一种基于图像视觉的茶叶品质自动分级方法与流程

本发明涉及茶叶品质检测，尤其涉及一种基于图像视觉的茶叶品质自动分级方法。

背景技术：

1、茶叶品质分级通常依赖人工审评，审评人员根据茶叶色泽、条索、整碎度、净度和杂质情况判断等级。人工方式受经验、光照、批次和样本摊铺状态影响，难以适应连续化生产线的稳定分级需求。

2、现有图像视觉分级方法可通过工业相机采集茶叶图像，并利用颜色、纹理、边缘或深度学习特征进行等级判断。但在未分拣茶叶连续输送场景中，多片茶叶常存在交叠、卷曲、堆积、茶梗穿插和碎茶混杂，普通视觉模型难以充分提取交叠条状结构、边界接触和断裂端特征。

3、现有方法多停留在图像等级识别，未将茶叶流段位置、目标品级和分流处理工位有效关联，难以直接完成生产线在线初分级和分拣处理。

4、因此，如何提供一种基于图像视觉的茶叶品质自动分级方法是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出一种基于图像视觉的茶叶品质自动分级方法，本发明利用改进repvit视觉网络、静默再激活通道计算和交叠条状结构采样，完成未分拣茶叶流段的图像识别、目标品级判定和分流处理，具备分级连续性强、边缘端计算量低和交叠茶叶识别能力强的优点。

2、根据本发明实施例的一种基于图像视觉的茶叶品质自动分级方法，包括如下步骤：

3、将未分拣待分级茶叶送入输送带，通过摊铺机构形成连续薄层茶叶流，记录茶叶流在检测工位中的运行位置；

4、对连续薄层茶叶流进行图像采集，对采集图像进行成像校正和尺度统一，生成标准茶叶图像流段；

5、将标准茶叶图像流段输入改进repvit视觉网络，提取反映茶叶色泽变化、边缘变化和局部纹理变化的初始品质特征；

6、在初始品质特征提取过程中执行静默再激活通道计算，常算特征参与空间混合，静默特征经旁路进入通道交互，依据异常外观响应生成再激活品质特征；

7、在再激活品质特征提取过程中执行交叠条状结构骨架边界耦合采样，依据局部形态连续性和外观突变信息构建非规则采样路径，沿多片茶叶交叠形成的条状可见结构、边界接触区域和断裂端区域提取交叠结构品质特征；

