使用計算機視覺技術對龍井茶嫩芽識別方法的研究

周穎穎，鄭道娟（.南京交通職業技術學院，江蘇南京 88；.江蘇農林職業技術學院，江蘇南京 ）

使用計算機視覺技術對龍井茶嫩芽識別方法的研究

周穎穎1，鄭道娟2
（1.南京交通職業技術學院，江蘇南京 211188；2.江蘇農林職業技術學院，江蘇南京 211121）

本文主要研究了使用計算機視覺技術對龍井茶嫩芽識別方法，首先從龍井茶的基本識別方法、等級判定以及采摘技術入手，詳細分析了龍井茶嫩芽的識別方法，從而為計算機自動化的實現提供基本需求，然后詳細介紹了計算機視覺技術的圖像分割和RGB顏色模型，并且詳細闡述了如何使用計算機視覺技術來對龍井茶嫩芽進行識別，從而為實現龍井茶嫩芽識別和采摘自動化奠定基礎。

龍井茶級別；嫩芽狀態；RGB顏色模型；圖像分割

1　概　述

隨著我國經濟的不斷發展，人們對于物質生活的追求越來越高，對于各種養生保健的食物或藥品越來越看重。茶葉作為一種健康、綠色、養生的飲品，已經成為目前我國大眾消費的養生飲品，在國外也有很大的影響力，自建國以來，我國就是茶葉生產、出口、銷售的世界大國，到目前，我國的很多品牌茶葉在國際上都享有盛譽，也是很多國家追求的養生飲品。在我國的眾多茶葉中，龍井茶是一種非常有名的茶葉，是我國產茶大省——浙江省的著名茶葉，龍井茶葉的出口和銷售，對于浙江省的經濟收入來說，是非常重要的，而我國的經濟增長和發展來說，也具有非常重要的意義。

在傳統作業方式中，對于龍井茶葉的采摘工作，主要是采用人工作業的方式來完成，但是人工手工采摘龍井茶葉，不僅效率低下，而且成本極高，再加上人工招聘以及管理等方面的困難都在限制龍井茶葉生產效率的提升。此外，人工作業的方式很容易造成龍井茶嫩芽與老葉的混淆采摘，對于龍井茶嫩葉和嫩芽的破壞也是非常致命的，這都使得龍井茶最終的質量難以令人滿意。當前計算機技術飛速發展，通過計算機圖像處理的視覺技術來自動識別龍井茶嫩芽，然后通過相應的機械設備有選擇性地、針對性地、高效地低損傷自動采摘龍井茶嫩芽和嫩葉，從而提升龍井茶的采摘效率和質量。所以針對使用計算機的視覺技術來實現龍井茶嫩芽采摘的學習和研究，對于提升龍井茶生產效率和生產質量，以及促進社會經濟的快速發展來說，具有非常重要的現實意義。

2　龍井茶的品種、等級界定及其采摘技術

龍井茶自古以來就是我國非常聞名的茶葉，在我國古代就享有盛譽，而浙江杭州則是龍井茶的主要產地。雖然在整個杭州地區，由于不同的地區產的龍井茶品種是存在差異的，即便是同樣的地區、同一棵茶樹，其不同的嫩芽程度所產出的龍井茶的品質也是不一樣的。例如，在傳統的認識中，浙江地區中的所有龍井茶以杭州地區產的龍井為優，而杭州地區的龍井茶中，則又分為常見的三種，分別為越州龍井、錢塘龍井、西湖龍井，而其中則以西湖龍井茶的茶品、茶色、茶味最為上品，一直是我國眾多茶葉品種中位列第一的茶葉品牌。當然，隨著栽培技術的不斷提升，以及基因工程、植物雜交工程和嫁接技術，我國龍井茶葉的培育越來越多。目前，除西湖地區之外的其他地方的龍井茶的培育與生產工藝也都日益成熟，形成了在味道、茶色、茶品等多方面都能媲美西湖龍井茶的新茶品，在我國的茶葉生產和銷售市場中也占有非常重要的地位。

