CN101971006B - 茶叶采摘适当性评价方法以及采摘适当性评价装置、采摘适当性评价*** - Google Patents

茶叶采摘适当性评价方法以及采摘适当性评价装置、采摘适当性评价*** Download PDF

Info

Publication number
CN101971006B
CN101971006B CN200980108750.8A CN200980108750A CN101971006B CN 101971006 B CN101971006 B CN 101971006B CN 200980108750 A CN200980108750 A CN 200980108750A CN 101971006 B CN101971006 B CN 101971006B
Authority
CN
China
Prior art keywords
tealeaves
harvesting
ndvi
appropriateness
assessment item
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN200980108750.8A
Other languages
English (en)
Other versions
CN101971006A (zh
Inventor
虎尾健志
荒井昌彦
井料均
全炳德
金宗焕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Juristic Person Of Nagasaki Public University
Ito En Ltd
Original Assignee
Juristic Person Of Nagasaki Public University
Ito En Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Juristic Person Of Nagasaki Public University, Ito En Ltd filed Critical Juristic Person Of Nagasaki Public University
Publication of CN101971006A publication Critical patent/CN101971006A/zh
Application granted granted Critical
Publication of CN101971006B publication Critical patent/CN101971006B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N2021/635—Photosynthetic material analysis, e.g. chrorophyll
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

使用茶叶的图像信息的光学数据计算植被指数，根据全氮、纤维量、芽重、出开度以及开叶数中的至少一个评价项目与植被指数的相关关系，使用计算出的植被指数，关于评价项目评价茶叶的采摘适当性，判断是否处于采摘适当时期。采摘适当性评价***具有：生成茶叶的图像信息的拍摄装置(1)；以及计算植被指数，使用所计算出的植被指数，关于评价项目评价茶叶的采摘适当性的信息处理部(2)，使用决定评价项目与植被指数的相关关系的数据库，来评价采摘适当性。

