一种基于图像识别的银球茶品质检测方法与流程
本发明涉及图像识别,具体的是一种基于图像识别的银球茶品质检测方法。
背景技术:
1、雷山银球茶为贵州省雷山县特色地理标志保护产品,也是国内独有球状造型的特种绿茶,凭借外形独特、内质优良、地域属性突出的优势,成为当地茶叶支柱产业与乡村特色经济的重要组成部分。
2、如图1所示,雷山银球茶选用雷公山高海拔优质茶树鲜叶为主要原料,遵循传统手工制茶流程加工制备,完整生产工序包含摊青、高温杀青、轻柔揉捻、文火回炒、手工揉捏造型、分段烘干、恒温提香等多道关键环节,整体制作流程繁琐且工艺门槛极高,其中球状塑形是区别于其他绿茶的核心工序,需要制茶匠人依托长期实操经验,把控茶叶温度、揉捏力度与成型节奏,将散茶逐步挤压揉合成规格统一的实心球状茶体。
3、受茶叶原料嫩度、纤维韧性、果胶含量及手工操作差异影响,银球茶球状成型稳定性高度依赖人工技艺,难以通过自动化机械设备完成批量仿制加工,机械化替代手工制作存在成型破损、内质破坏、风味流失、外形不均等诸多难题,因此目前行业内银球茶生产加工仍以传统手工制作为主流模式,最大限度保留茶叶天然品质与原有加工风味。
4、在成品品质分级环节,现阶段行业普遍采用人工肉眼审评的筛选方式,从业人员依据银球茶表面整体色泽与毫毛表现,以绿润显毫、墨绿显毫作为核心等级划分依据完成品质分选。但人工检测模式存在明显短板,不仅分拣效率有限、人工劳动强度大,且评判结果极易受操作人员从业经验、视觉疲劳、环境光线、主观判断习惯等因素干扰,不同工作人员对同一批次银球茶的色泽界定、等级划分存在明显偏差,人为主观误差较大,难以实现茶叶品质的标准化、一致性管控,无法满足现代化批量生产的质量管控要求。
5、图像识别技术的快速发展,为茶叶自动化品质检测提供了全新方向,能够依靠机器视觉量化外观指标,有效规避人工评判的主观性缺陷,然而常规茶叶图像识别方案并不能直接适配雷山银球茶的检测需求,应用局限性显著。
6、一方面,现有成熟的茶叶视觉检测方案大多依托大型机器学习、深度神经网络等智能模型完成特征识别,模型训练需要海量标注样本支撑,同时对现场硬件算力、存储配置要求较高,设备采购、算法部署与后期运维成本高昂,对于中小型茶叶生产企业而言落地难度大、推广性差;
7、另一方面,市面上绝大多数茶叶视觉检测设备与算法逻辑,均针对条索形、扁形、散装平铺式茶叶设计开发,采集方式与图像处理逻辑仅适用于平面化形态的茶叶样本,而雷山银球茶为三维立体球体结构,表面曲面弧度明显,易出现光线反射不均、局部明暗差异大等问题,单次拍摄视角存在大量视觉盲区,且手工制茶工艺造就单颗茶体表面色泽分布不均,普遍存在浅绿与墨绿交错分布的情况,与常规平铺茶叶均匀外观存在实质性区别,直接套用传统图像识别方法易出现色彩采集失真、特征提取片面、区域划分错误等问题,无法精准量化区分绿润显毫与墨绿显毫的外观差异,难以满足银球茶专业化品质分级的实际生产需求。
技术实现思路
1、本发明的目的在于:针对上述存在的问题,提供一种基于图像识别的银球茶品质检测系统及方法。
2、本发明采用的技术方案如下,一种基于图像识别的银球茶品质检测方法,包括以下步骤:
3、s1.时序顶视图像采集,选取单颗干燥球形银球茶作为检测样本,在标准光照环境下,按时序依次对检测样本进行采集,获取检测样本顶视图像;
4、s2.顶视图像预处理,对检测样本顶视图像中前景与背景进行分离,对检测样本顶视图像中球形轮廓进行优化、去除噪声,得到清晰的预处理单张图像;
5、s3.颜色区域分割与统计,基于cielab颜色空间,将预处理单张图像划分为白毫区、绿润底色区、墨绿底色区及渐变过渡区,并分别统计各区域的像素总数;
6、s4.渐变区域加强折算,将渐变过渡区像素按预设权重分别折算至白毫区、绿润底色区和墨绿底色区,得到折算后样本顶视像素数据;
7、s5.单张区域占比计算,基于折算后样本顶视像素数据,计算单张图像中白毫区、绿润底色区、墨绿底色区分别占有效检测区域的比例,得到单张占比图;
8、s6.多时序特征融合,对同一颗检测样本得到的多个单张占比图中区域占比数据进行算术平均融合,得到同一颗检测样本的全局综合占比特征;
9、s7.品质等级判定,基于全局综合占比特征对检测样本的品质进行判定。
10、进一步的,所述s1中,按时序依次对检测样本进行采集,分别得到检测样本第一顶视图像、检测样本第二顶视图像和检测样本第三顶视图像。
11、进一步的,所述s2中, 包括以下子步骤:
