黃留鎖，宋　艷（河南教育學(xué)院，河南鄭州 450046）

?

茶葉茶梗的計算機在線識別技術(shù)及其應(yīng)用

黃留鎖，宋艷
（河南教育學(xué)院，河南鄭州 450046）

本文重點介紹茶葉茶梗的計算機在線識別技術(shù)以及在整個系統(tǒng)中的應(yīng)用，首先通過對茶葉茶梗的在線識別技術(shù)RGB顏色模型、最小錯誤率的貝葉斯決策模型的詳細介紹，從而為茶葉茶梗的計算機在線識別技術(shù)提供理論依據(jù)，然后通過整個茶葉的自動化采摘和分揀系統(tǒng)的介紹，對在線識別技術(shù)的應(yīng)用進行詳細說明，從而實現(xiàn)茶葉茶梗的自動化分揀。

RGB模型；最小錯誤率貝葉斯決策模型；茶葉分揀

1　概述

自古以來，我國就是茶葉的重要生產(chǎn)國和銷售國，茶葉和瓷器都是中國特色的產(chǎn)業(yè)輸出，一直在國際上享有盛名。作為我國特色的產(chǎn)業(yè)之一，茶葉在國內(nèi)的銷售市場也非常龐大，催生出的茶文化以及相關(guān)的附屬產(chǎn)業(yè)，都為我國的社會發(fā)展和經(jīng)濟水平提升作出不可磨滅的貢獻。在我國茶葉生產(chǎn)過程中，傳統(tǒng)的茶葉生產(chǎn)方式都是通過人工手工作業(yè)的方式，通過采摘、篩選、揀別的前期作業(yè)方式以及后期的炒茶、干燥等基本流程來完成茶葉的生產(chǎn)過程。整個過程全部是人工手工作業(yè)，嚴重影響了茶葉生產(chǎn)的效率。隨著科學(xué)技術(shù)水平的不斷提升，計算機應(yīng)用技術(shù)快速發(fā)展，視頻圖像處理和計算機視覺技術(shù)的廣泛應(yīng)用，使得農(nóng)業(yè)機械自動化得到快速發(fā)展，茶葉的采摘工作也逐步向半自動化和全自動化的方向快速發(fā)展，這對于我國茶葉生產(chǎn)來說，是一次非常大的技術(shù)提升。但是由于整個自動采摘的智能化水平相對較低，采摘的茶葉中混有很多茶梗、黃葉等雜質(zhì)，這對高等級茶葉的生產(chǎn)來說，是非常不利的。如果單純地依靠手工作業(yè)篩選茶梗、黃葉等雜質(zhì)，那么作業(yè)效率仍舊是非常低下，所以通過計算機技術(shù)來實現(xiàn)茶葉茶梗自動識別和分離的自動化設(shè)備對于茶葉生產(chǎn)效率的提升來說，是非常重要的。利用RGB顏色模型、最小錯誤率的貝葉斯決策模型等多種分類模型來設(shè)計相應(yīng)的算法，通過圖像采集器來收集采摘的茶葉的實時圖像，并對其進行特殊處理和在線識別，從而驅(qū)動后面的分揀器對茶葉、茶梗、黃葉等進行分離操作，從而實現(xiàn)嫩芽與茶梗黃葉等雜質(zhì)的分離，實現(xiàn)高等級茶葉嫩芽的識別和分揀，提升茶葉生產(chǎn)效率，進而促進茶葉行業(yè)良好地、可持續(xù)地發(fā)展。

2　在線識別的分類模型算法

對于茶葉茶梗的在線識別技術(shù)，理論上是采用各種分類模型來實現(xiàn)，在分類模型的基礎(chǔ)上，實現(xiàn)各種算法過程，對實時圖像采集的采摘茶的圖片進行圖像采集并處理，然后經(jīng)過核心分類算法對其進行分類，最終驅(qū)動后面的機械分類設(shè)備來對茶葉中的茶梗、黃葉等雜質(zhì)進行分揀，從而實現(xiàn)對茶葉茶梗的分揀操作。常見的圖像處理分類模型包括RGB顏色模型、最小錯誤貝葉斯決策模型等，在此對著三種模型進行研究。

2.1RGB顏色模型

在通過自動化設(shè)備采摘的茶葉中，主要是包含的是嫩綠的嫩芽嫩葉，而老葉黃葉和茶梗在顏色上與茶葉嫩芽有著非常大的區(qū)別，所以通過對其顏色的判斷，來實現(xiàn)茶葉茶梗的識別和分離操作。

