CN108154195A

CN108154195A - 茶叶识别方法及使用该方法的茶叶分拣装置

Info

Publication number: CN108154195A
Application number: CN201810052852.3A
Authority: CN
Inventors: 张军辉
Original assignee: Zhenjiang Si Park Agricultural Co Ltd
Current assignee: Zhenjiang Si Park Agricultural Co Ltd
Priority date: 2018-01-19
Filing date: 2018-01-19
Publication date: 2018-06-12

Abstract

本发明提供的一种茶叶识别方法及使用该方法的茶叶分拣装置，包括如下步骤：步骤1，获取已知茶叶叶片的图像；步骤2，对获取的已知茶叶叶片的图像进行预处理；步骤3，提取预处理后的已知茶叶叶片的图像的图像特征；步骤4，对图像特征进行筛选和分类，建立预测识别模型；步骤5，参照预测识别模型判定待识别茶叶的品种。本发明具有以下优点：通过将智能硬件与手机操作***开发平台结合的方式，有效地提高了茶叶品种识别率，通过可移动设备的拍照功能来获取图像，并进行相应的图像识别处理，可以有效解决图像识别设备不便于携带的问题，同时通过对传统识别算法的优化与创新，有效地提高茶叶品种的识别准确率，获得更加便捷有效的分辨效果。

Description

茶叶识别方法及使用该方法的茶叶分拣装置

技术领域

本发明属于改进模式识别算法的数字图像识别处理技术方向，具体涉及茶叶识别与茶叶分拣领域，尤其涉及一种基于茶叶种类、形态等指标，进行自动化识别的茶叶识别方法及使用该方法的茶叶分拣装置。

背景技术

茶叶，是指茶树的叶子或芽，是世界上三大饮品之一，具有清热解毒、抗癌、清神醒目的作用，深受大众的喜爱。同时茶叶种植具有悠久的历史，种植区域十分的广泛，目前我国共有四个一级茶区，即华南茶区、西南茶区、江南茶区、江北茶区，茶叶的种植区域十分广阔，足以证明茶叶是十分受欢迎的。

在茶叶的生产过程中，茶叶识别与分拣是一道非常重要的工序，如不进行分拣则不能给茶叶进行分级，茶叶的质量参差不齐，不能发挥茶叶的最大效益，不能满足不同的市场需求。目前，茶叶识别主要有两种方式，一种是通过人工识别的方式，使用一些经验高的采茶工，利用人眼进行识别，识别准确率较高，但耗时长，人工费用高，而且，由于高级茶叶的采茶时间较短，需要雇佣大量采茶工，相关人力成本高；另一种是使用软件管理***对茶叶进行识别，通过机械工具对其进行分拣，效率较高，但分拣的成功率较低，主要是因为缺乏准确高效的分拣方法以及高精度的分拣设备。

数字图像处理又被称为计算机图像处理，是指通过计算机将图像信号转换成数字信号，并通过其进行处理的过程，它最早出现于上世纪50年代。通过计算机来进行图像视觉检测具有简单、方便、快速的特点，同时在农业科技相关方面已经取得了广泛的应用，研究人员通过对数字图像进行计算与分析，通过植物叶片的颜色、大小、纹理等特征，已经能够初步的对其进行分辨。但对目前成果来看，能够分辨出的茶叶种类较少，识别准确率较低，仍然是亟需解决的问题。

目前国内外主要采用计算机视觉技术和色选技术来对茶叶以及农产品进行筛选，国外的技术研究较早，从上个世纪70年代开始引入课题进行研究，目前国外几家成熟的色选机生产商，如SORTEX和ESM，已经研制出较为成熟的色选机，其通过机器识别和人工识别的一致率可以达到70％以上。但国内研究由于起步较晚，技术与欧美先进国家还有一定的差距，目前还处于理论研究阶段。比如，提出了通过提取茶叶的几何特征，如周长、半径、面积、长短轴等外形特征，以及茶叶的颜色特征，如灰度、对比度、RGB均值等颜色和纹理特征来对茶叶进行甄别，识别成功率能达到70％-80％以上，达到一个初步识别的效果[1-3]。

通过研究发现，数字图像处理已经能够对一些简单的、形状比较单一的茶叶叶片进行分别。但同时，由于茶叶种类繁多，具有不同的形状以及颜色，有些茶叶叶片大小、形状颜色差异较小，如果继续使用传统的特征参数，如叶片的面积、周长、颜色等要素，已经不能满足现在的需要，迫切需要对传统的识别算法进行改进，创新出新的算法，使之能够对不同种类、颜色、大小的茶叶进行更加细致的区分，进而提高识别精度。同时，采用新的硬件设计方法，通过可编程的电子设备，提高设备识别与分拣精度。

现阶段，以Linux为内核的Android平台开发技术已经日趋成熟，随着其硬件性能的不断提高，在许多领域，嵌入式智能硬件设备已经作为数据采集与智能控制的核心。同时，随着高清摄像头的发展，摄像头的分辨率逐步调高，带有摄像头的硬件设备价格不断降低，通过智能硬件设备来获取和分析图片也成为一种主流低成本的图像采集技术，得到了广泛应用。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于茶叶颜色、形状等图像特性的茶叶识别方法及使用该方法的茶叶分拣装置。