Description

茶叶采摘适当性评价方法以及采摘适当性评价装置、采摘适当性评价***
技术领域
本发明涉及关于用于制造饮用茶的生茶叶或在茶园中采摘的茶树的新芽，可以通过非接触并且非破坏的方法简易地判断采摘是否恰当的茶叶采摘适当性评价方法以及采摘适当性评价装置、采摘适当性评价***以及用于执行采摘适当性的评价的计算机可使用的介质，尤其是涉及通过图像拍摄能够检测或者测量茶树的新芽的发育状态或者成为品质指标的性质，能够判断是否处于通过采摘可以得到适合于制造目标茶制品的制造原料的生茶叶的时期内的茶叶采摘适当性评价方法以及采摘适当性评价装置、采摘适当性评价***以及用于执行采摘适当性的评价的计算机可使用的介质。 
背景技术
在绿茶、红茶等茶叶种类的生产制造中，使用从茶园的茶树采摘的生茶叶，即茶树的新芽，作为茶树采摘部位的新芽每天都在生长，由于采摘时期的少许差异导致生茶叶的品质具有很大的不同。因此，因为生茶叶或对其进行一次加工后的粗茶的交易价格随着采摘时期大不相同，所以对于生产销售生茶叶或粗茶的人来说，判断茶园中的新芽的采摘时期是极为重要的。另外，生茶叶的一次加工需要根据生茶叶的品质适当地变更设定，所以需要预先掌握生茶叶的品质，为了使制造效率良好，重要的是需要在短时间内评价采摘的茶叶的品质。 
目前，主要根据熟练者的经验决定生茶叶的采摘时期，在必须由熟练者以外的人进行判断时，作为客观判断的基准，使用采摘茶园的一定面积内的芽来测定的重量(芽重)或出开芽相对于全部芽的数量的比例(出开率)来判断采摘时期。 
另外，作为在化学方面评价采摘的生茶叶的品质的方法，例如在以下的专利文献1、2中提出了在将采摘的生茶叶干燥或裁断后，作为与茶叶的品质有关的化学成分，使用近红外分析法测量氮、纤维等的含量来用于进行评价的方 法。 
专利文献1：特开平3-179239号公报 
专利文献2：特开平8-114543号公报 
发明内容
但是，在根据在一定面积内采摘的生茶叶进行判断的方法中，向测量场所运送采摘茶叶、测量作业以及分类处理等需要花费时间，所以在得到结果之前需要时间，无法快速地进行判断，所以难以在大规模的茶园或者在远离茶园的地方快速地进行判断。此外，还有可能产生无法有效使用采摘的生茶叶的情况。并且，因为是基于采样部位作出的评价，所以评价结果可能未必与大范围的整个茶园的现状一致。 
上述专利文献1、2那样的方法也是在生茶叶的化学成分的测定中需要劳力以及时间，为了进行正确的判断减少采摘的生茶叶的偏差导致的误差，需要增多测量采样量，所以对于大范围的茶园难以进行迅速的判断。 
本发明的课题是提供能够在短时间内容易地判断是否适合采摘茶树的新芽的茶叶的采摘适当性评价方法以及采摘适当性评价装置、采摘适当性评价***以及用于执行采摘适当性的评价的计算机可使用的介质。 
此外，本发明的课题是通过非接触并且非破坏的方法能够判断是否适合采摘茶树的新芽，不需要进行浪费采摘的茶叶的采样的茶叶采摘适当性评价方法以及采摘适当性评价装置、采摘适当性评价***以及用于执行采摘适当性的评价的计算机可使用的介质。 
作为为了解决上述课题而进行研究的结果，本发明的发明人发现能够使用茶园的拍摄图像来判断茶树的新芽是否处于适于采摘的状态，由此完成了本发明。 
根据本发明的一方式，茶叶的采摘适当性评价方法的主旨在于，使用在茶叶的图像信息中包含的光学数据计算植被指数，根据从全氮、纤维量、芽重、出开度以及开叶数构成的组中选择的至少一个评价项目与植被指数的相关关系，使用计算出的所述植被指数，对于所述评价项目评价茶叶的采摘适当性。 
根据上述的茶叶的采摘适当性的评价，可以判断茶叶是否处于适于采摘的时期。 
此外，根据本发明的一方式，茶叶的采摘适当性评价***的主旨在于，具备：生成茶叶的图像信息的拍摄装置；使用在所述图像信息中包含的光学数据计算植被指数，使用计算出的植被指数，对于从全氮、纤维量、芽重、出开度以及开叶数组成的组中选择的至少一个评价项目评价茶叶的采摘适当性的信息处理部，所述处理装置使用具有用于决定所述至少一个评价项目与植被指数的相关关系的数据的数据库，对于所述评价项目能够评价茶叶的采摘适当性。 
根据本发明的另一方式，茶叶的采摘适当性评价***的主旨在于，具备：生成茶叶的图像信息的拍摄装置；具有用于决定从全氮、纤维量、芽重、出开度以及开叶数组成的组中选择的至少一个评价项目与植被指数的相关关系的数据的数据库；以及使用在所述图像信息中包含的光学数据计算植被指数，根据所述数据库的至少一个评价项目和植被指数的相关关系，使用计算出的植被指数，对于所述评价项目评价茶叶的采摘适当性的信息处理部。 
此外，根据本发明的一方式，茶叶的采摘适当性评价装置的主旨在于，具有：输入部，其取得茶叶的图像信息；运算处理部，其使用所述输入部取得的茶叶的图像信息中包含的光学数据计算植被指数，使用计算出的植被指数，对于从全氮、纤维量、芽重、出开度以及开叶数组成的组中选择的至少一个评价项目评价茶叶的采摘适当性，并使用具有用于决定所述至少一个评价项目和植被指数的相关关系的数据的数据库，对于所述评价项目能够评价茶叶的采摘适当性；以及显示部，其显示由所述运算处理部评价的茶叶的采摘适当性。 
根据本发明，通过使用茶叶的拍摄图像的非接触并且非破坏的方法，评价茶树的新芽的采摘适当性，能够在短时间内容易地评价新芽是否处于适合于采摘的时期，所以对于大范围的茶园能够对每个区域正确并且迅速地对采摘进行判断，可以高效地收获具有目的品质的茶叶。此外，能够使采摘的生茶叶的质量均匀化，并且通过收获预定的设定，使生产稳定能够提高生产效率。可以省去试样的采样以及成分分析等复杂并且需要时间的作业，可以减轻与采摘判断有关的劳力。 
附图说明
图1是表示根据图像信息得到的NDVI与茶叶的全氮的相关性的图表。 
图2是表示根据图像信息得到的NDVI与茶叶的纤维量的相关性的图表。 
图3是表示根据图像信息得到的NDVI与茶叶的芽重的相关性的图表。 
图4是表示根据图像信息得到的NDVI与茶叶的出开度的相关性的图表。 
图5是表示根据图像信息得到的NDVI与茶叶的开叶数的相关性的图表。 
图6是表示由茶期导致的NDVI与茶叶的全氮的相关性的变动的图表。 
图7是表示由茶期导致的NDVI与茶叶的纤维量的相关性的变动的图表。 
图8是表示NDVI与拍摄时的照度的关系的图表。 
图9是表示NDVI与拍摄角度的关系的图表。 
图10是表示根据在阴暗条件下拍摄的图像信息得到的NDVI与茶叶的纤维量的相关性的图表。 
图11是表示茶叶的采摘适当性评价***的一例的概要结构图。 
图12是概要地表示茶叶的采摘适当性评价方法的一例的流程图。 
图13是表示植被指数的计算的顺序的一例的流程图。 
图14是表示植被指数修正的顺序的一例的流程图。 
图15是表示关于评价项目的评价的顺序的一例的流程图。 
图16是表示判断采摘适当时期的顺序的一例的流程图。 
具体实施方式
茶叶中包含的各种成分的量由于采摘的茶叶新芽的生长程度而不同，用于制造茶制品的生茶叶所需要的品质由于制造的产品的种类以及等级而不同。因此，需要决定茶叶的采摘时期，以使采摘的茶叶具有适合于制造的目标产品的品质，并且能够以高的收获量获得这样的茶叶。这样的采摘适当时期的决定通过根据客观的评价项目进行茶园的调查、观察，可以不依赖于熟练者的技能来进行。但是，在大范围的茶园中，由于场所的不同每天等的环境条件不同，所以当对每个区域逐一进行观察决定适当时期时需要长时间，有可能错过适当时期。 
作为对在大范围的农场中栽培的农作物的发育状态进行调查的方法，考虑使用通过飞机等拍摄到的农作物的拍摄图像来掌握发育状况的遥感，尝试使用根据在拍摄中检测到的可见光以及近红外光的光学数据计算的各种植被指数，来评价农作物的发育状态。该方法的应用对象目前限于稻子或小麦等一部分作物。如果将遥感用于判断茶叶的采摘时期，则认为能够高效地决定大范围的茶 园的采摘适当时期。但是，茶树是多年生植物，而收获的茶叶是新芽，所以从需要区别新芽部分与老叶部分等问题点可知，稻子或小麦的收获时期与茶叶的采摘时期相比判断基准完全不同，无法将用于谷物的方法用于采摘茶叶。关于茶叶的采摘，从图像信息应该收集的分析项目及其处理方法完全是未知的，所以需要明确用于决定采摘适当时期所需要的图像信息，并且研究以高的准确度得到所需要的品质的生茶叶的评价判断方法。 
因此，本发明的本发明人通过拍摄茶园生成各种图像信息，关于通过拍摄测定的在图像信息中包含的光学数据，持续研究是否具有与在茶叶的采摘判断中使用的评价项目、采摘的判断基准以及生茶叶的化学分析数据等的关系，作为研究的结果，发现存在能够根据拍摄图像信息评价茶叶的采摘适当性以及能够评价适当时期的相关性，据此实现了能够通过遥感客观地评价茶叶以及判断采摘适当时期的方法以及***。以下详细说明本发明的基于图像信息的茶叶的采摘适当性评价方法以及采摘适当性评价***。 
