基于計算機視覺的龍井茶葉嫩芽識別方法研究.pdf

1、我國是世界上重要的茶葉生產國與銷售國,浙江省作為中國的產茶大省,茶葉出口量占到了全國的2/3以上。作為浙江名茶之首的龍井茶,目前主要的采摘方法是人工手采,效率低下,費用高昂,且在采茶的高峰時期務工難的現(xiàn)象時有發(fā)生。使用機械采摘代替人工手采雖然能加快采摘效率,緩解勞動力不足,但是該方法一方面缺乏選擇性,會把老葉、嫩葉、嫩芽一起采,另一方面,部分茶葉的嫩葉和嫩芽遭到了破壞,降低了龍井茶葉的采摘品質。因此,需要研制出一種高效、具有選擇性、低損

2、傷率的自動采摘方法來實現(xiàn)龍井茶葉的標準化規(guī)模生產,其中最關鍵的技術之一就是研究龍井茶葉嫩芽的自動檢測識別。
　　本文研究的目的就是將計算機視覺技術與龍井茶葉的采摘相結合,將視覺技術中的典型算法應用于采集到的茶葉圖像中,通過計算機處理,實現(xiàn)龍井茶葉嫩芽的自動檢測與分類識別,為最終實現(xiàn)大規(guī)模的龍井茶葉自動化采摘做準備。
　　本文的主要研究內容有:
　　1、簡單綜述了計算機視覺技術在茶葉領域的研究現(xiàn)狀、圖像分割技術的應用及發(fā)

3、展。詳細比對了多種經典的圖像分割算法在龍井茶葉圖像中的應用效果以及分類器模型支持向量機的工作原理。
　　2、針對現(xiàn)場獲取的龍井茶葉圖像的特征,設計了一種混合的圖像分割算法,對龍井茶葉圖像進行初始分割。該方法先利用茶葉圖像的超綠-超紅特征,閾值化方法和數(shù)學形態(tài)學變換剔除茶葉圖像的部分背景,包括樹枝、土壤、部分老葉及其它非嫩芽區(qū)域,保留完整的茶葉嫩芽及部分老葉,得到待分割圖像。然后使用梯度算子獲取待分割圖像的梯度,并提出了一種自適應的

4、二值化方法,對梯度圖像進行二值化處理,得到初始標記圖像,再使用面積閾值法剔除偽標記區(qū)域,得到標記圖像。將此標記圖像作為Meyer分水嶺變換的輸入標記,對龍井茶葉圖像進行快速分割,獲取初始分割圖像。
　　3、由于龍井茶葉的初始分割圖像往往是過分割的,因此,提出了一種基于統(tǒng)計學的快速區(qū)域合并算法,合并過分割區(qū)域,得到茶葉嫩芽對象。該方法利用了龍井茶葉初始分割圖像中區(qū)域的顏色信息和紋理信息,先對這些區(qū)域應用線性時間復雜度的排序算法進行快

5、速排序,得到待合并區(qū)域對合并的先后順序,然后對相鄰區(qū)域對進行概率估計,將滿足給定合并準則的區(qū)域對予以合并。龍井茶葉的初始分割圖像經過區(qū)域合并算法后,得到了茶葉嫩芽輪廓,為后續(xù)的特征提取和識別做準備。
　　4、由于茶葉嫩芽在顏色、紋理以及形態(tài)上有差異,提取顏色、紋理以及形態(tài)特征,訓練判別模型支持向量機。目前龍井茶葉級別品種的劃分標準是根據(jù)嫩芽形態(tài)的不同,特級為一芽和一芽一葉初展,一級為一芽一葉開展和一芽二葉初展,二級為一芽二葉開展,

6、三級及三級以上為一芽三葉。本文利用訓練好的支持向量機對以上四類龍井茶葉嫩芽進行分類識別,A類為一芽和一芽一葉初展,B類為一芽一葉開展和一芽二葉初展,C類為一芽二葉開展,D類為一芽三葉。通過分析比對四種常用的核函數(shù)(線性核、多項式核、徑向基核、sigmoid核),選用徑向基函數(shù)(Radial Basis Function,RBF)作為支持向量機的核函數(shù),并采用網格搜索(grid-search)算法確定核函數(shù)參數(shù)。最后,對龍井茶葉嫩芽進行分