基于机器视觉形状特征参数的祁门红茶等级识别

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.