图像信息中包含的光学数据与拍摄装置检测的光种类有关，所以对应所需要的光学数据使用能够测定该波长区域的拍摄装置来生成图像信息。在遥感中，通常使用可见光(400～700nm)、近红外光(700～1300nm)等波长区域的检测数据，在本发明中也可将通过这些光的检测得到的图像信息用于评价采摘适当性。为了使用图像信息来评价植物的发育活性，通过使用在图像信息中包含的光学数据计算出的数值来表示植物活性度，具体地说，考虑使用红色光以及近红外光的检测数据计算出的NDVI、SAVI、MSAVI、TSAVI、EVI、RVI等植被指数。在本发明的采摘适当性的评价以及适当时期判断中也可以使用这样的植被指数，特别是使用红色光(600～700nm)以及近红外光的反射率计算出的标准化植被指数(NDVI)极为有用，关于在茶叶的采摘适当性的评价中作为指标使用的评价项目，已经判明可以使用植被指数来进行数值评价。具体地说，作为基于茶叶的化学分析的研究的结果，在茶叶的氮量以及纤维量中，确认与根据茶叶的图像信息得到的NDVI的高的相关性，发现通过根据相关性评价氮量以及纤维量，能够判断采摘的适当时期。此外，关于现有的通过观察得到的作为采摘适当性的评价项目的茶叶的出开度、芽重以及开叶数，也确认了与NDVI的相关性，发现可以用于评价采摘的适当性。出开度、芽重等评价 项目是用于采摘者在采摘茶叶时通过目视观察客观地进行采摘判断的项目，在这些项目与植被指数之间具有相关性，意味着可以根据该相关关系，与熟练者同样地进行茶叶的评价以及采摘判断，这极为重要。即，可以使用通过拍摄得到的图像信息，对于大范围的茶园，可以在短时间内并且非破坏性地判断是否可以采摘茶叶，以及能够在短时间内非破坏地实施采摘适当时期的预测。以下参照图1～图5说明根据茶叶的图像信息得到的植被指数与茶叶的各评价项目的相关性。此外，在以下的说明中，把与各评价项目的相关性最高的NDVI用作植被指数，但即使RVI等其他的植被指数也可以表现出同样的相关性。 
图1是表示NDVI与茶叶中包含的全氮(质量％)的关系的图表(x：NDVI、y：全氮)。可以明显看到在茶叶中的全氮与NDVI之间具有相关性，该相关性可以通过关系式(1)：y＝ax+b(在式中，a＝-5.96、b＝9.23)来表示(R2＝0.56)。通过茶叶的化学分析，茶叶的氨基酸含量随着新芽的发育增加，由于是根据茶叶的氨基酸含量来决定得到的茶制品的等级，所以在茶叶的采摘适当性与氨基酸含量，即全氮之间具有相关性。因此，可以根据NDVI与全氮的上述关系来评价茶叶的NDVI适当性，判断是否进行采摘。具体地说，使用根据图像信息得到的NDVI值，通过上述关系式(1)求出全氮值，将其与适合于采摘的茶叶的全氮的范围(适当范围)进行比较，根据是否符合范围来判断是否适于采摘。或者，可以预先根据上述相关关系设定与全氮的适当范围对应的NDVI的适当范围，将该范围与根据图像信息得到的NDVI值直接进行比较来判断是否适当。并且，当在比较中判断为不适合采摘时，计算与全氮(或NDVI)的适当范围的差，求出所述差相对于每1天的标准变动量的比例，由此得到直到采摘适当时期(成为适合于采摘茶叶的发育状态的日期)的天数，通过将该天数与拍摄日期相加，由此可以预测采摘适当时期。全氮的每1天的标准变动量大约为-0.09％/天。判断为适于采摘的茶叶的全氮大概处于3.4～6.5质量％的范围，可以对应作为目标的品质等级将该范围中的一部分设定为适当范围。例如，可以设定全氮的适当范围，在采摘玉露或用于粉茶的茶叶时为5.4～6.5质量％这样的高的范围，在采摘用于煎茶的茶叶时为4.5～5.4质量％，在一般等级的茶叶时为3.4～4.5质量％这样的较低的范围，还可以与此相对应地设定NDVI的适当范围。 
图2是表示NDVI与茶叶中包含的纤维量(质量％，干燥物换算)的关系的图表(x：NDVI，y：纤维量)。还可以在茶叶中的纤维(中性洗涤纤维)量与NDVI之间明显地发现相关性，可以通过关系式(2)：y＝cx+d(式中，c＝33.97，d＝-4.44)来表示(R2＝0.66)。在茶叶的化学分析中，还可以在茶叶的采摘适当性与纤维量之间发现相关性，新芽越是发育纤维量增加，纤维含量与作为煎茶的品质成为负相关。因此，可以根据NDVI与纤维量的上述关系，根据从图像信息得到的NDVI值求出纤维量，将其与适于采摘的茶叶的纤维量的适当范围进行比较，根据是否恰当来判断采摘是否恰当。或者，首先根据上述相关关系设定与纤维量的适当范围对应的NDVI的适合范围，将该范围与根据图像信息得到的NDVI值进行直接比较来判断是否适当。并且，当在比较中判断为不适合采摘时，计算与纤维量(或NDVI)的适合范围的差，求出所述差相对于每1天的标准变动量的比率，由此得到直到采摘适当时期的天数，所以通过将该天数与拍摄日期相加还可以预测采摘适当时期。纤维量的每1天的标准变动量大概为0.5～0.7％/天。判断为适于采摘的茶叶的纤维量大概处于10～35质量％的范围，可以对应作为目标的制品品质将该范围中的一部分设定为适当范围。例如，可以设定纤维量的适当范围，在采摘高等级的茶叶时为10～20质量％这样的低的范围，在一般等级的茶叶时为20～35质量％这样的高的范围，还可以与此相对应地设定NDVI的适当范围。 
图3是表示NDVI与芽重的关系的图表(x：NDVI，y：芽重(g/400cm2))。芽重是表示在茶园的一定面积区域中作为新芽采摘的茶叶的质量的面积平均重量值，相当于每单位面积的茶叶的收获量，对应新芽的发育而增加。即，是茶叶的收获量的指标，并且还是新芽的发育程度的指标。茶叶的品质随着新芽的发育而发生变化，例如，氨基酸类、咖啡因、单宁的含量随着新芽的发育而减少，与此相对，糖分随着新芽的发育而增加。因此，根据制造的茶叶制品的种类或等级，适于采摘的发育程度不同，需要对应对茶叶要求的品质决定采摘日以使新芽处于适当的发育程度。因此，成为发育指标的每一定面积的芽重是用于决定采摘日的重要的评价项目。根据图3，在芽重与NDVI之间明显表现出相关性，可以通过关系式(3)y＝e×log(x+f)+g(在式中，e＝47.44，f＝-0.3，g＝65.77)来表示(R2＝0.63)。因此，可以根据NDVI与芽重的上述关 系，根据从图像信息得到的NDVI值求出芽重，将其与适于采摘的茶叶的芽重的适当范围进行比较，根据是否恰当来判断采摘是否恰当。或者，首先根据上述相关关系设定与芽重的适当范围对应的NDVI的适合范围，将该范围与根据图像信息得到的NDVI值进行直接比较来判断是否适当。并且，当在比较中判断为不适合采摘时，计算与芽重(或NDVI)的适合范围的差，求出所述差相对于每1天的标准变动量的比率，由此得到直到采摘适当时期的天数，所以通过将该天数与拍摄日期相加还可以预测采摘适当时期。芽重的每1天的标准变动量大概为2g/天·400cm2。判断为适于采摘的茶叶的芽重大概处于10～50g/400cm2，可以对应作为目标的品质等级将该范围中的一部分设定为适当范围。例如，可以设定每单位面积的芽重的适当范围，在采摘高等级的茶叶时为10～25g/400cm2这样的低的范围，在一般等级的茶叶时为20～50g/400cm2这样的高的范围。 
图4是表示NDVI与出开度(％)的关系的图表(x：NDVI，y：出开度)。出开度是在茶园的一定面积的区域中，出开芽在全部新芽中所占的比例，出开芽是指处于新芽伸展，新叶连续的展开完成，出现了止叶的状态的芽。即，是表示新芽的发育程度的面积平均值，随着新芽的发育而增加。因为茶叶的品质随着新芽的发育而变化，所以与上述的芽重相同，可以将出开度作为发育程度的指标，对应对茶叶要求的品质决定采摘日以使采摘的茶叶处于适当的发育程度。根据图4，在出开度与NDVI之间明显表现出相关性，可以通过关系式(4)x＝hy2+iy2+jy+k(在式中，h＝0.60×10-6，i＝-0.80×10-4，j＝0.42×10-2，k＝0.64)来表示(R2＝0.62)。因此，可以根据NDVI与出开度的上述关系，根据从图像信息得到的NDVI值求出出开度，将其与适于采摘的茶叶的出开度进行比较，根据是否恰当来判断采摘是否恰当。或者，首先根据上述相关关系设定与出开度的适当范围对应的NDVI的适合范围，将该范围与根据图像信息得到的NDVI值进行直接比较来判断是否适当。并且，当在比较中判断为不适合采摘时，计算与出开度的适合范围的差，求出所述差相对于每1天的标准变动量的比率，由此得到直到采摘适当时期的天数，所以通过将该天数与拍摄日期相加还可以预测采摘适当时期。出开度的每1天的标准变动量大概为5～6％/天。判断为适于采摘的茶叶的出开度大概处于30～90％，可以对应作为目标的品质等 级将该范围中的一部分设定为适当范围。例如，可以设定出开度的适当范围，在采摘高等级的茶叶时为30～50％这样的低的范围，在一般等级的茶叶时为50～90％这样的高的范围。 
