常 睿，張 瑩，楊 娟，王 杰，陳善敏，鐘應(yīng)富

（重慶市農(nóng)業(yè)科學(xué)院茶葉研究所/重慶市茶葉工程技術(shù)研究中心，重慶永川 402160）

自動化、標(biāo)準(zhǔn)化、智能化是未來茶葉加工產(chǎn)業(yè)發(fā)展的必經(jīng)之路，而茶葉作為我國主要特色農(nóng)業(yè)產(chǎn)業(yè)，目前仍然是現(xiàn)代化發(fā)展程度較低的傳統(tǒng)非“技術(shù)型”加工產(chǎn)業(yè)。近年來，隨著茶葉消費量增加和消費觀念日趨理性，茶葉品質(zhì)日益受到大眾關(guān)注。實時狀態(tài)下根據(jù)茶葉的視覺特征對其進行分類分級，是茶葉加工生產(chǎn)過程中的重要環(huán)節(jié)之一。這些視覺信息可直接反映茶葉的物理特性，也可作為采摘標(biāo)準(zhǔn)、加工程度、感官審評的重要判斷依據(jù)[1]。

傳統(tǒng)茶葉加工主要采用“看茶制茶”的方式，基本依賴于制茶人員的生產(chǎn)經(jīng)驗，即先用眼睛觀察茶葉表面的色澤變化程度，再用鼻子辨別葉片揮發(fā)出的氣味特征和濃郁程度[2]。一方面，傳統(tǒng)人工判定方法需要制茶人員經(jīng)歷長時間培訓(xùn)和校正，且具備豐富的加工經(jīng)驗，才能做出準(zhǔn)確的判斷。另一方面，制茶人員的感官能力和靈敏度極易受外界因素和主觀因素的干擾。人的嗅覺、味覺和視覺等感官能力因地域、性別、身體狀況、外界環(huán)境（氣候、光照）等影響而產(chǎn)生很大差異，在實際生產(chǎn)加工中難以保證判定的準(zhǔn)確性。因此，采用更為客觀的評估技術(shù)手段，建立自動智能分級系統(tǒng)成為茶葉加工產(chǎn)業(yè)的研究重點。

計算機視覺技術(shù)（Computer vision，CV）是目前最具發(fā)展前景的食品質(zhì)量客觀評估方法之一，與人工視覺相比，其最大優(yōu)勢在于快速、精準(zhǔn)和可量化。雖然不同茶類的加工方法和品質(zhì)各不相同，但分級原理相通，其中3 個視覺評估指標(biāo)最為常見，即顏色、形狀和紋理。因此，本文圍繞計算機視覺技術(shù)的研究現(xiàn)狀和原理，以及其在茶葉加工領(lǐng)域中的應(yīng)用展開綜述。

1 計算機視覺技術(shù)概述

1.1 計算機視覺技術(shù)研究現(xiàn)狀

計算機視覺技術(shù)，也稱機器視覺技術(shù)，是一門與計算機圖形學(xué)、圖像處理、模式識別、人工智能和機器學(xué)習(xí)等多種技術(shù)密切相關(guān)的新興學(xué)科，具有快速、無損、實時、經(jīng)濟、一致等檢測特點[3]。計算機視覺技術(shù)起源于20 世紀(jì)50 年代，早期目的是改善人的視覺效果和成像質(zhì)量。1965年，Roberts利用計算機編程率先開始三維視覺研究。20 世紀(jì)70 年代，David Marr教授及其研究團隊提出具有里程碑意義的計算視覺理論，此后，計算機視覺技術(shù)進入高速發(fā)展時期。近年來，由于巨量數(shù)據(jù)不斷涌現(xiàn)、深度學(xué)習(xí)取得重大進展、計算能力快速提升，人工智能領(lǐng)域?qū)崿F(xiàn)了巨大飛躍，其最熱子領(lǐng)域之一的計算機視覺也因此成為各界公認(rèn)的前瞻性研究，部分研究成果已投入實際應(yīng)用，催生出人臉識別、無人駕駛、醫(yī)學(xué)診斷、智能視頻監(jiān)控等多個極具顯示度的商業(yè)化應(yīng)用[4]。

