zhǔn)確性[12]。茶葉的色澤能夠反映茶葉營(yíng)養(yǎng)物質(zhì)在加工過(guò)程中發(fā)生的降解和氧化程度，是茶葉品質(zhì)的重要方面。同時(shí)，色澤也是茶葉分類(lèi)的依據(jù)，可以以此將茶葉分為綠茶、烏龍茶、紅茶、黑茶、黃茶和白茶六大類(lèi)。因此，對(duì)茶葉色澤的檢測(cè)具有重要的現(xiàn)實(shí)意義。
20世紀(jì)的80年代，人們大多通過(guò)理化方法檢測(cè)茶葉色澤，并研究與品質(zhì)之間的關(guān)系。近些年，出現(xiàn)了計(jì)算機(jī)視覺(jué)檢測(cè)茶葉色澤的方法，涉及到對(duì)加工過(guò)程中茶葉色澤變化的研究及對(duì)計(jì)算機(jī)分析方法的探討[13-15]。目前，茶葉色澤的計(jì)算機(jī)視覺(jué)分析主要集中在儲(chǔ)存和加工過(guò)程中的色澤變化、分析方法的優(yōu)化及對(duì)少數(shù)茶葉的精確描述方面，而利用計(jì)算機(jī)視覺(jué)將茶葉按照六大類(lèi)進(jìn)行類(lèi)型檢測(cè)的研究還較少。本文基于計(jì)算機(jī)視覺(jué)對(duì)茶葉和茶湯的顏色進(jìn)行檢測(cè)，通過(guò)數(shù)據(jù)建模和分析判斷茶葉的色澤類(lèi)型，為準(zhǔn)確評(píng)價(jià)茶葉的色澤品質(zhì)提供技術(shù)支持。
1材料與方法
1.1試驗(yàn)材料與設(shè)備
作為試驗(yàn)材料的茶葉有黑茶、紅茶、青茶、綠茶、黃茶和白茶共6類(lèi)，都是從市場(chǎng)上購(gòu)買(mǎi)，每一類(lèi)的茶葉購(gòu)買(mǎi)20種;用于計(jì)算機(jī)視覺(jué)分析的圖像在拍攝箱中拍攝獲得;拍攝箱為長(zhǎng)0.6m×寬0.6m×高0.8m的長(zhǎng)方體，內(nèi)壁為黑色，底部為白色作為拍攝的背景;箱體上部的4個(gè)角上各安裝1盞15W白熾燈;頂部放置1個(gè)GenieNanoC640型CCD相機(jī)，相機(jī)分辨率640×480，形成的圖像通過(guò)MXT2002型轉(zhuǎn)換器變?yōu)閿?shù)碼信號(hào)后發(fā)送給核心計(jì)算機(jī);計(jì)算機(jī)為戴爾7040MT型臺(tái)式電腦，具體配置為Inteli7中央處理器、8GBDDR4內(nèi)存和1TB硬盤(pán);計(jì)算機(jī)安裝Linux操作系統(tǒng)和Matlab10.0視覺(jué)分析軟件，具有可視化操作界面和便捷的接口功能，可快速分析各種圖像，能夠滿(mǎn)足茶葉色澤檢測(cè)的要求。
1.2試驗(yàn)方法
每種茶葉選擇6個(gè)具有代表性的葉片拍攝圖像，再稱(chēng)取相同的質(zhì)量加入50mL沸水沖泡10min，然后將茶水濾出到白色茶杯中拍攝圖像，進(jìn)行色澤檢測(cè)。每類(lèi)茶葉隨機(jī)選擇10種作為建模集用于建立檢測(cè)模型，其余的10種作為檢驗(yàn)集用于檢驗(yàn)色澤檢測(cè)的準(zhǔn)確性。雖然茶葉圖像的背景簡(jiǎn)單，但受成像設(shè)備和外部因素的影響，拍攝獲得的原始圖像都存在噪音干擾。
因此，首先采用3×3的模板對(duì)圖像進(jìn)行平滑處理，強(qiáng)化目標(biāo)特征;然后通過(guò)中值濾波將圖像中的像素按灰度值排序，以中間值作為圖像像素的中心值去除圖像中的噪音，有助于利用顏色差異分離目標(biāo)和背景。圖像的灰度化通過(guò)Gamma校正非線性變換法進(jìn)行，灰度閾值設(shè)置為70，將灰度圖像轉(zhuǎn)換為二值圖像以標(biāo)記單片茶葉和茶水。合適的閾值是提高圖像處理分割效果的前提，由分析直方圖獲得。本文中拍攝時(shí)的光源穩(wěn)定，茶葉色澤特征受光照影響極小。
因此，將灰度圖做最大類(lèi)間方差分析和二值化確定閾值，然后通過(guò)最大閾值分割圖像。本文選擇RGB顏色空間建立模型，其中的R、G和B分別代表紅、綠和藍(lán)3種顏色的亮度值，它們數(shù)量的改變還可以混合成其它顏色。采用這3個(gè)參數(shù)之間的算術(shù)組合作為特征參數(shù)，來(lái)檢驗(yàn)茶葉種類(lèi)與色澤之間的相關(guān)性。利用MatLab圖像工具提取建模集樣品的色澤特征并進(jìn)行參數(shù)變換，分析同類(lèi)茶葉參數(shù)的相似性，選擬合度最高的參數(shù)建立茶葉種類(lèi)的色澤檢測(cè)模型;最后分析檢驗(yàn)集樣品的圖像，根據(jù)置信區(qū)間進(jìn)行判斷。
2結(jié)果與分析
茶葉和茶水邊緣清晰，背景干凈，表現(xiàn)出較好的圖像質(zhì)量;圖像的背景為白色，雖然夾雜了少量的黑點(diǎn)，但是未對(duì)目標(biāo)輪廓的提取造成影響。灰度化的圖像黑白效果增加，顏色差異更為明顯，減小了目標(biāo)區(qū)域輪廓提取的難度。閾值分割完成后，作為識(shí)別目標(biāo)的茶葉和茶水被從背景中提取出來(lái)并根據(jù)其顏色表現(xiàn)為不同的形式，背景用白色表示，紅茶用深灰色表示，綠茶用淺灰色表示。
