计算机视觉技术在茶叶等级检测中的应用研究

李素朵

(河北工程技术学院，石家庄 050091)

0 引言

茶叶是世界范围内的三大饮料之一，最早在我国被发现和利用，且广泛出口到其它国家。经过长期的发展，茶叶不仅推动了我国的文明进程，还丰富了进口国的物质文化生活，在世界历史文化中占有重要地位。目前，我国的茶叶种植面积和产量都位居世界第一，出口量也位于世界前列，因此成为农业经济的重要组成部分。

茶叶之所以受到广泛的欢迎，得益于其中富含的多种具有营养价值和保健功能的化学成分，这些也是茶叶能够作为饮料的根本[1]。茶叶中的各种营养物质包括维生素、无机盐和生理活性物质，在人体的营养供应和医疗保健上能够发挥重要的作用。茶叶中的维生素主要是维生素A、维生素E和维生素B，其功能涉及维持人体正常的生理机能，预防疾病和延缓衰老。茶叶中的无机盐主要为钾、铁、碘和氟，既是新陈代谢所必需的物质，又是生理反应不可缺少的因子。茶叶中的生理活性物质包括茶多酚、咖啡碱和各类氨基酸，是茶叶具备保健功能的物质基础。

我国虽然是茶叶生产和出口的大国，但茶叶产业在经过了多年的快速发展后，近些年开始遭遇瓶颈，产业效益徘徊不前。究其原因：我国没有建立完善的茶叶品质检测体系，茶叶的分级技术落后，导致了产品的品质参差不齐。我国茶叶在国际市场的竞争力没有被充分开发出来，容易受到其它国家贸易壁垒的影响。因此，开发新的茶叶品质分级技术方法，加强基于品质的分级，才能推动茶叶产业的持续发展。

茶叶的品质包括外部品质和内部品质，前者主要为形状和色泽，形状包括扁形、针形、片形等，色泽包括绿色、红色、黄色等[2]。茶叶的内部品质主要为滋味和香气，都是由茶叶所含的营养物质成分决定的。外部品质和内部品质共同反映茶叶的营养价值，其部分参数之间还存在明显的相关性。

茶叶品质是分级的依据，传统的品质鉴定是依靠人的视觉、嗅觉和味觉来进行分析判断。这种方法具有很强的主观性，且评审者经验、心理和状态会对评审过程产生影响，难以获得稳定一致的结果。因此，若要对茶叶实现准确分级，必须以品质的精准检测为基础。依托相关学科的快速发展，人们研究了多种茶叶的品质检测技术和方法，为茶叶的快速分级开辟了途径。

目前，对茶叶内部品质的检测主要是利用各类传感器进行的。张红梅等和陈哲等分别利用金属氧化物气敏传感器组成的电子鼻检测毛尖茶和碧螺春的气味，对不同等级的茶叶样本获得了很高的识别率[3-4]。王新宇等基于非特异性化学传感器阵列组成的电子舌，并辅以模式识别，对4个不同等级炒青茶叶获得了100%的识别率[5]。

对于茶叶的外部品质，主要采用计算机视觉检测。计算机视觉是在计算机和图像处理技术的基础上产生的，其利用相机代替人眼获取图像，再用电脑对目标物体进行识别和分析[6]。计算机视觉在农业领域的用途广泛，而农产品质量检测分级是一个重要方面[7-9]。目前，计算机视觉在茶叶品质检测中的应用也得到了深入的研究，主要集中在色泽和外部形态上，且取得了较好的识别分级效果，体现出广阔的应用前景[10-14]。

茶叶的等级划分须要综合评判各种品质特征，之前的品质检测大多只针对了单一的外部或内部特性，对分级的指导存在片面性。陈全胜等利用高光谱图像技术能集成光谱检测和图像检测的优点，设计了一套光谱仪数据采集系统，可同时检测茶叶的内部和外部品质，提高了等级划分的准确性[15]。基于综合多种品质特征用于分级的思路，本文采用计算机视觉技术同时检测茶叶形状和茶水颜色特征，在神经网络中进行数据分析和判别，以提高茶叶等级划分的准确性。