1.2 計算機視覺技術(shù)原理

計算機視覺的基本原理是利用各種成像系統(tǒng)代替人的視覺，獲取目標(biāo)圖像信息后傳送到圖像處理系統(tǒng)，將圖像信息（顏色、紋理、亮度、像素分布等）轉(zhuǎn)換成數(shù)字信息，對數(shù)字信息進行各種運算與處理后，提取目標(biāo)特征信息進行分析、處理和理解，最終實現(xiàn)對目標(biāo)物體的識別、檢測和控制等[5]。計算機視覺處理系統(tǒng)主要由圖像輸入系統(tǒng)（圖像采集器、樣品池、均勻光源等）和圖像處理系統(tǒng)（處理、分析信息的軟件或硬件）兩部分構(gòu)成，其中核心在于圖像處理，即將圖像信息加工處理后輸出為改善后圖像或識別結(jié)果。常見圖像處理方法及原理如表1所示。

表1 常見圖像處理方法及原理

隨著計算機性能提高，大多關(guān)于計算機視覺技術(shù)的研究均是利用高級語言編寫而成的圖像處理軟件來完成。一些通用圖像處理系統(tǒng)，如Adobe Photoshop、Adobe illustrator、CorelDRAW、3D Studio Max等，為科技工作者在圖像處理方面提供了良好而強大的處理平臺。

2 計算機視覺技術(shù)在茶葉加工中的應(yīng)用

隨著科學(xué)技術(shù)不斷提高，計算機視覺技術(shù)已經(jīng)在農(nóng)業(yè)物種資源檢測、作物生長狀態(tài)監(jiān)測、農(nóng)產(chǎn)品自動化收割及農(nóng)產(chǎn)品品質(zhì)檢測等方面得到了廣泛的應(yīng)用，其在茶葉加工領(lǐng)域中的應(yīng)用雖起步較晚，但發(fā)展前景極為廣闊。

2.1 茶葉的視覺特征

茶葉品質(zhì)由內(nèi)部和外部構(gòu)成。內(nèi)部品質(zhì)主要決定于滋味和香氣兩方面，與茶葉內(nèi)部生理生化成分（如茶多酚、兒茶素、游離氨基酸、可溶性糖等）的組成和含量密切相關(guān)。外部品質(zhì)則主要包括茶葉的形狀、色澤和紋理。形狀特征是對某個芽、葉片、在制品或成品的邊緣、區(qū)域進行描述，如成茶形狀有扁形、針形、卷曲形和球形等；顏色特征是基于顏色坐標(biāo)和顏色空間分割方法的一種表達方式，茶葉色澤一般包括干茶、茶湯、葉底三部分，如干茶色澤主要有翠綠、深綠、烏褐等；紋理特征是圖像中相鄰像素的灰度或顏色的空間相關(guān)性，或是灰度和顏色隨空間位置變化的視覺表現(xiàn)[7]。

2.2 茶鮮葉分級

鮮葉是制茶的原料，是茶葉品質(zhì)的重要基礎(chǔ)，鮮葉分級對于指導(dǎo)茶葉生產(chǎn)加工具有重要的現(xiàn)實意義。吳正敏等以谷雨前機采綠茶（含單芽、1 芽1 葉、1 芽2 葉、1 芽多葉、茶梗、茶碎片）為研究對象，采用CCD 相機獲取樣本圖像，利用Labview vision 和圖像處理技術(shù)分析其凸包周長、凸包面積、長短軸長度等特征，通過BP 神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)了名優(yōu)綠茶有效分級，其識別正確率可穩(wěn)定在90%以上[8]。實驗室相關(guān)研究為茶葉實際加工生產(chǎn)提供了理論基礎(chǔ)。江才華等首先利用計算機視覺技術(shù)對茶鮮葉圖片進行預(yù)處理（圖像灰度化和濾波），再根據(jù)茶鮮葉紋理無規(guī)則性選擇灰度共生矩陣提取其紋理特征，最后利用支持向量機（SVM）實現(xiàn)茶鮮葉在線分類，準(zhǔn)確率可達到96%以上[9]。