RGB模型就是常見的顏色模型，是將現(xiàn)實世界中的顏色轉(zhuǎn)化成可存儲、可對比的計算機數(shù)字值的模型。我們知道，在對整個顏色體系中，所有的顏色都是可以其他顏色調(diào)配出來的，而最基礎(chǔ)的顏色，則是紅、綠、藍三種，又稱為三原色，通過對三原色不同比例的設(shè)定和勾兌，則可以配出自然界中顏色體系中所有的顏色。按照這種思想，我們就可以將黑色、白色作為整個色系中的兩個極端顏色，而三原色紅（Red）、綠（Green）、藍（Blue）則構(gòu)成了R，G，B三個數(shù)據(jù)軸，黑色處在三個數(shù)據(jù)軸的原點，而白色則處在三個數(shù)據(jù)軸的最大值的交匯點。假如我們設(shè)定最大值交匯點三個數(shù)據(jù)軸取值各位1，那么所有的顏色則是在R，G，B三個數(shù)據(jù)軸從0到1取值時的交匯點，不同的交互點表示不同的顏色，所有的交匯點，表示了自然界中所有的顏色。如圖1所示，為RGB顏色模型中的原理結(jié)構(gòu)圖。

圖1　RGB顏色模型數(shù)據(jù)原理示意圖

通過RGB顏色模型可以知道，自然界中的顏色都可以通過三個不同的值來表示，那么在對自然界中的任何一種顏色，都可以使用計算機對其進行對比、區(qū)分、存儲、識別、處理、顯示等數(shù)字操作。

對于RGB顏色模型對茶葉茶梗在線識別對應(yīng)，可以通過視頻圖像處理的方法，將實時采集到圖像進行前期預(yù)處理后，對核心區(qū)域內(nèi)的圖像的顏色進行獲取和對比，從而得到核心區(qū)域的顏色，然后與期望的值進行對比，如果在期望值以內(nèi)，則說明是滿足茶葉等級采摘要求的，可以將其作為嫩芽，分類到茶葉嫩芽中；相反，如果超過期望值，則說明該核心區(qū)表示的物品應(yīng)該屬于茶梗、黃葉的雜質(zhì)一類，應(yīng)該將其去除。

2.2最小錯誤率的貝葉斯決策模型

最小錯誤率的貝葉斯決策模型是利用概率學(xué)的基本理論，對分類的最小錯誤率進行統(tǒng)計來建立的分類模型。在對茶葉以及茶梗、黃葉等雜質(zhì)的分類中，我們迫切希望識別出的茶葉嫩芽以及黃葉、茶梗等雜質(zhì)的正確率最高，發(fā)生錯誤的的概率最低，那么就可以為茶葉茶梗的在線識別構(gòu)建最小錯誤率的貝葉斯決策模型。

在固定時間段內(nèi)，采摘到茶葉中，混有茶葉嫩芽和茶梗、黃葉等雜質(zhì)的概率是一定的，那么在對茶葉、茶梗的在線識別中，假設(shè)茶葉嫩芽概率為P1，茶梗、黃葉等雜質(zhì)的發(fā)生概率為P2，則有P1+P2=1。如果僅僅是按照之前的經(jīng)驗來決定內(nèi)容中的所屬類別，那么則會導(dǎo)致很多錯誤發(fā)生，所以，需要對待分類的對象的各種特征進行提取，然后得到更多的有用信息。在構(gòu)建最小錯誤率的貝葉斯決策模型，首先要對采集到的信息進行d維的特征提取，從而得到相關(guān)的測量向量值，M=［M1，M2，M3，……，Md］T。假設(shè)，P（M|w1）為w1類別在M測量對象中的概率，P（M| w2）為w2類別在M測量對象中的概率。根據(jù)實際情況可知，在某個實際測量對象中，類別發(fā)生概率呈正態(tài)分布，那么對于不同的wi類別，其在M測量對象中發(fā)生的概率P（M|wi）為

通過貝葉斯公式可以知道，P（M|w1）為

那么在最小錯誤率的貝葉斯決策模型中，就可以根據(jù)此類算法對茶葉、茶梗的圖像進行處理之后，對核心圖像進行分類，然后驅(qū)動操作設(shè)備完成二者之間的分類，實現(xiàn)茶葉茶梗的在線識別過程。

除此之外，還有基于向量空間的最小距離的最小距離分類模型，都可以對茶葉茶梗的在線識別提供理論算法。

3　在線識別技術(shù)對茶葉茶梗的識別

利用計算機系統(tǒng)完成茶葉茶梗的在線識別，屬于一個茶葉自動化采摘和分揀系統(tǒng)的一個子系統(tǒng)，而整個系統(tǒng)的應(yīng)用，則是完成對茶葉自動化甄選、采摘、分攤、篩選的工作流程。如圖2所示，為茶葉自動化采摘和分揀系統(tǒng)的結(jié)構(gòu)示意圖。

