王化

摘 要：為了彌補傳統(tǒng)茶葉審評方法的不足，該文提出了一種基于高光譜技術的方法來識別茶葉品種。該方法能充分利用茶葉的內部成分和外觀特征來綜合識別茶葉品種。采集茶葉的高光譜數(shù)據，提取其顏色特征、紋理特征、光譜特征，結合支持向量機方法建立識別模型。結果表明，品種識別準確率最高可達100%，驗證了高光譜技術的優(yōu)越性。

關鍵詞：高光譜 特征提取 茶葉 品種識別

中圖分類號：TP391.41 文獻標識碼：A 文章編號：1674-098X（2017）03（c）-0101-02

目前茶葉的假冒現(xiàn)象時常發(fā)生，茶葉市場混亂，對茶葉貿易造成了不良影響，嚴重損害了消費者利益。如何快速、準確地辨別茶葉真假已經成為消費者和生產者的迫切需要。

傳統(tǒng)的茶葉檢測方法主要是人為的感官審評和理化檢測，這些方法主觀性強、影響因素多，缺點較多。對此，電子鼻、電子舌、機器視覺技術、光譜技術等無損檢測技術被應用，人們根據茶葉內部成分或者外部品質來識別茶葉。但是以上方法不能對茶葉內外品質綜合判斷，容易失去部分信息，影響識別結果。近年來，高光譜成像技術研究成為熱點。它把二維成像技術和光譜技術結合，同時獲取待測物質的內外信息，客觀快速地分析待測物質。該文以龍井茶葉為研究對象，利用高光譜數(shù)據提取其顏色、紋理、光譜特征，結合支持向量機方法（SVM），建立基于光譜特征、圖像特征和二者融合的龍井茶葉品種識別模型，分析對比模型效果，確立基于高光譜技術的龍井茶葉品種識別的最優(yōu)模型[1]。

1 材料與方法

1.1 實驗數(shù)據采集

材料選用浙江省杭州市汾口鎮(zhèn)的中茶108、龍井43號以及鳩坑群體種3種龍井鮮葉，采集后于當天送往實驗室。實驗的高光譜數(shù)據采集系統(tǒng)主要包含SOC710VP高光譜成像光譜儀、2個250 W的Pro-light室內高光譜照明、計算機等。其中SOC710VP高光譜成像光譜儀內置掃描裝置、CCD和光譜儀，波長范圍400～1 000 nm、光譜分辨率4.68 nm。

實驗在暗室中進行，稱取20 g茶葉作為一個樣本，均勻地平鋪在黑色培養(yǎng)皿中。為保證高光譜圖像清晰，采樣前反復調節(jié)，每種茶葉樣本采集200組，共得到600組大小為520×696×128的高光譜數(shù)據。

1.2 特征提取與建模

高光譜數(shù)據是一個三維數(shù)據塊，同時包含了樣本的圖像信息和光譜信息，涵蓋茶葉樣本的內外信息。但是，高光譜數(shù)據量過大以及波段之間相關性強，三維數(shù)據塊之間存在大量的冗余信息，因此，高光譜數(shù)據的降維對于提高識別模型的識別速率和準確率是非常有效的。主成分分析（PCA）是目前應用最廣泛的降維方法之一。經過PCA變換的高光譜數(shù)據只需少量的主成分就可以盡可能多地表征原始信息[2]。

在數(shù)字圖像處理中，物體的顏色、形狀和紋理是最常用的3種自然屬性，可以用來描述茶葉的外觀品質，不同品種茶葉甚至同一品種的不同等級茶葉的這些屬性都有差別。單片茶葉的形狀隨機性太大，因此，該文選擇顏色特征和紋理特征作為識別特征。顏色特征是茶葉品種識別的重要影響因子。為了定量描述并全面評價茶葉顏色，結合最常用的RGB模型和HSI模型提取紅色R、綠色G、藍色B、色調H、飽和度S、亮度I作為顏色特征。茶葉的紋理屬于自然紋理，一般采用統(tǒng)計分析方法。該文通過灰度共生矩陣（GLCM）方法提取對比度、相關性、能量、同質性、熵共5個紋理特征[3]。

植被的內部結構特征和化學特性對不同波長的光譜有不同的光譜響應。植被光譜具有一些反射特性明顯的獨特譜帶，這些特征譜帶包含的信息量較大、代表性強、能反映不同物種之間的差異。該文應用特征光譜位置參數(shù)（“三邊”位置）結合植被指數(shù)（比值植被指數(shù)、差值植被指數(shù)和歸一化差值植被指數(shù)）作為光譜特征來識別龍井茶葉品種[4]。

2 結果分析

截取高光譜數(shù)據100×100×128大小的感興趣區(qū)域（ROI）作為PCA，3種茶葉的前兩幅主成分圖像的累計貢獻率均有90%以上，代表每個樣本圖像的大多數(shù)高光譜信息。因此，將PC1和PC2作為特征圖像，設定像元距離為1，在0°、45°、90°、135°4個方向上構造GLCM，提取40個紋理特征。利用高光譜成像儀配套的SRAnal710軟件提取茶葉的RGB圖像，再提取ROI的6個顏色特征。中茶108的主成分圖像和RGB圖如圖1所示。

高光譜圖像每一個像素點都包含所有波長下的光譜信息，為了使光譜信息更具有代表性，提取指定ROI的100×100個像素點的平均光譜信息作為該茶葉樣本的反射光譜，如圖2所示。基于反射光譜提取“紅邊”“黃邊”“藍邊”、RVI、DVI、NDVI共6個光譜特征。

將以上52個特征作為輸入向量，利用SVM建立識別模型。SVM的識別模型受核函數(shù)影響較大，選取常用的線性核函數(shù)、RBF核函數(shù)和sigmoid核函數(shù)，對比識別結果。此外，用交叉驗證法確定懲罰系數(shù)C、gamma參數(shù)等多個影響因子的最佳參數(shù)。模型的評價標準由識別準確率（正確識別的種類數(shù)量/所有樣本數(shù)量）給定。結果如圖3所示。

該文充分利用高光譜數(shù)據，提取圖像和光譜特征作為龍井茶葉的品種識別特征。模型的平均準確率在99%左右，最高甚至達到100%，因此，利用高光譜技術識別龍井茶葉的品種是可行的，為今后茶葉市場的正規(guī)交易提供了技術支持。

參考文獻

[1] 吳瑞梅.名優(yōu)綠茶品質感官評價的儀器化表征研究[D].江蘇大學，2012.

[2] 湯守鵬，姚鑫鋒，姚霞，等.基于主成分分析和小波神經網絡的近紅外多組分建模研究[J].分析化學，2009，37（10）：1445-1450.

[3] 吳瑞梅，吳彥紅，艾施榮，等.茶葉外形品質的高光譜圖像量化分析[J].江西農業(yè)大學學報，2013，35（2）：413-418.

[4] 蔣帆，喬欣，鄭華軍，等.基于高光譜分析技術的機炒龍井茶等級識別方法[J].農業(yè)工程學報，2011（7）：343-348.