图5是表示NDVI与开叶数(片)的关系的图表(x：NDVI，y：开叶数)。开叶数是对于茶园的一定面积的区域中的全部新芽求出1个芽具有的开叶(叶展开，可以看到全部中肋)的状态的叶的片数的平均值，随着新芽的发育而增加。因为茶叶的品质随着新芽的发育而变化，所以可以与上述的芽重同样地，将开叶数作为发育程度的指标，对应对茶叶要求的品质决定采摘日以使采摘的茶叶处于适当的发育程度。根据图5，在开叶数与NDVI之间明显表现出相关性，可以通过关系式(5)y＝mx+n(在式中，m＝5.53，n＝-1.15)来表示(R2＝0.66)。因此，可以根据NDVI与开叶数的上述关系，根据从图像信息得到的NDVI值求出开叶数，将其与适于采摘的茶叶的开叶数进行比较，根据是否恰当来判断采摘是否恰当。或者，首先根据上述相关关系设定与开叶数的适当范围对应的NDVI的适合范围，将该范围与根据图像信息得到的NDVI值进行直接比较来判断是否适当。并且，当在比较中判断为不适合采摘时，计算与开叶数(或NDVI)的适合范围的差，求出所述差相对于每1天的标准变动量的比率，由此得到直到采摘适当时期的天数，所以通过将该天数与拍摄日期相加还可以预测采摘适当时期。开叶数的每1天的标准变动量大概为0.05～0.2片/天。但是，判断为适于采摘的茶叶的开叶数由于茶园的当地环境等会产生偏差，所以希望对每个茶园预先收集基础数据各别地进行确认。适于采摘的开叶数大概为2～5片，可以对每个茶园，对应作为目标的品质等级将该范围中的一部分设定为适当范围。例如，在某个茶园中，可以设定开叶数的适当范围，在采摘高等级的茶叶时为3～4片这样的低的范围，在一般等级的茶叶时为4～5片这样的高的范围。 
图1～图5表示的相关关系是在一种称为“亚布吉它(やぶきた)”的茶叶的第一批采摘的茶中得到的结果，茶的新芽在一年中可以采摘多次，已知按照第一批采摘的茶、第二批采摘的茶、第三批采摘的茶这样的茶期的推进，茶叶中包含的成分含量发生变化。在国内的一年期间的绿茶生产中，第一批采摘的茶所占比例在数量上为4成以上，在金额上为7成以上，得知第一批采摘的茶 的发育状况对于生产者来说非常重要，但是随着近年来需求的增加，第二批采摘的茶以及第三批采摘的茶的重要性也不断提高，所以还需要考虑与茶期相对应的发育的不同来进行采摘的判断。此外，根据茶树的品种茶叶中包含的成分含量也有少许不同，在国内的茶园中“亚布吉它(やぶきた)”所占的比例为全部面积的75％，但是根据在各种功能成分方面特异化的品种的需求，“亚布吉它(やぶきた)”以外的品种的比例也在增加，所以在采摘判断时还需要对应品种得知发育状况。 
由于采摘的茶叶的茶期、品种、当地环境等导致的不同在表示上述各相关性的关系式(1)～(5)中，呈现为常数a、b、c、......、n的变动，但是即使茶期或品种等不同仍共同地保持与上述相同的相关性。例如，关于NDVI与全氮的关系表，当把第一批采摘的茶与第二批采摘的茶进行比较时，成为图6的相关关系(第二批采摘的茶：a＝-4.18，b＝6.92)，当关于NDVI与纤维量的关系进行比较时，成为图7那样的关系(第二批采摘的茶：c＝38.7，d＝2.00)。因此，把表示与各评价项目的相关性的关系式的常数作为根据品种以及茶期而变更的变量进行处理。可以按照作为进行评价的茶叶的初始条件赋予的品种以及茶期的数据，考虑品种以及茶期来进行茶叶的采摘适当性评价以及采摘判断。因此，在使用图像信息评价茶叶的采摘适当性时，预先参照茶树的品种以及采摘的茶叶的茶期的数据设定各关系式的常数。关于每一天的标准变动量，也同样根据品种以及茶期而变更。 
图1～图7那样的能够评价茶叶的采摘适当性的相关关系还可以在氨基酸、单宁、咖啡因等成分的含量或叶颜色等项目中求出，与上述同样地收集这些项目的基础数据把与植被指数的相关性设定为关系式，由此可以用于评价茶叶的采摘适当性。 
此外，因为图像信息受到拍摄条件的影响，所以需要根据拍摄的状况，对图像信息实施基于拍摄条件的数据修正。首先，茶园的图像拍摄是户外的拍摄，日照条件始终变化，所以拍摄时的照度对图像信息产生影响。在同一茶园中，当使用在一天中得到的图像拍摄数据调查拍摄时的照度与NDVI的关系时，可以发现图8那样的相关性(x：照度(lx)，y：NDVI)。该相关性可以通过关系式(6)y＝px+q(式中，p＝5×10-7，q＝0.69)表示(R2＝0.84)。因此，最好 是测定拍摄时的照度，使用基于根据照度修正后的数据的NDVI进行采摘判断。此外，为了提高图像信息的修正的精度，作为照度可以使用灰板。具体地说，在拍摄视野中包含灰板来拍摄茶园，使茶园和灰板在一个拍摄图像中共存，由此可以把从灰板的图像得到的光学数据作为对照来确认修正的适当性，提高评价的精度。此外，为了得到高品质的图像信息，调节拍摄装置的光圈和快门速度(曝光时间)是非常重要的，这与一般的拍摄相同，但是作为在图像信息中包含的基本的光学数据的光强度检测值，随拍摄装置的曝光条件(光圈和快门速度)而变动，所以当曝光条件不同时，在植被指数的计算中需要将光学数据从检测值向实际值进行标准化(例如，变换为每个曝光时间的检测值)。为了尽量简化这样的处理，预先决定好作为标准的曝光条件。此外，希望就其由于每个拍摄装置的个体差异等导致的数据偏差，对每个装置也进行适当修正。 
在茶园中，通常在宽度为1.5～1.8m，高度(阶梯差)为0.3～1m的田垄中栽培茶树，所以可以在上方～水平横向～斜下方的范围中设定近距拍摄中的图像的拍摄位置，但是因为拍摄对象是从茶树的树冠面向上延伸的新芽，所以拍摄位置成为树冠面大的上方～水平横向。当拍摄树冠面以下的老叶或阴凉部分时，在图像信息中产生影响上述的评价项目与NDVI的相关性容易降低，所以考虑从斜上方拍摄是恰当的。当在改变角度同时进行了同一茶园的近距拍摄的情况下，调查从拍摄图像得到的NDVI与拍摄角度的关系时，可以得到图9所示的图表(x：拍摄角度(°)，y：NDVI)。在拍摄角度与NDVI之间存在相关性，可以通过关系式(7)：y＝rx2+sx+t(式中，r＝-0.0001，s＝0.0069，t＝0.72)来表示(R2＝0.99)。因此，最好在拍摄时测定拍摄角度，把根据拍摄角度修正后的NDVI用于采摘判断。关于此，可以在图9中发现拍摄角度小的，实测数据相对于关系式(7)的偏差小，其理由在于认为是可以容易地从拍摄对象中将新芽以外的拍摄物除去的角度。因此，为了提高图形信息的精度，以拍摄对象集中在新芽的方式设定拍摄角度进行拍摄是有效的。最好在拍摄角度相对于树冠面为0～10°的范围(但是除去0°)的斜上方位置配置图像拍摄装置。此外，有时将茶树的树冠面常常整理为缓和的曲面，此时，使拍摄角度的基准成为通过各茶树的树冠面顶部的面。因此，在平地茶园时，在本发明中记载为拍摄角度的基准的树冠面意味着通过树冠面顶部的水平面，在为倾斜茶园时，意味着 通过树冠面顶部，与倾斜地面平行的面。 
在使用卫星或者飞机进行远距离拍摄时，从上方进行拍摄，对应拍摄角度修正NDVI的值。 
在太阳光下的野外拍摄中，由于天气或太阳方位随时间变化，所以根据拍摄日期时间照度等拍摄条件变化，与此相伴，根据光学数据计算出的植被指数也变动。因此，在白天的太阳光下的(＝明亮条件下)拍摄中，在植被指数的修正中容易包含误差，通过修正来提高得到的植被指数的准确度存在界限。关于这一点，如果将光源从太阳光变换为人工光在夜间(＝阴暗条件下)进行拍摄，则可以消除拍摄条件的变动，根据光学数据得到的植被指数的准确度也会提高。此时，在拍摄中使用的人工光只要是包含在计算植被指数中使用的波长的光的人工光，即，包含600～1300的红色光以及近红外光的人工光即可，可以将一般使用的拍摄用照明灯或人工太阳照明灯等作为光源使用。当在红色光以及近红外光中使用特殊化的照射光，则可以特殊化为仅针对需要的光学数据的拍摄，可以提高植被指数的精度。作为照射这样的波长的光的光源，可以举出红外以及近红外用等、LED等。在拍摄时，当将作为拍摄对象的茶叶与光源的距离、照射角度和照度设定为恒定时，在提高修正后的植被指数的精度这一点上是理想的，所以可以根据需要对茶叶以及拍摄装置使用用于对光源进行定位的固定单元。当使用暗幕或遮挡板等覆盖照明灯以及拍摄装置的周围将茶叶的照射区域决定为一定范围时，可以抑制照度的变动，提高数据的可靠性。在该结构中，虽然无法进行大范围的拍摄，但不限于夜间还可以在白天进行拍摄，所以通过对于遮挡区域在使用人工光的阴暗条件下进行拍摄，即使在白天也可以稳定并且确切地收集数据。 
