基于机器视觉形状特征参数的祁门红茶等级识别-农业工程学报.PDF

第 34 卷 第 23 期 农 业 工 程 学 报 Vol.34 No.23 2018 年 12 月 Transactions of the Chinese Society of Agricultural Engineering Dec. 2018 279 农产品加工工程 基于机器视觉形状特征参数的祁门红茶等级识别 1 1 2 ※ 2 宋 彦 ，谢汉垒 ，宁井铭 ，张正竹 （1. 安徽农业大学工学院，合肥 230000 ；2. 安徽农业大学茶树生物学与资源利用国家重点实验室，合肥 230000 ） 摘 要：外形是评价茶叶质量的重要指标之一，目前主要依赖人工审评的方法，客观、准确的评价外形指标对茶叶加工、 销售有重要的意义。该研究提出了一种基于形状特征直方图结合支持向量机的茶叶等级识别方法。以 7 个等级的祁门工 夫红茶为研究对象，构建图像采集系统，标定相机参数，采集各等级的茶叶图像。对图像进行灰度化、二值化处理，提 取叶片的 6 个绝对形状特征：长度、宽度、面积、周长、最小外接矩长、宽，在此基础上计算狭长度，矩形度 2 个相对 形状特征，生成形状特征的直方图。以直方图分布为特征向量，构建了基于 BP 神经网络，极限学习机（extreme learning machine ，ELM ），支持向量机（support vector machine，SVM），最小二乘支持向量机（least squares support vector machine ， LS-SVM ）的等级识别模型，并对比了不同模型的识别效果。结果表明，该文构建的图像采集系统测量精度0.3 mm ，能 够准确提取形状特征参数；基于形状特征直方图的 LS-SVM 模型识别效果最好，识别精度为 95.71%，测试集决定系数为 96.2%，具有算法复杂度低，易于求解的优点。研究结果为实现茶叶的客观、数字化等级鉴定，提供了试验数据和参考方法。 关键词：图像处理；模型；神经网络；祁门红茶；外形；等级识别；支持向量机 doi ：10.11975/j.issn.1002-6819.2018.23.036 中图分类号：TP391.4 文献标志码：A 文章编号：1002-6819(2018)-23-0279-08 宋 彦，谢汉垒，宁井铭，张正竹. 基于机器视觉形状特征参数的祁门红茶等级识别[J]. 农业工程学报，2018，34(23)： 279－286. doi ：10.11975/j.issn.1002-6819.2018.23.036 Song Yan, Xie Hanlei, Ning Jingming, Zhang Zhengzhu. Grading Keemun black tea based on shape feature parameters of machine vision[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(23): 279 －286. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.2018.23.036 模型，显著提高了分类准确率。李晓丽等[11]基于多光谱 0 前 言  图像纹理特征识别 4 种不同种类的绿茶。在茶叶等级识 祁门红茶（Keemun black tea ）主产于安徽省