论文部分内容阅读
目前,国内外茶叶品质分级方法仍以感官评审为主,存在评审结果主观性强、受外因干扰性大等缺点,而理化方法检测难摆脱工序复杂、成本高和工作量大等不足。为弥补现有评价方法存在的缺陷,本研究以绿茶为研究对象,利用计算机视觉技术实现茶叶品质的快速无损检测与分级研究。本研究自主搭建计算机视觉硬件系统,采集不同品质的茶叶样本图像,并对原始图像进行预处理,提取茶叶图像的外形特征和色泽特征,建立茶叶等级的快速评判模型,研发了一套适用于茶叶品质智能化分级的计算机视觉系统,为实现茶叶品质等级的在线自动化判别提供技术支持。主要研究内容及结论如下:(1)分析计算机视觉系统各部件对图像质量的影响,搭建一套适用于本研究的计算机视觉分级硬件系统。采用不同预处理方法对原始图像进行预处理,得出图像平滑方法选用3×3模板中值滤波,图像锐化方法选用3×3模板拉普拉斯算子,能很好地消除原始图像的噪音信息。试验表明,该视觉系统获取图像品质效果良好,选用的预处理方法可有效改善图像质量。(2)探讨计算机视觉技术对茶叶图像的外形形状及色泽特征信息的有效提取。采用RGB与HSI颜色模型,提取茶叶图像的12个颜色特征,采用基于灰度共生矩阵和灰度统计矩方法,提取茶叶图像的22个纹理特征。所提取的特征参数与实际观测的茶叶特征相符,可有效地反映茶叶外形信息。(3)建立基于PCA-GA-BP神经网络和PCA-PSO-LSSVM支持向量机的计算机视觉茶叶品质分级模型。采用主成分分析方法,提取茶叶图像特征参数的主成分数,建立PCA-GA-BP神经网络和PCA-PSO-LSSVM的茶叶品质分级模型,其中PCA-GA-BP神经网络模型对碧螺春、婺源绿茶的识别准确率分别达92.5%和85%,PCA-PSO-LSSVM支持向量机模型对碧螺春、婺源绿茶的识别准确率分别为90%和91.37%。与传统神经网络和支持向量机分类器相比,所建模型的收敛速度更快、精度更高。(4)基于Open CV和Visual Studio 2010平台,研发了一套计算机视觉茶叶智能分级系统。系统支持摄像机在线采集图像、本地离线获取图像,集茶叶图像各颜色分量显示、滤波、锐化等图像预处理、茶叶图像特征提取、数据分析统计和评定模型建立于一体,多种类茶叶品质等级智能化鉴定。系统使用简单方便,可移植性强。