茶葉外形特征數(shù)字化及不同等級(jí)茶葉鑒別研究*

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*

陸江鋒1單春芳2裘正軍3

茶葉是世界三大飲料中最具有生命力、最受消費(fèi)者歡迎的飲料。隨著人們生活水平的提高、健康意識(shí)的增強(qiáng)和茶文化的興起，人們對(duì)茶葉數(shù)量的需求不斷增加，對(duì)質(zhì)量的要求逐漸提高。進(jìn)入21世紀(jì)后，我國茶葉雖然經(jīng)歷了幾年的快速增長，但由于國內(nèi)茶葉品質(zhì)檢測及分級(jí)技術(shù)比較落后，茶葉品質(zhì)參差不齊，同時(shí)受歐盟、日本等國家和地區(qū)綠色技術(shù)壁壘的影響，我國茶葉出口難以維持快速增長勢頭[1-3]。因此亟須提高我國茶葉品質(zhì)的檢測和分級(jí)手段，促進(jìn)茶葉行業(yè)的標(biāo)準(zhǔn)化，才能與國際接軌，健全茶葉質(zhì)量安全體系，實(shí)施綠色品牌戰(zhàn)略，提高企業(yè)的競爭力。

視覺圖像檢測技術(shù)具有快速、無損、客觀等特點(diǎn)，在農(nóng)產(chǎn)品品質(zhì)檢測中有很好的應(yīng)用前景。本文主要研究采用工業(yè)攝像頭采集茶葉的圖像，通過圖像處理技術(shù)獲得茶葉的外形特征參數(shù)，并建立不同等級(jí)的茶葉預(yù)測鑒別模型，實(shí)現(xiàn)茶葉的快速分級(jí)。

1 材料與方法

1.1 儀器設(shè)備與軟件

試驗(yàn)裝置由聯(lián)想M825E雙核計(jì)算機(jī)、工業(yè)攝像頭、背光源等組成。工業(yè)攝像頭采用CMOS傳感器，200萬像素，最高分辨率為1 600×1 200 DPI，最大幀數(shù)為30 FPS，采用USB2.0接口。計(jì)算機(jī)上安裝基于VC++6.0集成開發(fā)環(huán)境自主研發(fā)的外形特征提取軟件，實(shí)時(shí)采集茶葉圖像，再經(jīng)過圖像處理，提取茶葉外形特征參數(shù)[4]，軟件功能菜單見圖1。

圖1 特征參數(shù)提取軟件功能菜單

1.2 實(shí)驗(yàn)材料

從浙江大學(xué)紫金港校區(qū)教育超市采購浙江龍井四種等級(jí)茶葉樣本，分別是特級(jí)、一級(jí)、二級(jí)和三級(jí)。各等級(jí)茶葉隨機(jī)選擇45片共180片作為180個(gè)實(shí)驗(yàn)樣本，再從各等級(jí)45個(gè)樣本中隨機(jī)抽取30個(gè)共120個(gè)作為訓(xùn)練集，剩下的60個(gè)樣本作為預(yù)測集。

1.3 圖像處理方法

1.3.1 灰度的閾值變換

灰度的閾值變換可以將一幅灰度圖像轉(zhuǎn)換成黑白二值圖像。其變換函數(shù)表達(dá)式如下：

式中T為指定的閾值。

灰度閾值變換的操作過程是由用戶指定一個(gè)閾值，如果圖像中某像素的灰度值小于該閾值，則將該像素的灰度設(shè)置為0（黑），否則灰度值設(shè)置為255（白）。本文研究中設(shè)置閾值為50的灰度閾值變換前后的茶葉圖像如圖2所示。

圖2 閾值為50的灰度閾值變換前（左）后（右）的圖像

1.3.2 區(qū)域標(biāo)記

圖3 二值圖像區(qū)域標(biāo)記前（左）后（右）效果圖

二值圖像區(qū)域標(biāo)記的目的是為了對(duì)同一幅茶葉圖像中的多片茶葉進(jìn)行標(biāo)記，然后根據(jù)標(biāo)記的不同，分別求出各片茶葉的特征參數(shù)。茶葉二值圖像的區(qū)域標(biāo)注非常重要，直接關(guān)系到提取茶葉特征參數(shù)的效率。如果沒有區(qū)域標(biāo)注，只能提取單片茶葉的特征參數(shù)，效率非常低；使用了區(qū)域標(biāo)注后，就可以多片茶葉同時(shí)提取，極大地提高了提取效率。本文采用八鄰域標(biāo)記算法區(qū)域標(biāo)記前后圖像見圖3，圖中顯示了茶葉原圖（左）和區(qū)域標(biāo)記后的茶葉效果圖（右），其數(shù)字標(biāo)號(hào)即為各片茶葉所在區(qū)域像素的灰度值。

1.3.3 邊界跟蹤

邊界跟蹤能夠準(zhǔn)確地提取茶葉圖像的輪廓，便于獲得茶葉的周長信息。周長有兩種算法：一種直接以軟件統(tǒng)計(jì)出來的像素個(gè)數(shù)表示，記為周長1；另一種情況考慮到邊界跟蹤法跟蹤出來的邊界難免出現(xiàn)對(duì)角黑像素的情況，因此，以個(gè)像素作為它們之間的距離，記為周長2。利用邊界跟蹤法進(jìn)行輪廓跟蹤前后的茶葉圖像見圖4。

圖4 邊界跟蹤法進(jìn)行輪廓跟蹤前（左）后（右）茶葉圖像

1.3.4 小區(qū)域消除

小區(qū)域消除是指在計(jì)算出一副茶葉圖像中所有區(qū)域的面積的基礎(chǔ)上，指定一個(gè)面積數(shù)值，消除圖像中所有小于該面積的圖像塊，該方法主要用于消除明顯不是茶葉的圖像噪音。小區(qū)域消除前后圖像見圖5，原圖（左）中左右各有一黑點(diǎn)噪音，經(jīng)小區(qū)域消除后黑點(diǎn)噪音消除（見右圖）。

