基于K-means聚类法的茶叶嫩芽识别研究.pdfVIP

第 36卷 第 5期 中国农机化学报 Vo1．36 No．5 2015年 9月 JournalofChineseAgriculturalMechanization Sep． 2015 基于 K-means聚类法的茶叶嫩芽识别研究* 吴雪梅 ，唐仙 ，张富贵，顾金梅 (贵州大学机械学院，贵 阳市 ，550O25) 摘要：以数码相机采集的茶叶图像为对象，研究茶叶嫩芽的识别方法 。采用基于 Lab颜色模型中a分量、b分量信息的K—means聚类法识 别彩色 图像 中的茶 叶嫩芽 。对不 同距离采集的茶叶图像 ，对 比分析 Ostu法(最大方差 自动取 阈法)和 3个聚类 中心的 K—means聚类法的 目标识别效果和识别效率 。结果表 明，Ostu法虽然可以完成嫩芽的识别，平均识别率在 89 左右，但不能较好的保证分割后嫩芽的完整 度 。基 Lab颜色模型和 K—means聚类法 的识别算法能较好的区分嫩芽和背景 ，平均识别率达到 94 左右 ，且能较好 的保证分割后嫩芽的 完整度 ，为智能采摘技术研究提供技术支持和理论基础 。 关键词：茶树 图像 ；茶 叶嫩芽识别 ；Lab颜色模型 ；K—means聚类法 中图分类号 ：$571．1 文献标 识码 ：A 文章编 号：2095-5553(2015)05-0161—05 吴雪梅 ，唐仙，张富贵，顾金梅．基于 K—means聚类法的茶叶嫩芽识别研究FJ]．中国农机化学报 ，2015，36(5)：161～164，179 WuXuemei，TangXian，ZhangFugui，GuJinmei．TeabudsimageidentificationbasedonlabcolormodelandK—meansclustering[J] JournalofChineseAgriculturalMechanization，2015，36(5)：161～ l64，179 鉴于对茶树上茶叶嫩芽 的识别研究有待深入展 0 引言 开，以满足智能采摘对 目标识别高效 、实时和准确 的要 人工茶叶采摘虽然 能较准确 的识别嫩芽 [1]，但是 求 ，本研究 以清明前 的待采摘茶叶为研究对象，利用 效率低 ，且人工费用高 ，劳动力资源短缺，这将阻碍我 Lab颜色模型 中a、b层信息 ，基于 K—means聚类法识 国茶叶的生产。与人工采茶相 比，现有采茶机械虽能 别图像中的茶叶嫩芽 ，拟为快速识别茶叶嫩芽提供有 提高采摘速度 ，但采摘时老叶、嫩叶一起采 ，缺乏选择 效的方法。 性 ，并有部分叶片遭破损现象，降低 了原料 品质 。因 1 图像采集 此 ，为解决人工采茶成本高、现有机采质量不稳定的问 题 ，可研究模拟人工采茶的智能化采茶机器人。智能 系统由硬、软件组成。硬件系统为三星 $700数码 化采茶机器人的关键技术之一即是待采摘茶 叶的智能 相机，CPU为 Intel(R)Celeron(R)、内存为 2GB的PC 化识别技术 。 机 ；软件为基于 matlab7．5编制的嫩芽识别程序。 在农业工程中，国内外研究者应用计算机及 图像 图像采集条件 ：与茶树表面成 45。斜角 向下拍摄茶 技术对农作物的识别和检测进行了广泛的研究 。例如 树上的嫩芽 图像 ，采集高度为与茶树嫩芽垂直距离 果蔬采摘 、田间杂草识别 、植物叶片特征提取等方面取 5cm、15cm、25cm 的上方 。取像 时，采用近景模式 ，关 得 了一系列成果，但对 自然环境下茶叶嫩芽的识别 ，目 闭闪光灯 ，以避免闪光灯光线影 响茶 叶