李素朵

(河北工程技術學院，石家莊 050091)

0 引言

茶葉是世界范圍內的三大飲料之一，最早在我國被發(fā)現(xiàn)和利用，且廣泛出口到其它國家。經過長期的發(fā)展，茶葉不僅推動了我國的文明進程，還豐富了進口國的物質文化生活，在世界歷史文化中占有重要地位。目前，我國的茶葉種植面積和產量都位居世界第一，出口量也位于世界前列，因此成為農業(yè)經濟的重要組成部分。

茶葉之所以受到廣泛的歡迎，得益于其中富含的多種具有營養(yǎng)價值和保健功能的化學成分，這些也是茶葉能夠作為飲料的根本[1]。茶葉中的各種營養(yǎng)物質包括維生素、無機鹽和生理活性物質，在人體的營養(yǎng)供應和醫(yī)療保健上能夠發(fā)揮重要的作用。茶葉中的維生素主要是維生素A、維生素E和維生素B，其功能涉及維持人體正常的生理機能，預防疾病和延緩衰老。茶葉中的無機鹽主要為鉀、鐵、碘和氟，既是新陳代謝所必需的物質，又是生理反應不可缺少的因子。茶葉中的生理活性物質包括茶多酚、咖啡堿和各類氨基酸，是茶葉具備保健功能的物質基礎。

我國雖然是茶葉生產和出口的大國，但茶葉產業(yè)在經過了多年的快速發(fā)展后，近些年開始遭遇瓶頸，產業(yè)效益徘徊不前。究其原因：我國沒有建立完善的茶葉品質檢測體系，茶葉的分級技術落后，導致了產品的品質參差不齊。我國茶葉在國際市場的競爭力沒有被充分開發(fā)出來，容易受到其它國家貿易壁壘的影響。因此，開發(fā)新的茶葉品質分級技術方法，加強基于品質的分級，才能推動茶葉產業(yè)的持續(xù)發(fā)展。

茶葉的品質包括外部品質和內部品質，前者主要為形狀和色澤，形狀包括扁形、針形、片形等，色澤包括綠色、紅色、黃色等[2]。茶葉的內部品質主要為滋味和香氣，都是由茶葉所含的營養(yǎng)物質成分決定的。外部品質和內部品質共同反映茶葉的營養(yǎng)價值，其部分參數(shù)之間還存在明顯的相關性。

茶葉品質是分級的依據(jù)，傳統(tǒng)的品質鑒定是依靠人的視覺、嗅覺和味覺來進行分析判斷。這種方法具有很強的主觀性，且評審者經驗、心理和狀態(tài)會對評審過程產生影響，難以獲得穩(wěn)定一致的結果。因此，若要對茶葉實現(xiàn)準確分級，必須以品質的精準檢測為基礎。依托相關學科的快速發(fā)展，人們研究了多種茶葉的品質檢測技術和方法，為茶葉的快速分級開辟了途徑。

目前，對茶葉內部品質的檢測主要是利用各類傳感器進行的。張紅梅等和陳哲等分別利用金屬氧化物氣敏傳感器組成的電子鼻檢測毛尖茶和碧螺春的氣味，對不同等級的茶葉樣本獲得了很高的識別率[3-4]。王新宇等基于非特異性化學傳感器陣列組成的電子舌，并輔以模式識別，對4個不同等級炒青茶葉獲得了100%的識別率[5]。

對于茶葉的外部品質，主要采用計算機視覺檢測。計算機視覺是在計算機和圖像處理技術的基礎上產生的，其利用相機代替人眼獲取圖像，再用電腦對目標物體進行識別和分析[6]。計算機視覺在農業(yè)領域的用途廣泛，而農產品質量檢測分級是一個重要方面[7-9]。目前，計算機視覺在茶葉品質檢測中的應用也得到了深入的研究，主要集中在色澤和外部形態(tài)上，且取得了較好的識別分級效果，體現(xiàn)出廣闊的應用前景[10-14]。

茶葉的等級劃分須要綜合評判各種品質特征，之前的品質檢測大多只針對了單一的外部或內部特性，對分級的指導存在片面性。陳全勝等利用高光譜圖像技術能集成光譜檢測和圖像檢測的優(yōu)點，設計了一套光譜儀數(shù)據(jù)采集系統(tǒng)，可同時檢測茶葉的內部和外部品質，提高了等級劃分的準確性[15]?；诰C合多種品質特征用于分級的思路，本文采用計算機視覺技術同時檢測茶葉形狀和茶水顏色特征，在神經網(wǎng)絡中進行數(shù)據(jù)分析和判別，以提高茶葉等級劃分的準確性。