图10是表示根据通过阴暗条件下的光照射拍摄得到的光学数据计算出的植被指数，调查植被指数与茶叶的评价项目的关系的结果的图表。在该图表中，关于“亚布吉它(やぶきた)”茶的第四批采摘的茶时期(秋茶)的茶叶，使用在夜间使用人工太阳照明灯(与太阳光类似波长的照明)拍摄(拍摄角度：20°)到的光学数据，作为植被指数计算NDVI，作为评价项目测量在茶叶中包含的纤维量(质量％，干燥物换算)。根据图10的图表(x：NDVI，y：纤维量)，与明亮条件下的情况相同，在茶叶中的纤维(中性洗涤纤维)量与NDVI 之间发现相关性，可以通过关系式(2)：y＝cx+d(式中，c＝74.20，d＝-22.16)表示(R2＝0.86)。因此，与明亮条件下的情况相同，可以根据NDVI与纤维量的上述关系评价茶叶的采摘适当性，通过适当范围与NDVI值的比较可以判断采摘是否恰当。并且，还可以同样地预测判断为不适合采摘时的采摘适当时期。 
关于其他的评价项目，在阴暗条件下在植被指数与茶叶的评价项目之间表现出与明亮条件下类似的相关关系，与明亮条件下(太阳光)的情况相同，使用植被指数与全氮、芽重、出开度或开叶数的关系式以及常数，评价茶叶的采摘适当性，通过与适当范围的比较判断是否可以采摘。并且，还可以在判断为不适合采摘时预测采摘的适当时期。 
在阴暗条件下的拍摄中，根据得到的光学数据计算出的植被指数也根据拍摄条件，即照度以及拍摄角度而变动，存在与图8、9类似的相关关系，根据照度数据以及角度数据可以同样地修正植被指数。 
此外，明亮条件与阴暗条件相比照射光不同，根据图10可知，植被指数与评价项目的关系式以及常数随照射光的不同而变化。因此，根据明/暗条件的区别(即，太阳光/人工光的区别＝波长分布的不同)，按照茶叶的种类以及茶期决定植被指数与评价项目的关系式以及常数。此外，在人工光下，由于照明装置，照射光的配光分布不同，在照射的中心与边缘部在照度等中有可能产生偏差，所以在对上述关系式以及常数造成影响的原因中还包含照射装置的技术规格和照射条件。因此，在根据明/暗条件的区别决定上述关系式以及常数时，需要考虑照射装置的设定(技术规格、照射条件等)。为了防止阴暗条件下的照射光的不同导致的数据的复杂化以及计算出的植被数据的偏差，希望把在阴暗条件下使用的照射光的规格统一。并且，可以容易地理解由于拍摄茶叶的反射光的拍摄装置的测定/检测波长，上述关系式的常数也变化。因此，在决定上述关系式以及常数时，需要考虑检测部的设定(波长等检测条件)。把拍摄装置中的检测部的设定统一，无论在明亮条件下还是在阴暗条件下，都有利于防止在决定上述关系式以及常数时，数据的复杂化和植被指数的偏差。 
下面，参照附图说明使用上述关系式能够执行茶叶的采摘判断的采摘适当性评价***的实施方式。 
图11是表示本发明的采摘判断***的一实施方式的概要结构图，采摘判 断***具有：取得茶叶的图像信息的拍摄部1；使用拍摄部1取得的图像信息评价拍摄到的茶叶的采摘适当性，来判断是否处于采摘适当时期的信息处理部2；输出所述信息处理部2的评价以及采摘适当时期的判断结果的输出部3。拍摄部1可以是用于近距拍摄的形式，也可以是装载在飞机或卫星等飞行单元上从上空进行拍摄的远距拍摄用形式，还可以将两者一同使用。在图中，表示了相对于树冠面的拍摄角度θ下的近距拍摄。近距拍摄例如可以通过使用防霜风扇用杆等固定的定点观测用拍摄装置a1、或通过适当移动到茶园附近的拍摄位置通过手持或者三脚架等进行定位来进行拍摄的移动观测用拍摄装置1b来执行。在阴暗条件下的拍摄时，使用用于对茶叶照射包含红色光以及近红外光的波长区域的人工光的光源1c。光源1c只要能够按照希望的照度向茶叶照射人工光即可，没有特别的限制，可以固定在茶园中也可以在拍摄时进行设置，或者还可以添设在近距拍摄用拍摄装置1a、1b中。在使用光源1c时，希望留意照射方向等进行光源1c的定位。 
在太阳光或人工光通过茶叶反射后的反射光中，在红色光以及近红外光中显著地出现由于叶绿素的吸光特性产生的强度差。在遥感中使用该现象，根据两种光的反射系数计算NDVI等植被指数。即，信息处理部2从图像信息中使用的光学数据是红色光域以及近红外光域的反射光数据，在拍摄部1中从光源1c照射的人工光、以及在拍摄装置1a、1b中从反射光中提取、检测的光的波长区域包含红色光以及近红外光即可。因此，作为拍摄装置1a、1b，不仅可使用遥感用专用设备，还可以使用数码相机或带有照相机的移动电话等在能够携带的终端中施加了能够检测所需要的光学数据的单元的设备。例如，通过在具有CCD图像传感器的数码照相机中装配规定的光学滤波器，由此可以检测红色光和红外光。作为使用的一个例子，在图11的实施方式中，使用检测区域为760～900nm的近红外传感器以及600～660nm的红色传感器。作为光源1c，例如可以从人工太阳光、包含红色以及近红外区域的照射的红色灯或LED等各种照射装置中进行适当的选择来使用。 
由拍摄部生成的图像信息包含有划分为多个区域能够对每个区域处理的图像、以及与图像的各区域所对应的红色光以及近红外光有关的光学数据，通过数据供给单元从拍摄部1发送给信息处理部2。数据供给单元可以利用通过 有线或者无线通信进行的收发，或利用经由软盘或闪速存储器等记录介质的信息的记录/读出等。 
信息处理部2具有输入部2a、运算处理部2b、显示部2c以及存储部2d，输入部2a具有通过通信直接或者经由记录介质间接地取得由拍摄部1生成的图像信息的接收装置或读取装置，根据需要将取得的图像信息存储在存储部2d中。此外，输入部2a具备用于手动输入数据或者能够修正数据的键盘等，根据需要，能够进行与以下有关的输入、修正：在评价、判断作业中使用的品种、茶期等初始条件或制品的等级等用途的设定；与使用的光学数据有关的明亮/阴暗条件的区别以及拍摄条件；评价项目的选定；执行评价、判断的图像区域的指定等。 
运算处理部2b在指定了初始条件以及执行评价、判断的图像区域时，从图像信息中取得拍摄图像的被指定的区域中的红色光以及近红外光的光学数据，在适当地进行了光学数据的标准化后，执行使用该光学数据计算NDVI等植被指数的运算处理，根据明亮/阴暗条件的区别适当地进行拍摄条件的修正。并且，运算处理部2b在指定了评价项目时，根据明亮/阴暗条件的区别参照数据库，按照初始条件取得与茶叶的评价以及采摘判断所需要的相关关系有关的数据，即表示评价项目与植被指数的相关关系的关系式以及关系式的常数，使用该关系式和计算出的植被指数进行与拍摄图像的被指定的区域中的茶叶的评价项目有关的评价。即，根据评价项目的关系式，决定与计算出的植被指数对应的评价项目的值，将该值与适于采摘的评价项目的数值(适当范围)进行比较，判断是否处于采摘适当时期。或者，根据关系式决定与适于采摘的评价项目的值(适当范围)对应的植被指数的数值(适当范围)，将其与计算出的植被指数进行比较。 
上述数据库如果具有茶叶的评价以及采摘判断所需要的数据，则没有特别的限制，可以是作为专用装置预先设置在信息处理部2中的数据库，或者还可以是从记录有数据的记录介质直接读取，或者经由通信网从远距离的数据库间接地读取，然后存储在存储部2d中进行更新的数据库。在数据库具有的数据中，包含：上述图1～图5、图10那样的表示各评价项目与植被指数的相关性的关系式；按照初始条件，如图6、7那样作为各关系式的常数设定适当的值 的常数数据(a、b...n)以及各评价项目中的每1天的标准变动量；用于根据拍摄条件对通过运算处理得到的植被指数进行修正的修正数据等。通过根据拍摄***的设定(上述的照明装置以及检测部的设定)以及明亮/阴暗条件的区别，使各评价项目中的关系式的常数的数值与茶的品种、茶期等各初始条件对应的形式包含常数数据，通过各初始条件的决定将对应的常数设定在关系式中。当使拍摄***的设定统一时，可以简化常数数据的结构。在修正数据中包含用于修正图8、图9那样的照度、光圈、快门速度、拍摄角度等拍摄条件对植被指数造成的影响的关系式以及常数(p、q、r、s、t)等数据，根据明亮/阴暗条件的区别设定进行基于各拍摄条件进行修正的关系式。 
在显示部2c中显示运算处理部2b从图像信息读出的光学数据、计算出的植被指数、茶叶的采摘适当性评价、采摘判断的结果等数据。根据需要使用数据供给单元将这些数据输出给输出部3，或者可以存储在存储部2d中，按照对输出部3供给的数据，决定各茶园的采摘作业的开始。在数据供给单元中可以使用基于有线或无线通信的收发、经由软盘或闪速存储器等记录介质的信息的记录/读出。在显示部2c中使用通过画面显示提示数据的显示器、在纸等记录材料上进行打印等来进行提示的打印机等。输出部3可以由从移动计算机3a、移动电话3b等移动终端、或桌面个人计算机、传真机、打印机等固定终端3c中任意选择的终端构成，在输出部3中任意地显示、打印、保存供给的数据。 