圖2　茶葉自動化采摘和分揀系統(tǒng)結(jié)構(gòu)示意圖

對于茶葉茶梗的計算機在線識別，是在上述整個系統(tǒng)中的一個中間環(huán)節(jié)。在整個自動化采摘和分揀系統(tǒng)中，處于前端部分的為茶葉的自動采摘識別系統(tǒng)，通過圖像采集器1的采集到的圖像，經(jīng)過圖像的預(yù)處理之后，經(jīng)過茶葉等級選擇系統(tǒng)對預(yù)處理之后的采集圖像進行選擇之后，即可驅(qū)動自動采摘系統(tǒng)中的相關(guān)設(shè)備來對茶葉進行采摘。然后將采摘后的系統(tǒng)經(jīng)分攤系統(tǒng)將其均勻鋪平，然后進入到茶葉自動化采摘和分揀系統(tǒng)的后部門茶葉茶梗分揀系統(tǒng)，這也是茶葉茶梗在線識別技術(shù)主要應(yīng)用的環(huán)節(jié)。首先通過圖像采集器2對分攤的采集茶葉進行圖像采集，然后進行過相關(guān)的圖像預(yù)處理之后，進入到在線識別系統(tǒng)中，最后得到相應(yīng)的結(jié)果，驅(qū)動茶葉分揀系統(tǒng)的相關(guān)設(shè)備來對分攤的茶葉進行茶葉和茶梗、黃葉等雜質(zhì)的分離。

對于圖像采集器2采集到的圖像，首先要經(jīng)過圖像預(yù)處理的操作。對于圖像預(yù)處理的過程，包括傳統(tǒng)意義上的圖像優(yōu)化的過程以及圖像分割的過程。圖像優(yōu)化的過程是對采集到的分攤茶葉的圖像進行優(yōu)化處理，一般是采用傅里葉變換將圖像轉(zhuǎn)變成的不同頻段的頻率信號數(shù)據(jù)，并且采用相關(guān)的濾波器模型來進行圖像濾波的過濾技術(shù)，或者采用灰度映射函數(shù)來對圖像灰度直方圖進行修正的技術(shù)，來對對采集到的整個圖像進行視覺增強，從而消除圖像采集器2設(shè)備采集到的圖像中存在的視覺斑點或者一些模糊的噪聲數(shù)據(jù)。

在得到清晰的圖像之后，即可采用圖像分割技術(shù)，來將圖像內(nèi)的核心區(qū)域進行分割。一般的理解，在一張完整的茶葉茶梗圖像中，包括了茶葉嫩芽、茶梗、黃葉等物質(zhì)，而彼此之間在顏色等特征方面存在很大的差異。例如在顏色特征方面，圖像內(nèi)茶葉嫩芽與茶梗接觸處，兩邊存在不同的顏色，那么在圖像的RGB顏色模型來定位此處的圖像色值時，就會發(fā)現(xiàn)兩邊的色值發(fā)生了巨變，此時就可認定為此處為分界線。通過對整個圖像中的色值方面的分析，即可得到圖片中的所有物品的輪廓，從而可以得到輪廓內(nèi)的核心圖片內(nèi)容。那么就可以采用圖像二值化的方法，將圖像進行分割處理，從而得到了茶葉嫩芽、茶梗、黃葉以及其他物品在內(nèi)的所有核心圖片。然后將這些核心圖片送入到茶葉茶梗在線識別系統(tǒng)中，通過RGB分類模型、最小錯誤率的貝葉斯決策模型、最小距離分類模型或者多種模型的組合分類器來對各個圖片進行分類，通過各種算法來對茶葉嫩芽以及其他雜質(zhì)進行識別，然后將識別結(jié)果傳輸?shù)秸麄€系統(tǒng)的分揀系統(tǒng)，驅(qū)動相關(guān)的設(shè)備對整個茶葉茶梗進行分類操作，最終得到優(yōu)質(zhì)的茶葉嫩芽。

4　總結(jié)

茶葉茶梗的計算機在線識別技術(shù)主要是利用對茶葉茶梗自身特性而構(gòu)建的RGB顏色模型、或者利用概率統(tǒng)計學(xué)構(gòu)建的最小錯誤率的貝葉斯決策模型，亦或是通過形態(tài)學(xué)構(gòu)建的最小距離分類模型，在茶葉自動采摘之后，對整個茶葉進行分類，從而自動篩選出茶葉嫩芽，最終提升整個茶葉生產(chǎn)的效率，推動茶葉的自動化生產(chǎn)。

［1］陳筍，張春燕.一種茶葉茶梗色選機圖像快速分揀方法［J］.合肥學(xué)院學(xué)報（自然科學(xué)版）.2013（4）：36-41

［2］張春燕，陳筍，張俊峰等.基于最小風(fēng)險貝葉斯分類器的茶葉茶梗分類［J］.計算機工程與應(yīng)用.2012（28）：187-192，239.

［3］吳哲，劉孝星，鄭力新等.一種L-M優(yōu)化BP網(wǎng)絡(luò)的茶葉茶梗分類方法［J］.計算機技術(shù)與發(fā)展.2016（4）

［4］林茂先，江東，馬俊.茶葉色選技術(shù)的發(fā)展現(xiàn)狀及展望［J］.糧食與食品工業(yè).2011（3）：28-30.

宋艷（1979-），女，實驗師，碩士，研究方向：計算機應(yīng)用技術(shù)。

黃留鎖（1974-），男，講師，本科，研究方向：計算機應(yīng)用技術(shù)。