圖5 小區(qū)域消除前（左）后（右）圖像

2 預(yù)測模型建立與結(jié)果

2.1 人工神經(jīng)網(wǎng)絡(luò)模型

人工神經(jīng)網(wǎng)絡(luò)是模仿生理學(xué)中人的大腦神經(jīng)處理信息的方式,對(duì)信息進(jìn)行并行處理的一種信息處理網(wǎng)絡(luò)系統(tǒng)。利用神經(jīng)網(wǎng)絡(luò)系統(tǒng)具有的強(qiáng)大學(xué)習(xí)功能,可以對(duì)一些看似雜亂無章的實(shí)驗(yàn)數(shù)據(jù)整理出內(nèi)在規(guī)律,建立分析同類事物的網(wǎng)絡(luò),解決分類、預(yù)測、優(yōu)化等問題[5]。

2.2 基于BP神經(jīng)網(wǎng)絡(luò)的茶葉預(yù)測模型建立及預(yù)測結(jié)果

將120片訓(xùn)練集茶葉樣本的面積、周長1、周長2、NCI比(周長除以總面積的平方根)、形狀復(fù)雜性、圓形度(D)、等價(jià)圓直徑、圓的形狀系數(shù)、線長、橢圓長軸、橢圓短軸、橢圓形狀系數(shù)、長方形度共13項(xiàng)特征參數(shù)經(jīng)標(biāo)準(zhǔn)化變換后作為BP神經(jīng)網(wǎng)絡(luò)的輸入，建立了一個(gè)3層的人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，各層傳遞函數(shù)都用S型（Sigmoid）函數(shù)。網(wǎng)絡(luò)輸入層節(jié)點(diǎn)數(shù)為13，隱含層節(jié)點(diǎn)數(shù)為13，輸出層節(jié)點(diǎn)數(shù)為1，目標(biāo)誤差為0.000 1，學(xué)習(xí)速度為0.1，設(shè)定訓(xùn)練迭代次數(shù)為1 000次。訓(xùn)練結(jié)果為120個(gè)建模樣本的擬合殘差為1.314×10-2，建立了預(yù)測模型。

用建立的預(yù)測模型對(duì)未知的60個(gè)樣本進(jìn)行預(yù)測鑒別，結(jié)果如表1所示，60個(gè)預(yù)測樣本中51個(gè)樣本預(yù)測值經(jīng)四舍五入取整處理后預(yù)測正確，有9個(gè)預(yù)測樣本 （10、15、27、29、34、38、42、50、57號(hào)樣本）預(yù)測錯(cuò)誤，預(yù)測準(zhǔn)確率達(dá)到85%。

表1 BP神經(jīng)網(wǎng)絡(luò)模型對(duì)未知樣本預(yù)測結(jié)果

3 結(jié)論與討論

本研究搭建了一套機(jī)器視覺系統(tǒng)實(shí)現(xiàn)茶葉圖像的實(shí)時(shí)采集，采用自主研發(fā)的軟件提取了13項(xiàng)茶葉外形特征參數(shù)，并建立了基于BP神經(jīng)網(wǎng)絡(luò)的茶葉等級(jí)預(yù)測模型，對(duì)特級(jí)、一級(jí)、二級(jí)和三級(jí)共四個(gè)等級(jí)浙江龍井茶葉進(jìn)行預(yù)測鑒別，預(yù)測準(zhǔn)確率達(dá)到85%，誤判的15%也是處于上下等級(jí)中模棱兩可之間的茶葉，基本能夠滿足快速分級(jí)要求。因此本文研究表明利用機(jī)器視覺技術(shù)，通過建立基于BP神經(jīng)網(wǎng)絡(luò)的茶葉等級(jí)預(yù)測模型對(duì)浙江龍井茶葉進(jìn)行快速分級(jí)是可行的，如能將其真正應(yīng)用于茶葉生產(chǎn)中將有利于茶葉行業(yè)的標(biāo)準(zhǔn)化，提高企業(yè)的競爭力，打破發(fā)達(dá)國家綠色技術(shù)壁壘。

[1]劉華杰.我國茶葉出口遭受技術(shù)性貿(mào)易壁壘影響的原因分析[J].商,2014（2）：293-293

[2]藍(lán)林.淺談我國茶葉出口應(yīng)對(duì)綠色壁壘的生存之道[J].現(xiàn)代商業(yè),2014(11):36

[3]陳虹菲,曹越.淺議中國茶葉出口貿(mào)易的現(xiàn)狀問題[J].北方經(jīng)濟(jì),2014(6):56-57

[4]劉洋,衛(wèi)洪春,杜誠.VC++6.0在灰度數(shù)字圖像增強(qiáng)處理中的應(yīng)用[J].計(jì)算機(jī)與信息技術(shù),2006(9):75-79

[5]葛哲學(xué)，孫志強(qiáng).神經(jīng)網(wǎng)絡(luò)理論與MATLAB2007實(shí)現(xiàn)[M].北京：電子工業(yè)出版社，2007

作者信息：1實(shí)驗(yàn)師，浙江大學(xué)生物系統(tǒng)工程與食品科學(xué)學(xué)院，310058；2軟件設(shè)計(jì)師，深圳市潮流網(wǎng)絡(luò)技術(shù)有限公司杭州分公司，310012；3教授、博導(dǎo)，浙江大學(xué)生物系統(tǒng)工程與食品科學(xué)學(xué)院，310058：杭州

浙江省教育科研項(xiàng)目（Y201328805）