[发明专利]一种基于轮廓分析的茶鲜叶识别方法

说明书

本发明公开了一种基于轮廓分析的茶鲜叶识别方法。现有茶鲜叶识别方法未考虑茶鲜叶破损和遮挡问题。本发明首先采集茶鲜叶图像，提取茶鲜叶外轮廓；然后对轮廓进行多边形拟合，提取轮廓特征点并判别特征点凹凸性；接着引入茶鲜叶定向轮廓宽度特征，在凸顶点中搜索叶柄点；再从茶鲜叶外轮廓中分割出子轮廓；以椭圆拟合法拟合子轮廓后，使用训练得到的具有线性核函数的支持向量机模型识别子轮廓为叶片还是芽头；最后根据茶鲜叶的叶片数和有无芽头的情况对茶鲜叶进行分级，分为单芽、一芽一叶、一芽二叶、一芽三叶和不合格原料品级。本发明效率高、准确率高，对叶片摆放没有要求；对部分遮挡的图像，识别准确率也能达到较高水平。

技术领域

本发明属于图像识别技术领域，具体涉及一种基于轮廓分析的茶鲜叶识别方法。

背景技术

随着生活质量的不断提升，茶叶的消费需求不断增大，近年来国内的茶叶产量也稳步上升，茶叶机采已经成为发展趋势。现在茶叶机采都是采用双刀片切割方式，得到的茶鲜叶原料各个品级混杂，如果直接加工会严重影响成茶品质和品相。有时为改善品相，需要将成品茶进行分选，造成制茶过程中人力和物力的浪费。可见目前茶叶机采方式无法在高端茶叶生产中得到推广应用。因此对鲜茶叶进行分级分类(包括单芽、一芽一叶、一芽二叶、一芽三叶、不合格原料)，对于提升茶叶质量、节能降耗、省时省工具有重大意义。

近些年来由于对机采鲜叶技术的需求，一些研究者针对单棵鲜茶叶进行品级识别。何雪军在茶鲜叶图像中找出单棵茶鲜叶轮廓，对单棵茶鲜叶轮廓进行约束Delaunay三角网划分，识别和计算茶鲜叶叶片的外形几何参数，确定茶鲜叶品级，该方法的识别准确率在94％左右，但是该方法必须将茶鲜叶平摊摆放，不允许出现遮挡，必要时还需要压平，会对茶鲜叶造成较大损伤，无法适用于实际的分类情况。陈怡群、常春等人将人工神经网络技术应用于鲜茶叶的分类，将茶鲜叶图像的颜色特征和外形特征参数作为特征量训练了单输出神经元网络，准确率能够达到90％以上。高震宇等人设计了一套鲜茶叶智能分选系统，搭建了基于7层结构的卷积神经网络识别模型，可以对单芽、一芽一叶、一芽二叶、一芽三叶、单片叶、叶梗进行分类分选正确率在90％以上。这些计算机识别方法的成功率虽然高，但算法稳定性和识别效率还有待于提升，试验采用的茶鲜叶样本图像也都属于理想情况，未考虑茶鲜叶破损和遮挡问题，还无法应用于实际生产。

发明内容

本发明的目的是针对单棵茶鲜叶进行识别，提供一种基于轮廓分析的茶鲜叶识别方法，可以实现单棵茶鲜叶的无损快速识别。

为解决上述技术问题，采用如下技术方案：

本发明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P_m-1、P_m和P_m+1，得到两个单位向量：

其中，m为顶点P_m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k_m的值：