1 材料與方法

1.1 試驗材料與設備

試驗所用茶葉是從當?shù)厥袌鲑徺I的相同綠茶品種4個等級的干茶葉，分別是特級、一級、二級和三級。

以10片代表性的茶葉作為1個樣本，置于光照箱中拍攝圖像。光照箱為0.4m×0.3m×0.5m的箱體，內部黑色，底部為白色。箱體上壁兩側各安裝1盞白熾燈作為光源，頂部安裝1臺GenieNano C640型CCD相機，拍攝形成2080萬像素的JEPG格式圖像。JEPG格式圖像通過A/D轉換器轉換為BMP格式后，由核心計算機進行后續(xù)的分析。核心計算機為聯(lián)想T6900C型，其硬件系統(tǒng)包括Intel 酷睿i7600型CPU，8GB的DDR4型內存。計算機安裝的軟件為MatLab工具箱，可以滿足對圖像實時分析處理的要求，并能進行BP神經網(wǎng)絡的建模和檢驗分析。

1.2 試驗方法

從每個等級的茶葉中選出40個樣本，隨機抽取其中的20個作為建模集，剩余的20個作為檢驗集。每個樣本先拍攝茶葉的圖像，檢測形狀特征；然后加入20mL沸水沖泡5min，將茶水濾出到玻璃皿中拍攝圖像，檢測顏色特征。

受成像設備和外部因素的影響，拍攝獲得的圖像中會存在噪音干擾，降低品質檢測的準確性。采用中值濾波法，將圖像中的窗口按灰度值排序，以中間值作為圖像像素的中心值，從而保證圖像在去除噪音后也能具有較高的質量。去除噪音后的圖像中背景主要為白色，同時夾雜少量黑點，利用顏色的差異將目標從背景中分離出來。

灰度閾值設置為80，將灰度圖像轉換為二值圖像，對圖像中的單片茶葉進行標記；根據(jù)顏色差異選擇合適的閾值，通過閾值分割提取單片茶葉的輪廓，用于分析形狀特征。本文中目標特征受光照影響不大，因此基于HIS顏色空間將灰度圖做最大類間方差分析后通過直方圖獲得閾值，用于分割圖像。

茶葉形狀和色澤與品質之間的相關性規(guī)律不能用常規(guī)的邏輯進行明確描述，需要借助于神經網(wǎng)絡對大量數(shù)據(jù)的處理能力，通過自我適應實現(xiàn)對茶葉等級的判定。將建模集共80個樣本的形狀和色澤參數(shù)經過標準化變換后輸入BP神經網(wǎng)絡，在3層神經結構中計算擬合殘差，建立檢驗模型；用檢驗模型對檢驗集的80個樣本進行品質預測，評判分級的準確性。

2 結果與分析

經過預處理后，茶葉和茶水的圖像清晰，背景干擾少，目標區(qū)域的邊界清楚，獲得了較好的圖像質量，如圖1所示。

A.茶葉 B.茶水

經過灰度化后，圖像的黑白效果明顯增加，顏色差異得到了增強，使得目標區(qū)域的輪廓更加容易提取，如圖2所示。

A.茶葉 B.茶水

通過閾值分割完成目標區(qū)域提取后，茶葉和茶水被從背景中分離出來，目標區(qū)域用白色表示，背景用黑色表示，如圖3所示。

A.茶葉 B.茶水

檢驗集的茶葉等級檢測結果如表1所示。其中，20個特級樣本中僅有1個被誤判為一級，準確率為95%；20個一級樣本中各有1個被誤判為特級、二級和三級，準確率為85%；20個二級樣本中僅有2個被誤判為一級，準確率為90%；20個三級樣本中分別有1個和2個被誤判為一級和二級，準確率為85%?？傮w上看，計算機視覺技術對各等級的茶葉都能有效地識別，檢測的總體準確率達到88.8%，可以應用于茶葉的實時等級檢測。

表1 茶葉等級檢測的準確率

3 結論

利用計算機視覺技術獲取茶葉和茶水的圖像，經過預處理、灰度化和閾值分割提取茶葉的形狀和茶水的顏色特征，并在神經網(wǎng)絡中建立模型，對特征數(shù)據(jù)進行分析后判別茶葉的等級。試驗結果表明：計算機視覺對各等級的茶葉都能有效地識別，檢測總體準確率達到88.8%，可以應用于茶葉的實時等級檢測。試驗中，計算機視覺對茶葉等級的檢測沒有能達到100%的準確率，還出現(xiàn)了個別一級樣本被誤判為三級、三級樣本被誤判為一級的情況。因此，這項技術在實踐中的應用還有改進的空間，可以通過優(yōu)化神經網(wǎng)絡算法及增加建模特征參數(shù)的數(shù)量以達到提高檢測準確率的效果。