對于同一種茶葉來說，單就茶葉的外形、鮮嫩程度以及長勢程度來決定龍井茶的等級，可分為五個等級的龍井茶品質，分別為特級、一級、二級、三級、四級。對于特級的龍井茶界定，要求茶葉葉片手感光滑、舒展扁平，且要求一芽一葉的初展狀態或單芽；對于一級龍井茶界定，要求葉片手感光滑、葉片較為扁平，一芽兩葉的初展狀態或者一芽一葉的狀態；對于二級龍井茶的界定，要求茶葉葉片較為扁平，且一芽二葉的完全開展；對于三級龍井茶的界定，要求茶葉葉片一芽二葉的完全開展狀態，在二葉之間可長有一少部分的對夾葉；對于四級龍井茶的界定，要求茶葉葉片欠光潔且完全舒展開來，并且要求一芽二葉、一芽三葉或對夾葉。

茶葉的品種不同、需要采摘的茶葉等級一樣，其采用的采摘技術、采摘時間也大不相同。比如，對于特級龍井茶的采摘，必須要求在茶葉的適摘階段，必須在清明節之前，茶樹的頂層嫩芽剛剛發出或之長出一個嫩葉但未開展時，需要對單芽或者一芽一葉的初展茶芽進行采摘。當然，在采摘時只能將單芽或者初展狀態的一芽一葉采摘下來。在對特級龍井茶的生產過程中，如雀舌、龍牙等，雀舌則是要求只能有初展狀態的一芽一葉的龍井茶芽進行炒制加工生產的茶葉，而龍牙則是要求只能有單芽的龍井茶葉進行炒制加工生產的茶葉。所以在對特級龍井茶的采摘過程中，更需要將二者進行區分。對于龍井茶的其他級別，則是在清明節之后的時間進行采摘，如四級龍井茶，則要求在谷雨節氣之前進行采摘，此時茶葉葉片較為肥大。而一級到三級龍井茶，則要求在清明節之后到谷雨節之間進行采摘，根據不同的等級的龍井茶要求，進行茶葉葉片的選擇和采摘，并對其進行區分后進行炒制加工處理。

所以，對于龍井茶的采摘工作，需要在人工采摘之后，然后選擇、分選，再送到炒制加工廠進行后期的生產處理。

3　使用計算機視覺技術對龍井茶嫩芽識別方法的研究

針對龍井茶等級區分的研究可以表明，在龍井茶采摘過程中主要是對龍井茶的茶葉、芽的葉片形狀、光澤度、顏色、葉芽個數和長勢等諸多方面的選擇，以及最后的攤放和篩選的過程，如果單純地利用人工作業，不僅采摘效率低下，而且很容易對龍井茶茶葉的葉芽造成損傷，致使最終的龍井茶質量降低。采用計算機視覺技術，可以采用計算機的方式，對龍井茶的茶葉嫩芽識別、采摘、嫩芽篩選等過程實現自動化處理。對于自動化采摘和篩選，通過機械臂和分裝器即可實現，而整個自動化的過程核心，則是對龍井茶嫩芽的識別技術中。在對龍井茶茶葉采摘技術的研究可以知道，在對龍井茶茶葉的嫩芽識別重點放在嫩芽顏色、形狀以及葉片狀態與個數來判斷茶葉嫩芽的級別，所以在利用計算機視覺技術來識別判斷龍井茶嫩芽時，就要重點放在龍井茶嫩芽的顏色以及最終的形狀的判斷。

3.1計算機視覺技術的圖像分割

圖像分割主要是對圖像的內容，根據某些特征進行切分，從而得到不同屬性的圖像，然后在進行其他方面的處理。由于在一個圖像中，具有相同屬性（如顏色、明暗程度等）的圖像，在其區域內呈現出相同的特征，那么不同屬性的圖像則表現出了不同的區域，在區域與區域之間的連接處，就形成了明顯的邊緣。所以圖像分割的前提是能夠檢測到圖像區域的邊緣值。利用圖像邊緣檢測的方法來實現圖像分割主要是采用圖像二值化方法來實現，這樣一來不僅能夠減少數據存儲量，而且能夠提升計算機處理的速度，對于圖像處理來說是非常有益的。

使用計算機視覺技術在對龍井茶嫩芽識別方法，在獲取到龍井茶圖像后，首先對其進行邊緣檢測和圖像分割，從而實現了嫩芽與其他茶葉葉片的區分，然后對分割后的圖像進行其他處理，如上述的顏色對比，還有就是根據形狀特征來獲取嫩芽葉片的個數以及伸展情況，從而判斷出整個嫩芽所屬的龍井茶級別，同時根據其形狀特征，為機械臂采摘提供有效的采摘點，進而實現龍井茶嫩芽的自動化識別和采摘。