2.3 加工監(jiān)測

茶葉加工與茶葉視覺變化密切相關(guān)，在制品在水分散失、高溫加熱、外力作用、酶促反應(yīng)等一系列反應(yīng)下，會產(chǎn)生劇烈的化學(xué)、物理、生理變化，其顏色、形狀、紋理等圖像特征亦隨之改變。加工過程中，茶葉視覺特征的變化是內(nèi)含成分轉(zhuǎn)化在外觀上形成的反映，因此可作為判斷加工適度與否的直接感官指標(biāo)。李莎莎等以不同發(fā)酵時間紅茶在制品為研究對象，通過計算機視覺系統(tǒng)實時采集其特征信息，將在制品圖像與標(biāo)準(zhǔn)發(fā)酵圖像（發(fā)酵感官品質(zhì)最佳）進行相似度匹配分析，采用D 值（Manhattan 距離算法計算R/G/B 顏色分量直方圖相差度）作為相似度量準(zhǔn)則，當(dāng)D 值小于設(shè)定閾值時，則判定為發(fā)酵適度，判別準(zhǔn)確率可達93.2%[10]。伍洵等利用計算機視覺對綠茶炒干制品的外形和色澤變化進行實時監(jiān)測，同時引入曲率半徑描述茶葉干茶外形曲線彎曲變化程度，結(jié)果表明，在制品的曲率半徑值隨炒干時間的增加而逐漸下降[11]。葉玉龍利用計算機視覺對綠茶在制品紋理與色澤變化進行了分析研究，結(jié)果表明，攤放過程中因水分散失，葉片色澤變淡、亮度增加、灰度增加而綠色減少；而揉捻葉色澤變暗褐、色調(diào)均值下降、紋理趨于復(fù)雜；茶湯色澤逐漸由黃綠、淡而亮向黃微紅、深而暗轉(zhuǎn)變[12]。

2.4 品質(zhì)評價

成品茶外形是其命名和分類的重要依據(jù)，也是內(nèi)含成分在加工過程中產(chǎn)生不同程度降解和氧化聚合的總反映，更是分辨品質(zhì)優(yōu)劣的重要因素之一。金山峰等研發(fā)并設(shè)計了茶葉品質(zhì)在線檢測及自動分級和收集裝置，采用機器視覺技術(shù)結(jié)合Open CV、Visual C++軟件，開發(fā)了茶葉品質(zhì)在線評價系統(tǒng)，系統(tǒng)運行穩(wěn)定，對市售婺源仙芝綠茶、碧螺春綠茶的分級準(zhǔn)確率達到93%以上[13]。童陽等以4 個等級碧螺春綠茶為研究對象，采用小波變換和灰度共生矩陣提取茶葉圖像的紋理特征，采用RGB 和HIS 顏色模型提取圖像的顏色特征，利用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)參數(shù)，建立茶葉感官品質(zhì)的BP 神經(jīng)網(wǎng)絡(luò)分級模型，模型總體識別率可達93.8%，結(jié)果表明計算機視覺分級模型具有較高的準(zhǔn)確度和穩(wěn)定性[14]。

3 結(jié)語

計算機視覺技術(shù)是一項可以客觀評定茶葉等級的檢測技術(shù)，具有快速、無損、客觀、高效、成本低等特點，基于這一技術(shù)的分級系統(tǒng)已經(jīng)在部分地區(qū)進入實際應(yīng)用階段。然而，要推廣計算機視覺分級技術(shù)并取代人工評級，還有許多問題亟待解決。1）盡管計算機視覺技術(shù)在茶鮮葉分級、加工監(jiān)測、品質(zhì)評價等方面已取得一定進展，但由于茶葉種類眾多、生長環(huán)境和加工工藝復(fù)雜，具有不易識別性，因此需要在圖像處理、模式識別、分析軟件設(shè)計等方面力求算法的快速性、精準(zhǔn)性和有效性。2）目前計算機視覺在茶葉加工領(lǐng)域中的應(yīng)用研究對象主要集中于靜態(tài)個體，后續(xù)研究可考慮提升茶葉圖像信息動態(tài)化獲取效率。3）茶葉成像過程中會受光源、樣品位置、環(huán)境反光等多種因素的影響，這些因素在實際生產(chǎn)環(huán)境中往往帶有不可控性，導(dǎo)致采集的圖片質(zhì)量不一致，需要對圖像采集裝置進行優(yōu)化設(shè)計，既要便于操作，又能屏蔽外界干擾，使之適應(yīng)實際生產(chǎn)環(huán)境。