计算机视觉在茶叶等级检验中的应用

周小琳

（长安大学信息工程学院，陕西西安 710000）

茶道作为中国的一种传统文化，从古至今，茶道、茶艺等一直是典雅、悠意的代名词，通过品茶可增加人们对人生的感悟，提高自身的思想境界。茶叶依据地区、生长环境、种类等可分为多种流派，如红茶、绿茶、白茶等，人们可依据自身口味对茶叶进行择取。当然，同类别茶叶也存在高低档之分，如特级观音王汤色为金黄透亮、叶底肥厚、余香时间较长，而中高档观音王汤色则呈现出金黄清澈，口味甘醇，余香时间略短。传统茶叶等级检测过程中，大多是以手工类操控为主，检测过程中难以形成精准化的检测，易令定级过程中造成大量的浪费现象。随着高新技术的融入，以计算机视觉技术为主的检测方式，可进一步优化茶叶等级检验过程，提高茶叶等级检验准确性，将其应用于茶叶等级检验中势在必行。所以，应如何实现计算机视觉在茶叶等级检验中的有效应用，是文章重点研究的内容。

1 茶叶等级描述

1.1 茶叶形状的等级描述

茶叶的等级与品质是由其鲜叶质量和材质技术所决定的，在传统的茶叶等级检测中，人们普遍是以感官审评为主，通过对茶叶的外形、香气、汤色、滋味和叶底包括茶叶的形状与色泽等五个方面来鉴别茶叶等级与品质，而最能够直接体现出茶叶品质优次的，便是茶叶外形色泽特征和茶汤色泽特征，以及茶叶形状。首先，茶叶形状作为茶叶等级检测的重要项目之一，同样也是区分于茶叶品种花色的主要理论依据。茶叶主要分为干茶和湿茶两种类型，干茶形状分为长条形、卷曲条形、圆形、扁形和针形等，其中最常见也是数量较多的便是长条形茶叶，如绿茶中的炒青、烘青、晒青和特针等，以及红茶中的功夫红茶、条形红毛茶及小种红茶等。这些茶叶的形状长度比宽度要大许多，其有的外表圆浑光滑，有的外表棱角毛躁，对于茶叶形状的等级检测，可通过观察采制中存在的一些问题，结合其他品质项目来全面的综合性分析出茶叶形状等级。在此过程中，需要注意的是茶低即冲泡后的茶渣，虽然这些茶渣在冲泡过后便属于废物，但因为茶叶在冲泡时吸收水分时，会涨大到鲜叶时得大小，所以对于茶叶形状的检测等级来讲是比较直观的，更容易通过叶底来分辨茶叶的真假和等级。

1.2 茶叶色泽的等级描述

茶叶色泽主要包括有叶低色泽、汤色和干茶色泽等三个方面，都是用于区分茶类的重要依据，同时也代表着茶叶的品质优次与等级划分。根据相关研究表明，不同嫩度的茶叶色差方面具有明显差别，色泽方面的变化更容易被人们感官所接受，主要是因为视觉感官分辨色泽的能力与嗅觉和味觉相比，更容易抓住色泽因素，甚至能够从不同的色泽中推知出茶叶的优劣与等级大概。虽然各类茶叶因受品种、栽培条件和新鲜度不同等方面所影响，使其各自拥有独特的色泽特点，但无论是什么品种的茶叶，经过不同制茶工艺的加工和侵泡，都会形成与各自原本色泽不同的茶叶。比如正常的干茶色泽有深绿色，墨绿色、黄绿色和浅黄色等，气色车要求正常，调和、忌花杂等，但是当干茶经过侵泡和制茶工艺之后，它的汤色与叶低便会从色相、亮度和鲜度等方面发生巨变，形成鲜亮的色泽。同时，茶叶香气也是分辨和检测茶叶等级的主要手法之一，是人们通过对茶叶的香气及其成分研究来判断茶叶等级的方法之一，普遍以松烟香型、果香型和花香型为主。

1.3 茶叶化学组分的等级描述

茶叶内化学组分种类高达520余种，从物质组成形态来看，可将其分为干物质、水分两类，其中水分在鲜叶中的比例约为76%～79%，干物质内的组分如表一所示。

表一 茶叶化学组分

2 计算机视觉系统组成

计算机视觉系统在施行检测工序时，主要由外部检测硬件与内部系统软件组成，整个系统的质量性能也将直接决定着整个工序采集过程中的精准性，如图像处理、数据处理等。与此同时，系统内部的信息采集器、耦合元器件、传感器、电子电路等，也与整体检测性能具有较高的关联性。考虑到茶叶与其它农作物的不同，要想更加清楚的观测到茶叶表面上的纹理，传统的数码相机采集设备将无法适用于整个操控工序中，为此，需采用平板式扫描仪将其进行替代，以对茶叶物质形成多维度检测，且在光学作用机理下，内部测量精度也将不受外界因素的影响，直接将测定的数据同步映射到信息模型中，方便系统直接进行预算处理，真正令图片与数字形成对接。通过计算机视觉系统的应用，可令整体检测工序形成一种视觉化操控环境，可视化、同步化的数据分析，将提高茶叶物质的检测精度，且可最大限度规避误差产生的几率，为后续工序的操控提供基础保障。

