论文部分内容阅读
我国是世界上重要的茶叶生产国与销售国，浙江省作为中国的产茶大省，茶叶出口量占到了全国的2/3以上作为浙江名茶之首的龙井茶，目前主要的采摘方法是人工手采，效率低下，费用高昂，且在采茶的高峰时期务工难的现象时有发生使用机械采摘代替人工手采虽然能加快采摘效率，缓解劳动力不足，但是该方法一方面缺乏选择性，会把老叶嫩叶嫩芽一起采，另一方面，部分茶叶的嫩叶和嫩芽遭到了破坏，降低了龙井茶叶的采摘品质因此，需要研制出一种高效具有选择性低损伤率的自动采摘方法来实现龙井茶叶的标准化规模生产，其中最关键的技术之一就是研究龙井茶叶嫩芽的自动检测识别本文研究的目的就是将计算机视觉技术与龙井茶叶的采摘相结合，将视觉技术中的典型算法应用于采集到的茶叶图像中，通过计算机处理，实现龙井茶叶嫩芽的自动检测与分类识别，为最终实现大规模的龙井茶叶自动化采摘做准备本文的主要研究内容有：1简单综述了计算机视觉技术在茶叶领域的研究现状图像分割技术的应用及发展详细比对了多种经典的图像分割算法在龙井茶叶图像中的应用效果以及分类器模型支持向量机的工作原理2针对现场获取的龙井茶叶图像的特征，设计了一种混合的图像分割算法，对龙井茶叶图像进行初始分割该方法先利用茶叶图像的超绿-超红特征，阈值化方法和数学形态学变换剔除茶叶图像的部分背景，包括树枝土壤部分老叶及其它非嫩芽区域，保留完整的茶叶嫩芽及部分老叶，得到待分割图像然后使用梯度算子获取待分割图像的梯度，并提出了一种自适应的二值化方法，对梯度图像进行二值化处理，得到初始标记图像，再使用面积阈值法剔除伪标记区域，得到标记图像将此标记图像作为Meyer分水岭变换的输入标记，对龙井茶叶图像进行快速分割，获取初始分割图像3由于龙井茶叶的初始分割图像往往是过分割的，因此，提出了一种基于统计学的快速区域合并算法，合并过分割区域，得到茶叶嫩芽对象该方法利用了龙井茶叶初始分割图像中区域的颜色信息和纹理信息,先对这些区域应用线性时间复杂度的排序算法进行快速排序，得到待合并区域对合并的先后顺序，然后对相邻区域对进行概率估计，将满足给定合并准则的区域对予以合并龙井茶叶的初始分割图像经过区域合并算法后，得到了茶叶嫩芽轮廓，为后续的特征提取和识别做准备4由于茶叶嫩芽在颜色纹理以及形态上有差异，提取颜色纹理以及形态特征，训练判别模型支持向量机目前龙井茶叶级别品种的划分标准是根据嫩芽形态的不同，特级为一芽和一芽一叶初展，一级为一芽一叶开展和一芽二叶初展，二级为一芽二叶开展，三级及三级以上为一芽三叶本文利用训练好的支持向量机对以上四类龙井茶叶嫩芽进行分类识别，A类为一芽和一芽一叶初展，B类为一芽一叶开展和一芽二叶初展，C类为一芽二叶开展，D类为一芽三叶通过分析比对四种常用的核函数τ线性核多项式核径向基核sigmoid核υ，选用径向基函数τRadial Basis Function，RBFυ作为支持向量机的核函数，并采用网格搜索τgrid-searchυ算法确定核函数参数最后，对龙井茶叶嫩芽进行分类判别，并对实验结果进行了详细的分析和讨论本文设计的混合图像分割算法实现了龙井茶叶嫩芽从茶叶图像中的成功提取，之后利用提取出的茶叶嫩芽的特征信息训练支持向量机对嫩芽进行分类识别，取得了良好的识别效果