上述的采摘适当性评价***可以构成为使信息处理部2以及输出部3成为一体的采摘适当性评价装置，例如，可以将带有照相机的移动电话或带有照相机的移动计算机等作为基础，在其中装配用于执行采摘适当性评价方法的功能。或者，可以构成并提供由单独的信息处理部2构成的采摘适当性评价装置，使用者根据需要可以适当地追加、删除拍摄部1以及输出部3。 
参照附图以下说明使用上述的采摘适当性评价***执行的茶叶的采摘适当性评价方法的一实施方式。可以作为在记录介质中记录的计算机可使用的应用程序软件，或者作为通过有线或无线传输给其他计算机的信号传输，来提供使计算机执行以下那样的方法的程序代码。 
图12是概要地表示茶叶的采摘适当性判断方法的顺序的流程图，总体来 说，执行根据茶叶的图像信息计算植被指数的数值化、以及使用计算出的植被指数调查茶叶是否处于采摘适当时期的评价、判断。在该实施方式中，作为植被指数使用NDVI，但也可以使用RVI等其他的植被指数。 
茶叶的采摘适当性判断首先输入通过拍摄茶园得到的图像信息(步骤S1)，根据图像信息中包含的光学数据计算植被指数(步骤S2)。对应拍摄条件将计算出的植被指数修正为一定拍摄条件的植被指数(步骤S3)，使用计算、修正后的植被指数，根据植被指数与评价项目的关联性，作为数值评价关于评价项目的采摘适当性(步骤S4)。对采摘适当性的判断执行进行确认(步骤S5)，使用评价的数值，关于评价项目判断茶叶是否处于采摘适当时期(步骤S6)。在操作者是采摘熟练者时，可以省略根据步骤S6的评价值判断采摘适当时期，在步骤S5的确认后结束。 
关于在步骤S1中输入的图像信息，作为参照信息同时读取作为与拍摄装置有关的拍摄条件的光圈、快门速度以及拍摄角度、对照用灰板图像的有无、作为与环境有关的拍摄条件的明亮/阴暗条件的区别(照射光的区别)、以及拍摄时的照度，用于步骤S2的植被指数的计算或步骤S3的修正。在步骤S4的评价中，也根据明亮/阴暗条件的区别，按照初始条件读取植被指数与评价项目的关系式以及常数，由此设定植被指数与评价项目的相关关系。 
当具体地说明步骤S2时，包含图13所示的步骤。首先，作为与反射光强度有关的光学数据，从图像信息中读取近红外传感器的检测值IR以及红色传感器的检测值R(步骤S21)。此时，在关于近红外以及红色数据，存在由拍摄装置引起的图像的位置偏移等时，进行位置偏移修正，在包含对照用灰板图像时，还对于灰板的图像区域读取近红外传感器的检测值IRG以及红色传感器的检测值RG。关于各检测值IR、R、IRG、RG，进行基于曝光时间的标准化处理(标准化值＝检测值/曝光时间t、IR←IR/t、R←R/t、IRG←IRG/t、RG←RG/t)(步骤S22)，确认有无灰板图像(步骤S23)，在具有灰板图像时，计算使用该值修正后的近红外强度以及红色强度的值(IR’＝IR/IRG、R’＝R/RG)(步骤S24)，通过使用了上述强度值的运算计算植被指数(步骤S25)。作为植被指数计算NDVI时的运算是NDVI＝(IR’-R’)/(IR’+R’)，没有灰板图像时的运算成为NDVI＝(IR-R)/(IR+R)。然后，当从图像中指定一部分区域时， 得到基于该区域的光学数据的植被指数(步骤S26)。此外，在阴暗条件下的拍摄时，把能够取得光学数据的图像范围，即执行步骤S21、S26中的数据读入以及区域指定的范围限定为光照射的图像部分。 
根据明亮/阴暗条件的区别，按照图14所示的顺序，修正在步骤S2中计算出的植被指数。首先，确认有无拍摄时的照度数据(步骤S31)，在具有照度数据时将其输入(步骤S32)，在明亮条件下时，按照图8以及关系式(6)，在阴暗条件下时按照对应的类似的关系式，进行修正(步骤S33)。并且，确认有无拍摄角度数据(步骤S34)，在具有角度数据时将其输入(步骤S35)，在明亮条件下时按照图9以及关系式(7)，在阴暗条件下时按照对应的类似的关系式，进行修正(步骤S36)。即，根据明亮/阴暗条件区别地取得在步骤S33、S36中使用的用于修正的关系式(6)、(7)以及常数。把如此得到的植被指数用于茶叶的采摘适当性的评价。 
以下进行采摘适当性的评价(步骤S4)。首先，如图15所示，作为评价的茶叶的初始条件的设定，输入茶期(步骤S41)，输入茶叶的品种(步骤S42)。然后，选择进行评价的评价项目(步骤S43)。选择的评价项目的数量可以是1个也可以是多个。当选择了评价项目时，根据明亮/阴暗条件的区别，对每个评价项目决定用于评价的关系式。即，按照输入的茶期、品种以及选择的评价项目，从数据库读入在与选择的评价项目有关的评价中使用的关系式及其常数，决定在评价值的计算中使用的关系式(步骤S44)。根据该关系式，使用在步骤S3中(步骤S31～S36)修正后的植被指数进行评价(步骤S45)。在该实施方式中，通过将植被指数代入到关系式中计算与植被指数对应的评价项目的值(评价值)，将该值用于采摘适当时期的判断(步骤S6)。当在步骤S43中选择了多个评价项目时，计算与每个评价项目对应的值。可以对全部的评价项目计算评价值。 
在采摘适当时期的判断中(步骤S6)中，如图16所示，首先，选择根据评价项目以及茶叶的用途中的哪个进行判断(步骤S61)，在选择了基于茶叶的用途的判断时，输入与玉露、粉茶等制品种类或与上级、中级等制品等级有关的具体用途(步骤S62)。按照输入的具体用途，从数据库中读取评价项目的适当范围来设定为判断基准(步骤S63)。另一方面，当在步骤S61中选择 了基于评价项目的判断时，当关于评价项目输入了目标值(步骤S64)时，将该目标值作为判断基准设定适当范围。此外，关于判断方式，可以是利用适当范围的上限值或下限值对于采摘适当时期的开始或结束进行判断的方式，还可以是使用上下限的两个值判断是否处于采摘适当时期中的方式，关于纤维量、芽重、出开度以及开叶数，将适当范围的下限作为基准来判断采摘适当时期的开始，关于全氮，将适当范围的上限作为基准来判断采摘适当时期的开始，相反，关于纤维量、芽重、出开度以及开叶数，根据适当范围的上限判断采摘适当时期的结束，关于全氮，根据适当范围的下限来判断采摘适当时期的结束。因此，在步骤62以及步骤64中，在输入用途或目标值时，还可以设定为关于判断形式进行输入。 
然后，根据在步骤S63或S64中设定的适当范围，把在步骤S45中得到的评价项目的评价值与适当范围进行比较，判断是否处于适当范围(步骤S65)后，来判断可否采摘(步骤S65、S66)。在判断为不适合采摘时(步骤S67)，可以根据评价项目的适当范围和评价值的差D，预测采摘适当时期(步骤S68)。该预测例如可以从数据库读取关于评价项目的每1天的标准变化量V后，来将从图像拍摄日起D/V日后的日期作为采摘适当时期，意地选择预测的执行。 
在关于多个评价项目执行了评价值的计算(步骤S45)以及评价值是否处于适当范围的判断(步骤S65)时，对于每个评价项目决定可否采摘。关于它们的显示，可以任意地指定评价项目的优先顺序，按照该顺序显示评价、判断的结果，或者可以把在全部评价项目中判断为采摘适当时期的项目数的比例显示为适当度。 
可以根据需要，进行放大、缩小、剪切等图像的加工处理、合成图像或每区带图像等这样的图像的输出形式的变更、使数据分布在直方图这样的图像内的处理等，来输出在上述步骤中使用的数据以及通过运算处理等得到的各种数据。 
此外，以上关于绿茶进行了说明，但是即使茶树的品种不同，但同样会表现出茶树新芽的全氮、纤维量、芽重、出开度以及开叶数与植被指数的相关关系，所以关于红茶或乌龙茶等在制造中使用的茶品种，也可以通过测定上述的评价项目以及计算植被指数生成相关关系的数据，由此得知茶树新芽的发育程 度。在红茶或乌龙茶等的制造中，也与茶叶的发育程度相关联地决定采摘时期，所以可以将本发明用于红茶或乌龙茶等茶叶的采摘，设定适于采摘的时期的上述评价项目的适当范围，使用植被指数评价茶叶的采摘适当性进行采摘判断以及采摘时期的预测。 
提供通过利用茶园的拍摄图像的非接触并且非破坏的方法，可以在短时间内容易地判断茶树的新芽是否处于适于采摘的时期的茶叶的采摘适当性评价方法，可以对于大范围的茶园，对于每个区域正确并且迅速地判断采摘，所以可高效率地收获具有目标品质的茶叶，能够使采摘的生茶叶的品质均匀化，并且可以设定收获的预定。因此，可以提高茶制品的制造效率，促进制品品质的提高以及品质均匀化，并且，有助于茶制品的制造以及供给的稳定化。此外，因为可以省去试样的采样、成分分析等繁琐并且需要时间的作业，可以减轻与采摘判断有关的劳力，有助于提高茶制造的经济性。 