3.2計算機視覺技術的顏色模型

在計算機視覺技術中，對于圖像顏色的判斷是圖像識別中非常重要的一個環節。所以在整個龍井茶嫩芽自動化識別系統中，首先要對整個系統中的圖像核心內容進行顏色識別，以判斷整個嫩芽目前的顏色狀態。

在整個圖像顏色判斷中，RGB顏色模型是常見的一種對圖像進行處理的顏色模型。在整個顏色色系中，有一個統一的認識就是所有的顏色都是可以通過三種基色來調和得到，即對紅（Red）、綠（Green）、藍（Blue）三種按照不同的比例進行混合即可得到所有的顏色。按照這種思想進行反推，在圖像視頻系統中，任何采集到的顏色都是可以通過紅、綠、藍三種基色按照不同的比例來實現，如果能夠得到其R、G、B三種基色的比例值，那么就可以對任何一種顏色進行區分、存儲、識別、展示等。如圖1.所示，為RGB顏色模型中的原理結構圖。

圖1　RGB顏色模型數據原理示意圖

在圖1中所示，RGB模型將所有的顏色容納在一個正方體內，即按照三原色比例配比的思想，將所有顏色進行反推，從而得到三種顏色的不同比例。假如最大比例為1，三種顏色在1范圍內進行選擇，從而形成三個數據軸，那么在對三原色進行選取的時候，就可以按照相應的比例來得到最終的顏色。比如，對于黑色，即所有的顏色比例均為0即可得到黑色（即無物品展示），如果三種顏色選擇同樣的比例，即得到了白色，如果選擇比例為1的紅色和綠色，即得到了黃色。所以，在構建了所有顏色的數據庫之后，在獲取到視頻圖像后，即可對圖像內核心區域的顏色進行對比，從而得到三原色的比例數據并存儲到計算機中，而后與期望的某個數據值范圍進行對比，如果在整個范圍內，那么視頻圖像的核心區域的顏色即滿足顏色要求。

在對龍井茶嫩芽特級茶葉的識別中，首先顏色是其中一個非常重要的判斷指標，如果顏色太過深綠，那么就說明該葉片不屬于特級茶種，如果顏色比較嫩綠，那么就從顏色指標中，就說明該茶葉有可能屬于特級茶種，此時就需要從另外一個方向的指標來判斷。利用計算機，則可以將嫩綠的三原色數值分析，并設定為嫩綠數據的閾值，在得到茶葉數據圖像后，即可對其圖像中的核心區域（可通過前期的圖像數據處理和邊緣檢測來獲取不同的區域）中的顏色進行對比，如果小于閾值范圍，那么就說明在顏色指標上，能夠滿足特級茶葉的要求，然后再在其他方面的指標進行分析。

4　總結

利用計算機視覺技術來對龍井茶嫩芽實現自動識別，主要是利用計算機圖像處理的技術和方法，通過前期的圖像采集和預處理，得到可處理的有效數據源，然后對數據進行圖像分割，然后對核心區域的圖像數據進行顏色判斷和形狀特征對比，最終得到當前圖像內的核心區域中龍井茶嫩芽的級別，并且為龍井茶的自動采摘提供合理采摘點，最終實現龍井茶采摘的自動化。

［1］張立周，侯曉宇，張玉銘等.數字圖像診斷技術在冬小麥氮素營養診斷中的應用［J］.中國生態農業學報.2011（5）：1168-1174.

［2］楊北方，韓迎春，毛樹春等.基于數字圖像的棉花長勢空間變異分析［J］.棉花學報.2015（6）：534-541.

［3］崔天依.計算機視覺技術及其在自動化中的應用［J］.電腦知識與技術.2016（03）.

［4］鄒慶華，張月雷.計算機視覺技術應用 ［J］.信息通信.2015（12）：183-184.

［5］張善文，王獻峰.基于加權局部線性嵌入的植物葉片圖像識別方法［J］.農業工程學報.2011（12）：141-145.

［6］楊福增，楊亮亮，田艷娜等.基于顏色和形狀特征的茶葉嫩芽識別方法［J］.農業機械學報.2009（S1）：119-123.

周穎穎（1982-），女，江蘇泰州，碩士研究生學歷，教師，講師，研究方向：軟件技術。

鄭道娟（1983-），女，江蘇淮安，碩士，講師，研究方向：計算機多媒體技術。