[发明专利]一种基于轮廓分析的茶鲜叶识别方法有效
| 申请号: | 201811624204.7 | 申请日: | 2018-12-28 |
| 公开(公告)号: | CN109886277B | 公开(公告)日: | 2020-09-15 |
| 发明(设计)人: | 陈建能;陈之威;叶阳;武传宇;贺磊盈;孙良;夏旭东 | 申请(专利权)人: | 浙江理工大学;中国农业科学院茶叶研究所 |
| 主分类号: | G06K9/46 | 分类号: | G06K9/46;G06K9/38;G06K9/62;G06T7/136;G06T7/12;G06T7/194 |
| 代理公司: | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人: | 黄前泽 |
| 地址: | 310018 浙江省*** | 国省代码: | 浙江;33 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 基于 轮廓 分析 茶鲜叶 识别 方法 | ||
1.一种基于轮廓分析的茶鲜叶识别方法,其特征在于:依次由提取茶鲜叶外轮廓、提取轮廓特征点并判别特征点凹凸性、搜索叶柄点、根据轮廓特征点分割子轮廓、使用支持向量机识别芽头轮廓、根据叶片和芽头数确定茶鲜叶品级六个步骤组成;
提取茶鲜叶外轮廓的具体过程如下:首先采集茶鲜叶的RGB三通道彩色图像,并将RGB三通道彩色图像分离,得到对比度较高的B通道图像;再利用全局阈值法将B通道图像分为背景和前景两个部分,得到二值化图像;接着,以4像素半径的圆形结构对二值化图像进行形态学开运算;最后,对形态学开运算后的二值化图像通过边界跟踪算法获得完整的茶鲜叶外轮廓;
提取轮廓特征点并判别特征点凹凸性的具体过程如下:使用道格拉斯-普克算法对茶鲜叶外轮廓进行多边形拟合,依次连接一系列顶点,得到多边形,多边形的各顶点均为茶鲜叶的轮廓特征点,包括凹顶点和凸顶点;凹顶点和凸顶点通过叉积计算进行判别,判别过程如下:根据三个连续顶点Pm-1、Pm和Pm+1,得到两个单位向量:
其中,m为顶点Pm对应的序号,norm为对向量进行单位化处理的函数;然后根据式(3)得到km的值:
其中,为在x方向上的投影值,为在y方向上的投影值,为在x方向上的投影值,为在y方向上的投影值;根据km判断顶点Pm的凹凸性;向量积km的值分为两种情况:
(1)如果km是正的,说明Pm点是凸顶点;
(2)如果km是负的,说明Pm点是凹顶点;
搜索叶柄点的具体过程如下:
(1)通过质心算法找到茶鲜叶外轮廓中心点O,令i=0;
(2)令j=0,根据凸顶点Pi和点O得到矢量
G=norm(Pi-O) (4)
然后计算得到茶鲜叶外轮廓在矢量G方向上的投影长度;
(3)创建直线li,j,直线li,j的向量参数方程如下:
Li,jPi=jG+tG⊥ (5)
其中,Li,j为直线li,j上与实数t取值相对应的点,G⊥为垂直于矢量G的矢量,j为直线li,j与直线li,0的距离;然后,将直线li,j与茶鲜叶外轮廓交点中距离最远的两个交点之间的距离定义为定向轮廓宽度的第j个值;
(4)接着,如果j小于茶鲜叶外轮廓在矢量G方向上的投影长度,则令j=j+1,跳转至步骤(3);否则,跳转至步骤(5);
(5)得到完整的定向轮廓宽度特征,找到该特征中的最大值,在到达最大值之前,如果定向轮廓宽度是连续单调递增的,说明凸顶点Pi是叶柄点,搜索结束;否则,i=i+1,返回步骤(2);
根据轮廓特征点分割子轮廓的具体过程如下:把凹顶点定义为叶腋点;叶柄点为位于茶鲜叶枝条末端的凸顶点,把除叶柄点外的凸顶点定义为叶尖点;通过子轮廓分割算法,将茶鲜叶外轮廓分割成由轮廓特征点组成的一个或多个分割结构,每个分割结构为一个子轮廓;子轮廓分割算法具体如下:
①将叶柄点编号为0,其它顶点沿逆时针方向在叶柄点编号基础上继续顺序编号;沿逆时针方向,找到与叶柄点最近的一个叶尖点;
②寻找该叶尖点两侧最近的叶腋点,如果该叶尖点两侧均没有叶腋点,则直接将茶鲜叶外轮廓作为一个分割结构,子轮廓分割结束;如果该叶尖点两侧均有叶腋点,则根据两个叶腋点作为两个分界点将子轮廓从茶鲜叶外轮廓中分离出来;如果该叶尖点只有一侧存在叶腋点,则将叶腋点作为一个分界点,从不存在叶腋点那侧的曲线中找到与另一侧叶腋点距离最短的一个点作为另一个分界点,通过两个分界点将子轮廓从茶鲜叶外轮廓中分离出来;
③沿逆时针方向,继续寻找与步骤②分离出来的子轮廓最近的一个叶尖点;如果找到叶尖点,则重复步骤②,否则子轮廓分割结束;
使用支持向量机识别芽头轮廓的具体过程如下:首先,使用标定法得到单应性矩阵,将分割结构中的点从图像坐标系转换为实际坐标系;其次,使用椭圆拟合法来拟合这些分割结构轮廓;再次,对m个茶鲜叶样本依次进行提取茶鲜叶外轮廓、提取轮廓特征点并判别特征点凹凸性、搜索叶柄点和根据轮廓特征点分割子轮廓后,得到m1个叶片轮廓和m2个芽头轮廓,m≥100;对这些叶片轮廓和芽头轮廓使用椭圆拟合法,并得到这些椭圆的长轴和短轴的长度值;基于开源计算机视觉库中的支持向量机模型算法,设置支持向量机的训练集参数由椭圆长轴和短轴组成,将所有茶鲜叶样本得到的椭圆长轴和短轴这两个参数值随机归入训练集和测试集,训练集包含0.5m1~0.7m1个叶片轮廓和0.5m2~0.7m2个芽头轮廓得到的椭圆长轴和短轴参数值,剩余叶片轮廓和芽头轮廓得到的椭圆长轴和短轴参数值归入测试集,利用训练集训练具有线性核函数的支持向量机模型;最后,利用训练后的支持向量机模型对需要识别芽头轮廓的当前分割结构轮廓进行识别;
根据叶片和芽头数确定茶鲜叶品级的具体过程如下:使用支持向量机识别芽头轮廓的过程中,若未识别出芽头轮廓,则茶鲜叶归入不合格原料品级;若识别出芽头轮廓且叶轮廓数量大于三,则茶鲜叶也归入不合格原料品级;否则,不管识别出多少个芽头轮廓均视为一个芽头轮廓,其余识别出的芽头轮廓视为叶轮廓,茶鲜叶归入合格原料品级;因此,合格原料品级包含单芽、一芽一叶、一芽二叶和一芽三叶四个品级;不合格原料品级包含无芽头品级和叶片多于三片的品级。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江理工大学;中国农业科学院茶叶研究所,未经浙江理工大学;中国农业科学院茶叶研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811624204.7/1.html,转载请声明来源钻瓜专利网。