1 材料与方法

1.1 试验材料与设备

试验所用茶叶是从当地市场购买的相同绿茶品种4个等级的干茶叶，分别是特级、一级、二级和三级。

以10片代表性的茶叶作为1个样本，置于光照箱中拍摄图像。光照箱为0.4m×0.3m×0.5m的箱体，内部黑色，底部为白色。箱体上壁两侧各安装1盏白炽灯作为光源，顶部安装1台GenieNano C640型CCD相机，拍摄形成2080万像素的JEPG格式图像。JEPG格式图像通过A/D转换器转换为BMP格式后，由核心计算机进行后续的分析。核心计算机为联想T6900C型，其硬件系统包括Intel 酷睿i7600型CPU，8GB的DDR4型内存。计算机安装的软件为MatLab工具箱，可以满足对图像实时分析处理的要求，并能进行BP神经网络的建模和检验分析。

1.2 试验方法

从每个等级的茶叶中选出40个样本，随机抽取其中的20个作为建模集，剩余的20个作为检验集。每个样本先拍摄茶叶的图像，检测形状特征；然后加入20mL沸水冲泡5min，将茶水滤出到玻璃皿中拍摄图像，检测颜色特征。

受成像设备和外部因素的影响，拍摄获得的图像中会存在噪音干扰，降低品质检测的准确性。采用中值滤波法，将图像中的窗口按灰度值排序，以中间值作为图像像素的中心值，从而保证图像在去除噪音后也能具有较高的质量。去除噪音后的图像中背景主要为白色，同时夹杂少量黑点，利用颜色的差异将目标从背景中分离出来。

灰度阈值设置为80，将灰度图像转换为二值图像，对图像中的单片茶叶进行标记；根据颜色差异选择合适的阈值，通过阈值分割提取单片茶叶的轮廓，用于分析形状特征。本文中目标特征受光照影响不大，因此基于HIS颜色空间将灰度图做最大类间方差分析后通过直方图获得阈值，用于分割图像。

茶叶形状和色泽与品质之间的相关性规律不能用常规的逻辑进行明确描述，需要借助于神经网络对大量数据的处理能力，通过自我适应实现对茶叶等级的判定。将建模集共80个样本的形状和色泽参数经过标准化变换后输入BP神经网络，在3层神经结构中计算拟合残差，建立检验模型；用检验模型对检验集的80个样本进行品质预测，评判分级的准确性。

2 结果与分析

经过预处理后，茶叶和茶水的图像清晰，背景干扰少，目标区域的边界清楚，获得了较好的图像质量，如图1所示。

A.茶叶 B.茶水

经过灰度化后，图像的黑白效果明显增加，颜色差异得到了增强，使得目标区域的轮廓更加容易提取，如图2所示。

A.茶叶 B.茶水

通过阈值分割完成目标区域提取后，茶叶和茶水被从背景中分离出来，目标区域用白色表示，背景用黑色表示，如图3所示。

A.茶叶 B.茶水

检验集的茶叶等级检测结果如表1所示。其中，20个特级样本中仅有1个被误判为一级，准确率为95%；20个一级样本中各有1个被误判为特级、二级和三级，准确率为85%；20个二级样本中仅有2个被误判为一级，准确率为90%；20个三级样本中分别有1个和2个被误判为一级和二级，准确率为85%。总体上看，计算机视觉技术对各等级的茶叶都能有效地识别，检测的总体准确率达到88.8%，可以应用于茶叶的实时等级检测。

表1 茶叶等级检测的准确率

3 结论

利用计算机视觉技术获取茶叶和茶水的图像，经过预处理、灰度化和阈值分割提取茶叶的形状和茶水的颜色特征，并在神经网络中建立模型，对特征数据进行分析后判别茶叶的等级。试验结果表明：计算机视觉对各等级的茶叶都能有效地识别，检测总体准确率达到88.8%，可以应用于茶叶的实时等级检测。试验中，计算机视觉对茶叶等级的检测没有能达到100%的准确率，还出现了个别一级样本被误判为三级、三级样本被误判为一级的情况。因此，这项技术在实践中的应用还有改进的空间，可以通过优化神经网络算法及增加建模特征参数的数量以达到提高检测准确率的效果。