12、s2.1:采用hsv静态阈值分割法对第一顶视图像、检测样本第二顶视图像和检测样本第三顶视图像中的像素进行检测样本前景区域判定和背景区域判定,并对背景区域进行剔除;
13、s2.2:采用高光检测结合邻域均值填充,对检测样本第一顶视图像、检测样本第二顶视图像和检测样本第三顶视图像的球形轮廓进行反光抑制,去除噪声。
14、进一步的,所述s3中,基于cielab颜色空间对检测样本第一顶视图像、检测样本第二顶视图像和检测样本第三顶视图像中白毫区像素、绿润底色区像素和墨绿底色区像素进行统计,并通过白毫区像素、绿润底色区像素和墨绿底色区像素对渐变过渡区像素进行统计,并有下式:
15、;
16、其中,为检测样本前景总像素数。
17、进一步的,所述白毫区像素、绿润底色区像素和墨绿底色区像素,有下式:
18、;
19、;
20、;
21、其中,为满足白毫区阈值的第i个像素,n为白毫区像素总数,为满足绿润底色区阈值的第i个像素,m为绿润底色区像素总数,为满足墨绿底色区阈值的第i个像素,k为墨绿底色区像素总数,i为所在区域内的像素连续编号。
22、进一步的,所述s4中,将渐变区像素按比例分别计入白毫区、绿润底色区、墨绿底色区,有下式:
23、;
24、;
25、;
26、其中,、、为折算后的白毫区、绿润底色区、墨绿底色区像素数;、、为渐变区加权系数,且满足。
27、进一步的,所述s5中,白毫区、绿润底色区、墨绿底色区分别占有效检测区域的比例通过下式获得折算后银球有效区域总像素数:
28、;
29、白毫区占比:;
30、绿润底色区占比:;
31、墨绿底色区占比:;
32、其中,为单张图中白毫区含渐变折算占银球有效区域的比例,用于反映银球茶中嫩芽占比,为单张图中绿润底色区含渐变折算占银球茶有效区域的比例,用于反映银球茶中芽体底色占比,为单张图中墨绿底色区含渐变折算占银球茶有效区域的比例,用于反映银球茶中叶片底色占比,且满足。
33、进一步的,所述s6中,对检测样本第一顶视图像、检测样本第二顶视图像和检测样本第三顶视图像中区域占比数据进行算术平均融合,得到全局综合占比特征,所述全局综合占比特征包含全局综合白毫占比、全局综合绿润底色占比和全局综合墨绿底色占比。
34、进一步的,所述全局综合白毫占比、全局综合绿润底色占比和全局综合墨绿底色占比,有下式:
35、全局综合白毫占比:;
36、全局综合绿润底色占比:;
37、全局综合墨绿底色占比:;
38、其中,、、为检测样本第一顶视图像、检测样本第二顶视图像和检测样本第三顶视图像的白毫占比;
39、、、为检测样本第一顶视图像、检测样本第二顶视图像和检测样本第三顶视图像的绿润底色占比;
40、、、为检测样本第一顶视图像、检测样本第二顶视图像和检测样本第三顶视图像的墨绿底色占比。
41、进一步的,所述s7中,当检测样本全局综合白毫占比≥35%,且全局综合绿润底色占比≥45%时,判定为绿润显毫;
42、当检测样本全局综合白毫占比<35%,且全局综合墨绿底色占比≥50%时,判定为墨绿显毫。
43、本发明的有益效果至少包括以下之一;
44、1.基于银球茶固有品质规律,茶叶嫩芽原料占比越高,成品外观白毫丰富、整体色泽绿润度更佳,成熟叶片占比偏高则茶体整体色泽偏暗沉墨绿,以此为核心依托行业既定的绿润显毫、墨绿显毫评判标准,将复杂的芽叶形态特征识别,转化为白色毫毛区域、浅绿芽体底色区域、墨绿叶片底色区域的色彩占比识别。通过固定色彩阈值完成像素区域快速分割,同时针对手工制茶普遍存在的色泽渐变过渡区域,采用加权折算方式优化统计结果,无需搭建复杂的形态检测算法与大型智能识别模型,大幅降低图像处理运算量与算法开发难度,提升检测响应速度,适配流水线连续化批量检测作业。
45、2.基于雷山银球茶三维球状结构单视角成像信息缺失的问题,本方法采用多张时序顶视图像采集与融合策略,通过对同一颗银球茶不同球面区域的图像进行算术平均融合,有效覆盖银球茶主要外观特征,消除了单视角采集带来的片面性误差,确保提取的色泽特征能够反映整颗茶球的真实品质状态,显著提升了品质检测的准确性与全面性。
46、3.本方法整体流程采用轻量化算法设计,仅涉及基础的图像预处理、阈值分割、像素统计与算术运算,无需高算力硬件设备支撑,也不需要大量标注样本进行模型训练,部署成本低、操作简单。同时方法逻辑贴合一线制茶老师傅的实际审评习惯,参数可根据不同季节、不同批次的茶叶特性灵活微调,适配性强,便于在雷山银球茶的推广和产业数字化升级。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com