Claims (19)

1.一种茶叶的采摘适当性评价方法，其特征在于，
使用在茶叶的图像信息中包含的光学数据计算标准化植被指数即NDVI，
根据从纤维量、芽重、出开度以及开叶数构成的组中选择的至少一个评价项目与NDVI的相关关系，使用计算出的所述NDVI，对于所述评价项目评价茶叶的采摘适当性。
2.一种茶叶的采摘适当性评价方法，其特征在于，
使用在茶叶的图像信息中包含的光学数据计算NDVI，
根据从全氮、纤维量、芽重、出开度以及开叶数构成的组中选择的至少一个评价项目与NDVI的相关关系，使用计算出的所述NDVI，对于所述评价项目评价茶叶的采摘适当性，根据对于所述至少一个评价项目评价的采摘适当性，使用关于所述评价项目的每1天的标准变化量V以及所述评价值和适当范围的差D，将从图像拍摄日起D/V日后的日期预测为采摘适当时期。
3.根据权利要求1或2所述的茶叶的采摘适当性评价方法，其特征在于，
所述光学数据是从茶叶反射的红色光区域以及近红外光区域的反射光的数据。
4.根据权利要求1或2所述的茶叶的采摘适当性评价方法，其特征在于，
通过使用太阳光照射的明亮条件下或使用人工光照射的阴暗条件下的拍摄，取得所述茶叶的图像信息。
5.根据权利要求1或2所述的茶叶的采摘适当性评价方法，其特征在于，
通过根据取得所述图像信息的明亮/阴暗条件的区别，并按照茶叶的品种以及茶期决定常数的关系式，表示所述评价项目与NDVI的相关关系。
6.根据权利要求1或2所述的茶叶的采摘适当性评价方法，其特征在于，
所述图像信息，对于将图像划分为多个区域后、所述多个区域中的所指定的一个区域能够计算所述NDVI。
7.根据权利要求1或2所述的茶叶的采摘适当性评价方法，其特征在于，
还具有以下的步骤：亦即，根据生成所述图像信息时的照度、光圈、快门速度以及灰板的对照图像信息中的至少一个，修正所计算出的所述NDVI。
8.根据权利要求1所述的茶叶的采摘适当性评价方法，其特征在于，
在所述茶叶的采摘适当性的评价中，
按照所述相关关系计算与所述NDVI对应的评价项目的值，将其与所述评价项目的适当范围进行比较，或者，
按照所述相关关系计算与所述评价项目的适当范围对应的NDVI范围，将其与所述NDVI进行比较，
通过所述某个比较，判断茶叶是否处于采摘适当时期。
9.根据权利要求1或2所述的茶叶的采摘适当性评价方法，其特征在于，
通过相对于树冠面的拍摄角度为0～10°但是除去0°的拍摄生成所述图像信息。
10.根据权利要求1或2所述的茶叶的采摘适当性评价方法，其特征在于，
在设所述NDVI为x，所述评价项目的值为y时，关于全氮通过关系式：y＝ax+b来表示所述相关关系，关于纤维量通过关系式：y＝cx+d来表示所述相关关系，关于芽重通过关系式：y＝e×log(x+f)+g来表示所述相关关系，关于出开度通过关系式：x＝hy3+iy2+jy+k来表示所述相关关系，关于开叶数通过y＝mx+n来表示所述相关关系，
式中，a＝-5.96，b＝9.23，c＝33.97，d＝-4.44，e＝47.44，f＝-0.3，g＝65.77，h＝0.60×10-6，i＝-0.80×10-4，j＝0.42×10-2，k＝0.64，m＝5.53，n＝-1.15。
11.一种茶叶的采摘适当性评价***，其特征在于，
具备：
拍摄装置，其生成茶叶的图像信息；以及
信息处理部，其使用在所述图像信息中包含的光学数据计算NDVI，使用计算出的NDVI，对于纤维量、芽重、出开度以及开叶数组成的组中选择的至少一个评价项目评价茶叶的采摘适当性，
所述信息处理部使用具有决定所述至少一个评价项目与NDVI的相关关系的数据的数据库，对于所述评价项目能够评价茶叶的采摘适当性。
12.一种茶叶的采摘适当性评价***，其特征在于，
具备：
拍摄装置，其生成茶叶的图像信息；以及
信息处理部，其使用在所述图像信息中包含的光学数据计算NDVI，使用计算出的NDVI，对于从全氮、纤维量、芽重、出开度以及开叶数组成的组中选择的至少一个评价项目评价茶叶的采摘适当性，
所述信息处理部使用具有决定所述至少一个评价项目与NDVI的相关关系的数据的数据库，对于所述评价项目能够评价茶叶的采摘适当性，根据对于所述评价项目评价的采摘适当性，使用关于所述评价项目的每1天的标准变化量V以及所述评价值和适当范围的差D，将从图像拍摄日起D/V日后的日期预测为采摘适当时期。
13.一种茶叶的采摘适当性评价***，其特征在于，
具备：
拍摄装置，其生成茶叶的图像信息；
数据库，其具有决定从纤维量、芽重、出开度以及开叶数组成的组中选择的至少一个评价项目与NDVI的相关关系的数据；以及
信息处理部，其使用在所述图像信息中包含的光学数据计算NDVI，根据所述数据库的至少一个评价项目和NDVI的相关关系，使用计算出的NDVI，对于所述评价项目评价茶叶的采摘适当性。
14.一种茶叶的采摘适当性评价***，其特征在于，
具备：
拍摄装置，其生成茶叶的图像信息；
数据库，其具有决定从全氮、纤维量、芽重、出开度以及开叶数组成的组中选择的至少一个评价项目与NDVI的相关关系的数据；以及
信息处理部，其使用在所述图像信息中包含的光学数据计算NDVI，根据所述数据库的至少一个评价项目和NDVI的相关关系，使用计算出的NDVI，对于所述评价项目评价茶叶的采摘适当性，根据对于所述评价项目评价的采摘适当性，使用关于所述评价项目的每1天的标准变化量V以及所述评价值和适当范围的差D，将从图像拍摄日起D/V日后的日期预测为采摘适当时期。
15.根据权利要求11～14中的任意一项所述的茶叶的采摘适当性评价***，其特征在于，
具有信息供给单元，其向所述信息处理部供给所述拍摄装置生成的图像信息，
所述信息供给单元具有：无线或有线通信装置，或者在所述拍摄装置以及所述信息处理部之间经由记录介质能够记录以及读取信息的信息记录装置以及读取装置。
16.根据权利要求11～14中的任意一项所述的茶叶的采摘适当性评价***，其特征在于，
在设所述NDVI为x，所述评价项目的值为y时，关于全氮通过关系式：y＝ax+b来表示所述相关关系，关于纤维量通过关系式：y＝cx+d来表示所述相关关系，关于芽重通过关系式：y＝e×log(x+f)+g来表示所述相关关系，关于出开度通过关系式：x＝hy3+iy2+jy+k来表示所述相关关系，关于开叶数通过y＝mx+n来表示所述相关关系，
式中，a＝-5.96，b＝9.23，c＝33.97，d＝-4.44，e＝47.44，f＝-0.3，g＝65.77，h＝0.60×10-6，i＝-0.80×10-4，j＝0.42×10-2，k＝0.64，m＝5.53，n＝-1.15。
17.一种茶叶的采摘适当性评价装置，其特征在于，
具有：
输入部，其取得茶叶的图像信息；
运算处理部，其使用所述输入部取得的茶叶的图像信息中包含的光学数据计算NDVI，使用计算出的NDVI，对于从纤维量、芽重、出开度以及开叶数组成的组中选择的至少一个评价项目评价茶叶的采摘适当性，并使用具有决定所述至少一个评价项目和NDVI的相关关系的数据的数据库，对于所述评价项目能够评价茶叶的采摘适当性；以及
显示部，其显示由所述运算处理部评价的茶叶的采摘适当性。
18.一种茶叶的采摘适当性评价装置，其特征在于，
具有：
输入部，其取得茶叶的图像信息；
运算处理部，其使用所述输入部取得的茶叶的图像信息中包含的光学数据计算NDVI，使用计算出的NDVI，对于从全氮、纤维量、芽重、出开度以及开叶数组成的组中选择的至少一个评价项目评价茶叶的采摘适当性，并使用具有决定所述至少一个评价项目和NDVI的相关关系的数据的数据库，对于所述评价项目能够评价茶叶的采摘适当性，根据对于所述评价项目评价的采摘适当性，使用关于所述评价项目的每1天的标准变化量V以及所述评价值和适当范围的差D，将从图像拍摄日起D/V日后的日期预测为采摘适当时期；以及
显示部，其显示由所述运算处理部评价的茶叶的采摘适当性。
19.根据权利要求17或18所述的茶叶的采摘适当性评价装置，其特征在于，
在设所述NDVI为x，所述评价项目的值为y时，关于全氮通过关系式：y＝ax+b来表示所述相关关系，关于纤维量通过关系式：y＝cx+d来表示所述相关关系，关于芽重通过关系式：y＝e×log(x+f)+g来表示所述相关关系，关于出开度通过关系式：x＝hy3+iy2+jy+k来表示所述相关关系，关于开叶数通过y＝mx+n来表示所述相关关系，
式中，a＝-5.96，b＝9.23，c＝33.97，d＝-4.44，e＝47.44，f＝-0.3，g＝65.77，h＝0.60×10-6，i＝-0.80×10-4，j＝0.42×10-2，k＝0.64，m＝5.53，n＝-1.15。
CN200980108750.8A 2008-03-21 2009-03-19 茶叶采摘适当性评价方法以及采摘适当性评价装置、采摘适当性评价*** Active CN101971006B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2008074485 2008-03-21
JP2008-074485 2008-03-21
PCT/JP2009/055403 WO2009116613A1 (ja) 2008-03-21 2009-03-19 茶葉の摘採適性評価方法及び摘採適性評価装置、摘採適性評価システム並びにコンピュータ使用可能な媒体