3 计算机视觉在茶叶等级检验中的应用

3.1 利用神经网络模型，检测茶叶品质等级

计算机视觉在茶叶等级检验中的应用，普遍是通过利用计算机视觉技术获取茶叶原始图像后，对其图像进行分析与处理，然后通过对茶叶图像的分析处理结果进行判断和检测茶叶等级。但是在利用计算机视觉技术对茶叶图像的外形色泽特征与规律进行检测时，是不能用常用的逻辑性进行明确分析与描述的，所以常用的计算机视觉技术检测方法是不能对茶叶品质与等级进行检验的。但是，与之不同的是，计算机视觉技术中的神经网络模型却能利用自身较高水准的兼容性特征，对茶叶数据及色泽等方面进行自我适应和自学处理，从而起到对茶叶的等级进行检测的作用。计算机视觉中的神经网络模型即可称之为人工神经网络，也可与人类大脑神经结构与功能相媲美，是可以通过类似于人类大脑神经结构的计算机视觉网络，将分布式信息数据进行有效处理和整合。然后在利用复杂化的网络系统与计算机视觉，将大量内部结构点相互并接起来，从而起到对茶叶图像信息进行处理和检验的作用。在运用计算机视觉技术对茶叶等级进行检验时，还可通过将茶叶数据、图像、品质、图表等纳入茶叶等级检验系统等中，并形成四种模块，分别对茶叶进行分级管理和检验，以此来提高茶叶等级检验结果的科学性与准确性。

3.2 利用计算机视觉技术，提取茶叶图像外形特征参数

无论是干茶还是湿茶，在经过人们的冲泡和制茶工艺后其大小形状与色泽都会发生变化，所以在分辨和检验茶叶等级，以及茶叶外形特征时，若想更清晰的判断出茶叶在制茶工艺前的栽种、培育、采摘情况和茶叶外形特征，则需要利用计算机视觉技术，来提取茶叶图像外形特征参数，通过茶叶图像外形特征参数的提取，来判断出茶叶品质的好坏与茶叶等级的高低。首先，可通过利用计算机视觉技术对干茶或湿茶的外形、色泽等特征参数进行精准识别、测量和分析，然后根据测量分析出来的结果，对茶叶的等级进行进一步的划分。其次，还可通过利用计算机视觉技术，对茶叶的周长、面积、径度、圆度和直径等参数与图像外形特征进行提取，提取完毕后在通过计算机视觉技术中的图像增强技术、二值化技术与边缘截取技术等，对茶叶图像进行处理，进而获得最精准的茶叶等级检验结果。

3.3 利用计算机视觉技术，去除茶叶图像噪音

利用计算机视觉技术检验茶叶等级，主要可通过对茶叶图像的预处理、去燥、色泽强度增强剂边缘截取等，对茶叶图像的识别及低层图像处理，来获取最基本的检验成果，再然后在完成低层图像处理的基础上，在进行高层次处理，以此来提高茶叶外形特征参数提取和识别模式的准确有效性。所以在利用计算机视觉技术检验茶叶等级时，应将重心放在对茶叶图像的前期处理方面，通过增强对茶叶图像的前期处理来提高辨别结果的准确有效性。首先，可通过利用计算机视觉技术中的图像去燥功能，将茶叶图像在转变为数字化和信息化的过程中存在的外部因素干扰，进行减少噪音和图像去燥，以中值滤波法和领域平滑法来消除图像噪音，并对茶叶图像边缘及细节进行优化，以此来防止茶叶图像变的模糊不清晰。其次，再利用计算机视觉技术对茶叶图像进行采集，在采集过程中需要在边界从上、下、左、又等四个方位进行标记，将最明显的边界点进行详细标记，以此来获取最精准的茶叶单个样本。最后，再利用计算机视觉技术去除茶叶图像噪音的同时，还可通过利用相关设备将茶叶图像扫描出来，对去燥完成的茶叶图像进行失真率测色，以此来确保茶叶图像二值化的灰度值有效性，进而提高茶叶等级检验的精准度。

结语

综上所述，通过利用计算机视觉对茶叶的等级进行检验，既能够获取具体的茶叶详细信息，又能够保证茶叶数据分析结构的正确性，在一定程度上增强茶叶等级检验的准确性。所以，相关技术人员应重视这一优势，积极采取有效措施，快速落实计算机视觉技术在茶叶等级检验中的应用，以其获取更加精准的茶叶等级检测成果。