對(duì)同類(lèi)茶葉的R、G、B等特征參數(shù)進(jìn)行相似性分析，找出了能夠用于茶葉色澤檢測(cè)的特征量。其中，R/G顯著性最高，因此被用作檢驗(yàn)茶葉色澤的特征參數(shù)。有1種黑茶、2種紅茶、2種綠茶和1種白茶識(shí)別錯(cuò)誤，所有的青茶和黃茶種類(lèi)都被正確識(shí);總體上的識(shí)別準(zhǔn)確率達(dá)到90%。這表明，此方法可以應(yīng)用于茶葉的色澤檢測(cè)。
3結(jié)論
拍攝茶葉和茶水圖像，經(jīng)過(guò)預(yù)處理、灰度化和閾值分割后獲得目標(biāo)輪廓并分析顏色特征。通過(guò)對(duì)建模集樣本的分析確定用于茶葉色澤檢測(cè)的特征量為R/G，然后對(duì)檢驗(yàn)集的樣本進(jìn)行色澤檢測(cè)。結(jié)果表明:檢驗(yàn)集中被錯(cuò)誤識(shí)別的茶葉種類(lèi)很少，總體上的識(shí)別準(zhǔn)確率達(dá)到90%。該計(jì)算機(jī)視覺(jué)分析方法可應(yīng)用于茶葉的色澤檢測(cè)，為準(zhǔn)確評(píng)價(jià)茶葉的色澤品質(zhì)提供技術(shù)支持。
參考文獻(xiàn):
[1]蕭偉祥.茶的營(yíng)養(yǎng)成分與保健功能[J].福建茶葉，1989，11(3):42-48.
[2]陳林，吉克溫.茶葉造型與品質(zhì)關(guān)系研究進(jìn)展[J].福建茶葉，2000，22(1):2-4.
[3]張紅梅，高獻(xiàn)坤，徐國(guó)強(qiáng)，等.基于氣敏傳感器陣列的茶葉等級(jí)檢測(cè)方法研究[J].河南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2010，44(2):177-179.
[4]陳哲，趙杰文.基于電子鼻技術(shù)的碧螺春茶葉品質(zhì)等級(jí)檢測(cè)研究[J].農(nóng)機(jī)化研究，2012，34(11):133-137.
[5]王新宇，陳全勝.利用電子舌識(shí)別炒青綠茶的等級(jí)[J].安徽農(nóng)業(yè)學(xué)報(bào)，2007，35(28):8872-8873.
[6]闕玲麗.計(jì)算機(jī)視覺(jué)信息處理技術(shù)在蘋(píng)果自動(dòng)分級(jí)中的應(yīng)用[J].農(nóng)機(jī)化研究，2017，39(5):246-248.
[7]陳全勝，趙杰文，張海東，等.利用計(jì)算機(jī)視覺(jué)識(shí)別茶葉的色澤類(lèi)型[J].江蘇大學(xué)學(xué)報(bào):自然科學(xué)版，2005，26(6):461-464.
[8]蔡健榮.利用計(jì)算機(jī)視覺(jué)定量描述茶葉色澤[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2007，31(4):67-70.
[9]陸江鋒，單春芳，裘正軍.茶葉外形特征數(shù)字化及不同等級(jí)茶葉鑒別研究[J].現(xiàn)代農(nóng)機(jī)，2015(3):49-51.
[10]胡志明.計(jì)算機(jī)視覺(jué)分級(jí)技術(shù)在茶葉品質(zhì)檢驗(yàn)中的應(yīng)用[J].福建茶葉，2016，38(5):22-23.
[11]張曉東.計(jì)算機(jī)視覺(jué)信息處理方法與茶葉分級(jí)檢測(cè)技術(shù)研究[J].福建茶葉，2016，38(5):26-27.
[12]陳全勝，趙杰文，蔡健榮，等.利用高廣譜圖像技術(shù)評(píng)判茶葉的質(zhì)量等級(jí)[J].光學(xué)學(xué)報(bào)，2008，28(4):669-674.
[14]郝志龍，趙愛(ài)鳳，金心怡，等.利用計(jì)算機(jī)視覺(jué)研究白茶加工中色澤的變化[J].福建農(nóng)林大學(xué)學(xué)報(bào):自然科學(xué)版，2010，39(3):325-329.
相關(guān)期刊推薦：《光學(xué)學(xué)報(bào)》Acta Optica Sinica(月刊)1981年創(chuàng)刊，是國(guó)內(nèi)外公開(kāi)發(fā)行的光學(xué)學(xué)術(shù)刊物，反映中國(guó)光學(xué)科技的新概念、新成果、新進(jìn)展。內(nèi)容主要包括量子光學(xué)、非線性光學(xué)、適應(yīng)光學(xué)、纖維光學(xué)、激光與物質(zhì)相互作用、激光器件、全息和信息處理、光學(xué)元件和材料等。為我國(guó)光學(xué)科技人員與國(guó)內(nèi)外同行進(jìn)行學(xué)術(shù)交流、開(kāi)展學(xué)術(shù)討論以跟蹤學(xué)科前沿和發(fā)展我國(guó)光學(xué)事業(yè)服務(wù)。