Publications (2)

Publication Number Publication Date
CN101971006A CN101971006A (zh) 2011-02-09
CN101971006B true CN101971006B (zh) 2013-06-05

Family

ID=41091011

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200980108750.8A Active CN101971006B (zh) 2008-03-21 2009-03-19 茶叶采摘适当性评价方法以及采摘适当性评价装置、采摘适当性评价***

Country Status (4)

Country Link
JP (1) JP5361862B2 (zh)
CN (1) CN101971006B (zh)
AU (1) AU2009226465B2 (zh)
WO (1) WO2009116613A1 (zh)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5593255B2 (ja) * 2011-03-04 2014-09-17 株式会社日立製作所 植生制御装置、植物育成システム
JP2012189549A (ja) * 2011-03-14 2012-10-04 Horiba Ltd 分析装置
JP5930185B2 (ja) * 2012-04-27 2016-06-08 株式会社 伊藤園 茶葉の摘採適性評価方法及び摘採適性評価装置、摘採適性評価システム並びにコンピュータ使用可能な媒体
JP5950166B2 (ja) 2013-03-25 2016-07-13 ソニー株式会社 情報処理システム、および情報処理システムの情報処理方法、撮像装置および撮像方法、並びにプログラム
CN103999635B (zh) * 2014-05-21 2016-01-06 浙江工业大学 基于机器视觉的智能化自动切割式采茶机及工作方法
CN104330410B (zh) * 2014-11-04 2015-11-25 南通宏大机电制造有限公司 位于无人机上的作物病虫害检测***
WO2016181743A1 (ja) * 2015-05-12 2016-11-17 コニカミノルタ株式会社 植物生育指標測定装置および該方法ならびに植物生育指標測定システム
WO2017221756A1 (ja) * 2016-06-22 2017-12-28 ソニー株式会社 センシングシステム、センシング方法、及び、センシング装置
US11047793B2 (en) 2016-08-17 2021-06-29 Sony Corporation Signal processing apparatus, signal processing method, and progress
JP6862229B2 (ja) 2017-03-15 2021-04-21 キヤノン株式会社 解析装置、撮像装置、解析方法、および、プログラム
JP7156282B2 (ja) * 2017-07-18 2022-10-19 ソニーグループ株式会社 情報処理装置、情報処理方法、プログラム、情報処理システム
JP7218365B2 (ja) * 2018-06-06 2023-02-06 株式会社Ｎｔｔドコモ 情報処理装置
CN110009149B (zh) * 2019-04-01 2023-04-07 无锡市茶叶品种研究所有限公司 基于物联网技术的茶树开采期预测方法
CN112014132B (zh) * 2020-03-20 2022-05-17 日照市农业机械化技术推广服务站 北方茶叶采摘机械的试验评价方法
CN111950773A (zh) * 2020-07-22 2020-11-17 清远市智慧农业研究院 一种茶叶产量预测***及方法
CN112006120B (zh) * 2020-08-27 2022-05-31 江南大学 基于气味及3d结构光的茶叶锅式杀青***
CN112595676B (zh) * 2020-11-11 2024-06-28 农芯科技(广州)有限责任公司 茶叶品质评价方法及茶叶品质评价装置
CN112931643B (zh) * 2021-03-17 2024-03-05 河南科技大学 一种炒茶机器人的控制方法及炒茶机器人
CN114295614B (zh) * 2021-12-31 2023-06-27 湖北省农业科学院农业质量标准与检测技术研究所 茶树病虫害检测车、检测装置、检测***和检测方法
CN114049574B (zh) * 2022-01-11 2022-04-15 易旺(北京)企业管理有限公司 茶叶成熟度检测方法、茶叶采摘方法及相关设备
CN115170967A (zh) * 2022-07-22 2022-10-11 中科三清科技有限公司 一种茶叶采摘方法、装置、电子设备和存储介质
CN115943809B (zh) * 2023-03-09 2023-05-16 四川省农业机械研究设计院 一种基于质量评价的采茶优化方法和***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001327249A (ja) * 2000-05-19 2001-11-27 Kagoshima Prefecture 茶葉の評価方法及びその装置
JP2006317195A (ja) * 2005-05-10 2006-11-24 National Agriculture & Food Research Organization 植物の生育度測定装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2005031A6 (es) * 1987-10-13 1989-02-16 Uriach & Cia Sa J Procedimiento para la obtencion de 1,3-dioxolanos 2,4-disustituidos.
JP2911150B2 (ja) * 1989-12-07 1999-06-23 株式会社佐竹製作所 茶生葉の品質評価方法及び該方法に基づく加工方法
JPH05223638A (ja) * 1992-02-12 1993-08-31 Tokyu Constr Co Ltd 測定画像の補正方法
JPH08114543A (ja) * 1994-10-17 1996-05-07 Shizuoka Seiki Co Ltd 茶葉品質評価方法
JPH08271413A (ja) * 1995-03-29 1996-10-18 Shizuoka Seiki Co Ltd 荒茶の製造方法
JPH1132576A (ja) * 1997-07-24 1999-02-09 T S Shokubutsu Kenkyusho:Kk 接ぎ木用苗育苗法、及び該育苗法によって作成された接ぎ木用苗
JP2006250827A (ja) * 2005-03-11 2006-09-21 Pasuko:Kk 作物の生育状況分析方法
JP2006314215A (ja) * 2005-05-10 2006-11-24 National Agriculture & Food Research Organization 移動体搭載用の生育度測定装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001327249A (ja) * 2000-05-19 2001-11-27 Kagoshima Prefecture 茶葉の評価方法及びその装置
JP2006317195A (ja) * 2005-05-10 2006-11-24 National Agriculture & Food Research Organization 植物の生育度測定装置

Also Published As

Publication number Publication date
CN101971006A (zh) 2011-02-09
WO2009116613A1 (ja) 2009-09-24
AU2009226465A1 (en) 2009-09-24
JP5361862B2 (ja) 2013-12-04
AU2009226465B2 (en) 2011-11-17
JPWO2009116613A1 (ja) 2011-07-21

Similar Documents

Publication Publication Date Title
CN101971006B (zh) 茶叶采摘适当性评价方法以及采摘适当性评价装置、采摘适当性评价***
Virlet et al. Field Scanalyzer: An automated robotic field phenotyping platform for detailed crop monitoring
CN106954385B (zh) 植物信息取得***、植物信息取得装置和植物信息取得方法
JP5930185B2 (ja) 茶葉の摘採適性評価方法及び摘採適性評価装置、摘採適性評価システム並びにコンピュータ使用可能な媒体
Vina et al. Monitoring maize (Zea mays L.) phenology with remote sensing
Lee et al. Estimation of rice growth and nitrogen nutrition status using color digital camera image analysis
Ali et al. Estimating leaf functional traits by inversion of PROSPECT: Assessing leaf dry matter content and specific leaf area in mixed mountainous forest
Gitelson 15 remote sensing estimation of crop biophysical characteristics at various scales
D'Odorico et al. High‐throughput drone‐based remote sensing reliably tracks phenology in thousands of conifer seedlings
Gitelson Remote estimation of crop fractional vegetation cover: the use of noise equivalent as an indicator of performance of vegetation indices
Calvao et al. Mapping Mediterranean scrub with satellite imagery: biomass estimation and spectral behaviour
Sakamoto et al. Assessment of digital camera-derived vegetation indices in quantitative monitoring of seasonal rice growth
Reyniers et al. A linear model to predict with a multi‐spectral radiometer the amount of nitrogen in winter wheat
Porter et al. Estimating biomass on CRP pastureland: A comparison of remote sensing techniques
Adeluyi et al. Estimating the phenological dynamics of irrigated rice leaf area index using the combination of PROSAIL and Gaussian Process Regression
US20220307971A1 (en) Systems and methods for phenotyping
Starks et al. Measuring eastern redcedar (Juniperus virginiana L.) mass with the use of satellite imagery
DALLA MARTA et al. Durum wheat in-field monitoring and early-yield prediction: assessment of potential use of high resolution satellite imagery in a hilly area of Tuscany, Central Italy
Gómez-Candón et al. Performance of the two-source energy balance (TSEB) model as a tool for monitoring the response of durum wheat to drought by high-throughput field phenotyping
Appeltans et al. Potential of laboratory hyperspectral data for in-field detection of Phytophthora infestans on potato
Hong et al. Comparison of ground‐based remote sensors for evaluation of corn biomass affected by nitrogen stress
Lovynska et al. LAI estimation by direct and indirect methods in Scots pine stands in Northern Steppe of Ukraine.
Baghzouz et al. Evaluating temporal variability in the spectral reflectance response of annual ryegrass to changes in nitrogen applications and leaching fractions
Vines et al. High-throughput plant phenotyping for improved turfgrass breeding applications
D'Odorico et al. Discerning Oriental from European beech by leaf spectroscopy: Operational and physiological implications

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant