人工神经网络在龙井茶叶品质分类中的应用.pdfVIP

▲ ▲ 经济研究 ▲ 农产品质量安全 ▲ JingjiYanjiu NongchanpinZhiLiangAnquan 人工神经网络在龙井茶叶品质分类中的应用 高仕琪，孙宇哲，李喻洁，何林倩，王 化 （北京林业大学，北京100083） 摘 要： 市场上龙井茶叶鱼龙混杂，而现有的茶叶品质检测技术又不能够全面的反应茶叶的内外部品质。 为弥补传统方法评定 茶叶品质存在的不足，本文提出采用高光谱图像与神经网络相结合的方法来量化分析茶叶品质。 通过主成分分析，优选出特征波长 下的高光谱图像，分别提取每幅图像中可以反映茶叶品质的特征参量。 建立了龙井茶叶品质评定的 BP 神经网络模型，经实验检验， 该模型取得了较高的识别率，验证了神经网络在茶叶品质分类中应用的可行性。 关键词：人工神经网络；反向传播算法；龙井茶叶；品质分类 中图分类号：TS272;TP183 文献标识码：B 文章编号：1003-6997（2016 ）08-0040-01 西湖龙井位列我国十大名茶之首，知名度高、品质高、价格 高，但是一直以来都承受着假冒伪劣产品的威胁，因此全面提 2.1 实验材料与图像采集系统 升龙井茶品质的检测精度和检测能力，保障龙井原材料的质量 实验材料均为从同一茶叶市场购进的一批龙井茶叶。 分为 安全已迫在眉睫。 目前我国对龙井茶质量等级的测评主要依靠 四个等级，特级、一级、二级以及非西湖龙井。 实验时从每个等 人工感官审评，该方法相对简便，但具有不确定性，主观性强， 级 中随即取 5±0.2g 茶叶为一个样本，每一品种取 50 组实验样 一致性差。 学术界在采用仪器分析方法对茶叶评审定级时，也 本，共 200 组实验样本。 有近红外光谱技术， 可以很好地表征茶叶的内部品质信息 ,但 本实验搭建的高光谱图像采集系统包括： 高光谱成像仪、 是,对茶叶外部品质特征,往往显得无能为力[1] 。 图像信息能充分 光源、图像采集卡 、图像处理软件等。 摄像机使用美 国 SOC 公司 反映茶叶的外部品质特征。 因此，利用高光谱图像技术可以检 SOC710VP 高光谱成像仪， 光源采用 日本 Ushio Lighting INC.公 测茶叶的内外综合品质。 司的 JC14.5-50WC 型卤素灯。 控制曝光时间、亮度、增益等。 神经网络具有良好的容错性，并且对处理具有大量数据而 2.2 特征参数的提取 又不能直接用数字方法描述的问题表现出极大的灵活性与自 由于高光谱图像包含 的波段过多 ，数据量过大影响后期数 适应性。 无需知道具体的函数关系，只要有大量的实验数据对 据处理的速度且波段相邻 的两幅 图像之间又具有较强的相关 其进行训练即可。 因此本文提出使用高光谱技术来量化分析茶 性，造成高光谱图像数据 中存在大量的冗余信息。 因此，须对其 叶内外部品质， 建立基于误差前向传播算法的 BP 神经网络模 进行主成分分析，既可实现降维 ，又可以消除冗余信息。 进而优 型。 选出特征波长 。 选 出特征波长后 ，对其进行特征提取 ，龙井茶叶的外观特 人工神经网络（Artificial Neural Network, ANN ）简称神经网 征主要包括颜色 、形状和纹理。 本实验提取了预处理后 图像中 络，是人工智能领域的一个重要分支，是对生物神经网络的抽 所有像素 H、S、I 的平均值作为 3 个颜色特征参数 ； 利用 MAT- 象简化和模拟。 神经网络有前馈型神经网络、反馈网络、竞争学 LAB 图像处理工具中的图像分析函数 regionprops 提取 出 18 个 习网络三种基本模型，其结