为解决上述技术问题，本发明提供的一种茶叶识别方法，包括如下步骤：

步骤1，获取已知茶叶叶片的图像；

步骤2，对获取的已知茶叶叶片的图像进行预处理；

步骤3，提取预处理后的已知茶叶叶片的图像的图像特征；

步骤4，对图像特征进行筛选和分类，建立预测识别模型；

步骤5，参照预测识别模型判定待识别茶叶的品种。

优选地，步骤4中，对图像特征进行筛选和分类，根据不同品种的茶叶将筛选出的图像特征分别建立为预测识别模板。

优选地，步骤5包括：

步骤5.1，参照预测识别模型，将待识别茶叶图像的图像特征与预测识别模板进行匹配，将待识别茶叶图像的图像特征归属为相匹配的预测识别模板对应的类；

步骤5.2，根据图像特征所归属的类，通过判别函数对待识别的茶叶进行识别。

一种茶叶分拣装置，包括茶叶识别装置；其中

所述茶叶识别装置包括：

获取装置，用于获取已知茶叶叶片的图像；

预处理装置，用于对获取的已知茶叶叶片的图像进行预处理；

提取装置，用于提取预处理后的已知茶叶叶片的图像的图像特征；

筛选分类装置，用于对图像特征进行筛选和分类，建立预测识别模型；

判定识别装置，用于参照预测识别模型判定待识别茶叶的品种。

优选地，筛选分类装置，用于对图像特征进行筛选和分类，根据不同品种的茶叶将筛选出的图像特征分别建立为预测识别模板。

优选地，判定识别装置包括：

匹配装置，用于参照预测识别模型，将待识别茶叶图像的图像特征与预测识别模板进行匹配，将待识别茶叶图像的图像特征归属为相匹配的预测识别模板对应的类；

分辨装置，用于根据图像特征所归属的类，通过判别函数对待识别的茶叶进行识别。

优选地，所述茶叶分拣装置还包括：壳体，所述茶叶识别装置设置在所述壳体内；平面托盘，所述平面托盘设置在所述壳体外侧，所述平面托盘与所述茶叶识别装置连接；茶叶分拣机构，所述茶叶分拣机构设置在所述壳体外侧，所述茶叶分拣机构与所述茶叶识别装置连接；存储装置，所述存储装置设置在所述壳体外侧，所述存储装置与所述茶叶识别装置连接。

优选地，所述茶叶分拣机构为机械手。

与现有技术相比，本发明茶叶识别方法及使用该方法的茶叶分拣装置具有以下优点：

1)研究图像识别***中设计的关键技术及算法，主要包括彩色图像灰度化、灰度拉伸等预处理技术，基于灰度值统计、空间灰度层共生矩阵、模板算子法的图像特征提取算法，基于BP神经网络的随机森林法，确定了图像识别***以及茶叶分拣***实现的完整流程。

2)在Android嵌入式智能软硬件环境下，基于Java的智能设备开发框架，选取合适的图像识别算法与技术，在智能硬件上实现了图像的拍摄存储、预处理、特征提取、识别与分类、后处理等，形成了一套完整的茶叶图片智能识别***。

3)通过使用内存复制算法提取像素信息、对已分类图片转换为进行JPEG格式转换、将识别算法的样本训练步骤移植到电脑上运行，可以优化***程序、提高处理速度、节省设备空间。

4)对***平台进行测试，可以拍摄和显示图片，可以对未分类的图片进行图像识别与分类，对已分类的图片的可以按照类别进行储存并浏览。对于大红袍、碧螺春、龙井等茶叶有较好的分析识别度，可以在茶叶生产中通过该装置将杂质剔除，从而提升茶叶优质率。

5)创新新型机械分拣设备，利用可开合机械手，对分拣平面进行坐标分区，大大加强茶叶分拣效率，减少人力成本支出，具有较强的市场空间。

通过将智能硬件与手机操作***开发平台结合的方式，有效地提高了茶叶品种识别率，通过可移动设备的拍照功能来获取图像，并进行相应的图像识别处理，可以有效解决图像识别设备不便于携带的问题，同时通过对传统识别算法的优化与创新，可以有效地提高茶叶品种的识别准确率，获得更加便捷有效的分辨效果。对于特征位数较高的鲜茶叶样本数据有较好的识别精度，有效地完善了传统设备识别效率低下的问题，同时该***还可移植到自动分拣的智能化硬件设备上，具有广阔的应用前景和市场优势。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。

图1为本发明茶叶识别方法流程图；

图2为本发明茶叶分拣装置原理图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

如图1、图2所示，本发明茶叶识别方法及使用该方法首先通过采集不同茶叶品种的鲜茶叶叶片，在相同条件下采用高清摄像头进行图像采集；接着针对传统算法的颜色、形状和纹理特征参数难以获得较高识别精度问题，在传统特征的基础上，重点研究鲜茶叶图像特征参数提取，并筛选出无用特征，建立相应的数学模型，用多种分类器进行分类图像识别；然后适用手机软件平台进行实时分析与展现，最后通过鲜茶叶图像识别***，分辨出所属茶叶的品种与位置。具体步骤如下：