8、根据再激活品质特征和交叠结构品质特征生成茶叶综合品质特征，依据茶叶综合品质特征判定标准茶叶图像流段的茶叶目标品级；

9、根据茶叶目标品级和茶叶流运行位置生成分级控制指令，对应茶叶流段进入与茶叶目标品级匹配的处理工位。

10、可选的，所述将未分拣待分级茶叶送入输送带具体包括：

11、将未分拣待分级茶叶由进料口导入输送带的上料区，按照输送带宽度方向对未分拣待分级茶叶进行横向铺展；

12、调节摊铺机构的摊铺件与输送带承载面的间距至预设茶叶层厚，通过摊铺件对横向铺展后的未分拣待分级茶叶进行整平处理，生成连续薄层茶叶流；

13、采集输送带的位移脉冲，按照位移脉冲对连续薄层茶叶流进行流段划分，生成茶叶流段编号；

14、建立茶叶流段编号与输送带位移值之间的对应关系；

15、在连续薄层茶叶流进入检测工位时，读取茶叶流段编号对应的输送带位移值和检测工位坐标，生成茶叶流在检测工位中的运行位置；

16、将运行位置与茶叶流段编号进行绑定，生成茶叶流段位置数据。

17、可选的，所述对连续薄层茶叶流进行图像采集具体包括：

18、根据茶叶流段位置数据触发检测工位处的工业相机采集连续薄层茶叶流的原始茶叶图像；

19、按照茶叶流段编号从原始茶叶图像中裁切对应茶叶流段区域；

20、对茶叶流段区域进行畸变校正、亮度归一化、白平衡校正和色彩校正，生成校正图像；

21、按照改进repvit视觉网络的输入尺寸对校正图像进行尺度统一，将尺度统一后的校正图像与茶叶流段编号绑定，生成标准茶叶图像流段。

22、可选的，所述改进repvit视觉网络具体包括：

23、采用repvit轻量视觉网络作为茶叶图像特征提取主体，保留repvit轻量视觉网络中的图像嵌入、分阶段特征提取、空间混合、通道交互和品级输出过程；

24、将输入特征划分为常算特征和静默特征，对常算特征进行空间混合，对静默特征进行旁路传递，将处理后的常算特征和静默特征送入通道交互过程；

25、根据交叠条状结构的中心走势、边界接触和断裂端信息生成非规则采样路径，沿非规则采样路径进行特征采样，将采样后的特征送入通道交互过程；

26、通过品级输出过程生成茶叶目标品级。

27、可选的，所述提取反映茶叶色泽变化、边缘变化和局部纹理变化的初始品质特征具体包括：

28、将标准茶叶图像流段输入改进repvit视觉网络的图像嵌入过程，执行卷积映射生成浅层图像特征；

29、对浅层图像特征执行局部颜色差分运算，生成色泽变化特征；

30、对浅层图像特征执行空间梯度运算，生成边缘变化特征；

31、对浅层图像特征执行邻域响应统计运算，生成局部纹理变化特征；

32、将色泽变化特征、边缘变化特征和局部纹理变化特征输入浅层空间混合过程，生成初始品质特征。

33、可选的，所述在初始品质特征提取过程中执行静默再激活通道计算具体包括：

34、将初始品质特征按通道拆分为多个单通道特征图；

35、对每个单通道特征图计算相邻像素差分统计量和邻域响应离散统计量，根据相邻像素差分统计量和邻域响应离散统计量生成通道活动值；

36、根据全部通道活动值的排序结果确定常算特征和静默特征；

37、对常算特征执行深度卷积处理，对静默特征保留原通道特征值并跳过深度卷积处理；

38、将深度卷积处理后的常算特征和跳过深度卷积处理后的静默特征按照原通道顺序合并，执行逐点卷积处理，生成通道交互特征；

39、对通道交互特征中来源于静默特征的通道重新计算通道活动值，将重新计算后的通道活动值满足再激活条件的通道并入后续计算的常算特征，生成再激活品质特征。

40、可选的，所述交叠条状结构骨架边界耦合采样具体包括：

41、对再激活品质特征的邻域特征进行方向延伸检测，将响应连续的空间位置记录为局部形态连续性信息；

42、对再激活品质特征的邻域特征进行响应差异检测，将响应突变的空间位置记录为外观突变信息；

43、从局部形态连续性信息中选取满足连续延伸条件的空间位置作为交叠条状结构骨架位置；

44、在交叠条状结构骨架位置两侧搜索外观突变信息，将搜索到的空间位置作为边界耦合采样位置；

45、在交叠条状结构骨架位置的延伸端搜索外观突变信息，将搜索到的空间位置作为端部采样位置；

46、按照交叠条状结构骨架位置、边界耦合采样位置和端部采样位置的空间连接顺序构建非规则采样路径；

47、沿非规则采样路径读取再激活品质特征中的特征值，生成交叠结构品质特征。

48、可选的，所述提取交叠结构品质特征具体包括：

49、按照非规则采样路径读取交叠条状结构骨架位置对应的特征值，生成条状可见结构特征；

50、按照非规则采样路径读取边界耦合采样位置对应的特征值，生成边界接触特征；

51、按照非规则采样路径读取端部采样位置对应的特征值，生成断裂端特征；

52、将条状可见结构特征、边界接触特征和断裂端特征按照非规则采样路径顺序进行排列，执行通道混合处理，生成交叠结构品质特征。

53、可选的，所述依据茶叶综合品质特征判定标准茶叶图像流段的茶叶目标品级具体包括：

54、将再激活品质特征和交叠结构品质特征按照通道方向合并，执行通道压缩处理，生成茶叶综合品质特征；

55、对茶叶综合品质特征进行全局池化处理，生成流段品级向量；

56、将流段品级向量输入全连接分类运算，生成品级概率向量；

57、选取品级概率向量中最大概率值对应的品级作为标准茶叶图像流段的茶叶目标品级。

58、可选的，所述对应茶叶流段进入与茶叶目标品级匹配的处理工位具体包括：

59、读取茶叶目标品级、茶叶流段编号和茶叶流段位置数据；

60、根据茶叶目标品级确定对应处理工位；

61、根据茶叶流段位置数据和对应处理工位的位置计算茶叶流段到达对应处理工位的触发时刻；

62、在触发时刻生成分级控制指令；

63、按照分级控制指令控制分流执行机构动作，将对应茶叶流段导入对应处理工位。

64、本发明的有益效果是：

65、（1）本发明将未分拣待分级茶叶形成连续薄层茶叶流，将茶叶流段编号、茶叶流运行位置和标准茶叶图像流段进行绑定，使图像识别结果能够对应到输送带上的具体茶叶流段，从而实现茶叶生产线在线初分级与后续分拣处理的连续衔接。

66、（2）本发明在改进repvit视觉网络中设置静默再激活通道计算，对通道活动状态进行判断，使部分特征通道跳过空间计算，并在出现异常外观响应后重新进入后续计算，降低了连续茶叶图像分级时的冗余计算量，提高了边缘端部署的适应性。

67、（3）本发明在再激活品质特征提取过程中执行交叠条状结构骨架边界耦合采样，沿多片茶叶交叠形成的条状可见结构、边界接触区域和断裂端区域提取交叠结构品质特征，提高了对茶叶交叠、茶梗穿插、碎茶混杂和断裂端外观的识别能力。