茶叶叶片图像采集阶段：按照要求摘取N类不同的茶叶品种的鲜茶叶叶片，将叶片在相同的条件下，通过高清摄像头进行拍照，获取图片影像资料，并对其进行分类和整理。

图像预处理阶段：由于所拍摄的图片给存在光照、阴影、亮度较低等问题，会导致图像边缘模糊及存在噪声，因此需对图像进行预处理，来提高识别精度。具体可采用：图像灰度化处理、图像二值化背景分割、数学形态学处理以及清除边界附近对象等。

鲜茶叶图像特征提取：以往通过特征参数应用于鲜茶叶图像识别，难有较高的识别精度，还需提取大量有效特征参数来区分不同类茶叶的形态纹理。本实施例是提取鲜茶叶图像的颜色、形状、纹理特征，并将多重分形特征应用于鲜茶叶图像识别。

特征筛选机分类器分类识别：提取大量特征参数后，由于茶叶样本数据间存在大量的相关性，造成信息冗余，增大特征维数，反而降低识别精度。所以需要先对每个特征参数进行单因素多种类方差分析，得出特征的显著性水平，然后利用多轮末尾淘汰法对无效、冗余的特征参数进行筛选。并将筛选的特征参数建立相关预测识别模型，最后用多种不同分类器说明所得出的识别结果。

分类决策：在特征空间中对待识别图像对象进行分类。平面和空间图像中其物体和区域通常具有相同性和特异性，需要将具有一定相似度但并不完全一样的物体和区域归属为一类，根据最近距离原则、线性判别函数、统计决策理论和人工神经网络等决策规则设计判别函数。在有监督的统计分类中，事先已经确定了各个类别在特征空间中的区域，为了对被识别样本分类，可以为每个类别设计一个判别函数。采用随机森林算法，由多棵决策树组成的分类器，每棵决策树的生长依赖于独立同分布的随机向量，由有放回的子样本进行训练。决策树依照吉尼指数Gini(A)进行***：

式中，A表示吉尼指数向量v₁,v₂,……,v_m的集合，m表示总的样本数，v_i表示集合内的第i个特征向量；y_i表示特征向量v_i的所属类别，c表示放回的子样本数，p(v_i,j)表示A中包含v_i,j的概率，p(y_i)表示A中包含类别y_i的概率，p(y_i/v_i,j)表示类别y_i包含A且A包含v_i,j的概率；其中，v_i,j表示向量集合A中第i行第j列的特征向量；i＝1，2，…，c，j＝1，2，…，m。可用随机森林分类器对数据进行判别与分类，分类结果由其决策树投票决定。

本发明中还提供了一种基于茶叶识别方法的茶叶分拣装置，分拣装置包括分拣平面、分拣装置、茶叶存储箱、茶叶识别机构，分拣平面为一平面托盘，用于承装分散放置的不同种类的待分拣茶叶，茶叶识别机构用于对待分拣茶叶拍摄以获得茶叶高清图像，对茶叶图像进行图像处理以识别待分拣茶叶中的各类茶叶。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims

1.一种茶叶识别方法，其特征在于，包括如下步骤：

步骤1，获取已知茶叶叶片的图像；

步骤2，对获取的已知茶叶叶片的图像进行预处理；

步骤3，提取预处理后的已知茶叶叶片的图像的图像特征；

步骤4，对图像特征进行筛选和分类，建立预测识别模型；

步骤5，参照预测识别模型判定待识别茶叶的品种。

2.根据权利要求1所述的茶叶识别方法，其特征在于，步骤4中，对图像特征进行筛选和分类，根据不同品种的茶叶将筛选出的图像特征分别建立为预测识别模板。

3.根据权利要求1所述的茶叶识别方法，其特征在于，步骤5包括：

4.一种茶叶分拣装置，其特征在于，包括茶叶识别装置；其中

所述茶叶识别装置包括：

获取装置，用于获取已知茶叶叶片的图像；

5.根据权利要求4所述的茶叶识别方法，其特征在于，筛选分类装置，用于对图像特征进行筛选和分类，根据不同品种的茶叶将筛选出的图像特征分别建立为预测识别模板。

6.根据权利要求4所述的茶叶识别方法，其特征在于，判定识别装置包括：

7.根据权利要求4所述的茶叶分拣装置，其特征在于，所述茶叶分拣装置还包括：

壳体，所述茶叶识别装置设置在所述壳体内；

平面托盘，所述平面托盘设置在所述壳体外侧，所述平面托盘与所述茶叶识别装置连接；

茶叶分拣机构，所述茶叶分拣机构设置在所述壳体外侧，所述茶叶分拣机构与所述茶叶识别装置连接；

存储装置，所述存储装置设置在所述壳体外侧，所述存储装置与所述茶叶识别装置连接。

8.根据权利要求7所述的茶叶分拣装置，其特征在于，所述茶叶分拣机构为机械手。