劉穎華，李海明（承德石油高等?？茖W(xué)校，河北承德067000）

?

神經(jīng)網(wǎng)絡(luò)圖像技術(shù)設(shè)計(jì)智能鮮茶葉分選機(jī)原理研究

劉穎華，李海明
（承德石油高等專科學(xué)校，河北承德067000）

摘要：人工神經(jīng)網(wǎng)絡(luò)圖像分析技術(shù)，是一種對(duì)新鮮茶葉進(jìn)行分類的全新技術(shù)，也是一種對(duì)新鮮茶葉進(jìn)行分選的智能技術(shù)。新鮮的茶葉在葉面的大小、弧度上以及特點(diǎn)上都有著明顯的特點(diǎn)，利用人工神經(jīng)網(wǎng)絡(luò)圖像分析技術(shù)對(duì)其幾何特點(diǎn)和圖像特征進(jìn)行歸類和分析，以BR網(wǎng)絡(luò)訓(xùn)練的形式對(duì)茶葉的新鮮度進(jìn)行智能分類，以此獲得茶葉種類的正確識(shí)別和準(zhǔn)確分揀。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；圖像分析；茶葉分選

劉穎華（1979-），男，河北寬城人，本科學(xué)歷，碩士學(xué)位，講師，研究方向：數(shù)學(xué)建模與教學(xué)研究。

李海明（1967-），男，河北灤縣人，本科學(xué)歷，碩士學(xué)位，副教授，研究方向：教學(xué)管理與研究。

伴隨著市場(chǎng)經(jīng)濟(jì)的快速發(fā)展和農(nóng)民工的短缺，社會(huì)勞動(dòng)力的雇傭價(jià)格是越來(lái)越昂貴。為了更好地降低生產(chǎn)成本，許多茶場(chǎng)都相繼改變了傳統(tǒng)的人工采茶手法，并以機(jī)械化、自動(dòng)化的形式來(lái)代替，以此化解勞動(dòng)力緊缺的問題。利用機(jī)械設(shè)備進(jìn)行茶葉的采收，雖然可以提高茶葉采收的速度和效率，降低人工采茶的成本，但是卻無(wú)法完全保證茶葉品質(zhì)的優(yōu)良。利用人工手法進(jìn)行茶葉采收，采茶人可以根據(jù)購(gòu)買需要和生產(chǎn)需要對(duì)特定的茶葉品種進(jìn)行直接采收，但是利用機(jī)械設(shè)備進(jìn)行茶葉采收時(shí)，卻無(wú)法根據(jù)茶葉的品級(jí)進(jìn)行細(xì)化分類，而且采收的茶葉大都會(huì)含有葉梗之類的雜質(zhì)，這樣的機(jī)械采收茶葉形式根本無(wú)法保證茶葉的優(yōu)異質(zhì)量。利用機(jī)械設(shè)備進(jìn)行茶葉的采收，雖然有可取之處，但是弊大于利，若想突破這一限制性問題，就需要依靠茶葉智能分級(jí)技術(shù)對(duì)機(jī)械設(shè)備進(jìn)行換代升級(jí)，以此提升茶葉品級(jí)的正確分類。

1　人工神經(jīng)網(wǎng)絡(luò)圖像分析技術(shù)在茶葉分類中應(yīng)用的必然性

在當(dāng)前的茶葉分級(jí)技術(shù)和茶葉分級(jí)設(shè)備的研究中存在著兩方面的問題，一方面是單純依靠物理方式對(duì)茶葉進(jìn)行分類和選擇，雖然能夠很好地去除茶葉中的異物和進(jìn)行簡(jiǎn)單的級(jí)別分類，但是卻無(wú)法準(zhǔn)確將純凈茶和高品質(zhì)茶細(xì)化出來(lái)。另一方面是對(duì)已經(jīng)加工完成的成品茶葉進(jìn)行分類篩選，這種分類篩選設(shè)備雖然能夠很好的剔除茶葉中的大部分異物，但是卻無(wú)法將茶葉品種進(jìn)行明確分類。而且面對(duì)不同品級(jí)和不同加工工藝的茶葉，這種先加工后分級(jí)的最終效果很不理想。

伴隨著計(jì)算機(jī)技術(shù)的快速發(fā)展和廣泛應(yīng)用，計(jì)算機(jī)圖像分類技術(shù)的用途越來(lái)越廣泛，已經(jīng)廣泛應(yīng)用于各類工業(yè)化與農(nóng)業(yè)化的生產(chǎn)加工中。例如，利用計(jì)算機(jī)圖像分析技術(shù)可以對(duì)雜草和害蟲進(jìn)行識(shí)別，以此消滅害蟲和鏟除雜草；利用計(jì)算機(jī)圖像分析技術(shù)可以對(duì)農(nóng)作物的果實(shí)進(jìn)行識(shí)別，以此將果實(shí)從枝干上采摘下來(lái)；利用計(jì)算機(jī)圖像分級(jí)技術(shù)可以對(duì)黃米進(jìn)行識(shí)別，以此檢測(cè)稻米的質(zhì)量。這些識(shí)別應(yīng)用都是根據(jù)被需要識(shí)別物品的外形、顏色及突出特征進(jìn)行分類的，快速運(yùn)轉(zhuǎn)的速度及日趨降低的成本成為計(jì)算機(jī)技術(shù)的優(yōu)勢(shì)，成為計(jì)算機(jī)圖像分析技術(shù)被廣泛應(yīng)用的前提關(guān)鍵。在利用圖像進(jìn)行分類時(shí)，人工神經(jīng)網(wǎng)絡(luò)技術(shù)的實(shí)用性最為突出，對(duì)茶葉的采收和級(jí)別的分類無(wú)疑是個(gè)不錯(cuò)的選擇。茶葉的圖像特征大體相近、其分類的規(guī)律也很難憑經(jīng)驗(yàn)和方法來(lái)掌握，而利用人工神經(jīng)網(wǎng)絡(luò)分析技術(shù)對(duì)茶葉的圖形樣式進(jìn)行訓(xùn)練掃描，就能準(zhǔn)確的對(duì)其進(jìn)行分類識(shí)別。

本文將立足于人工神經(jīng)網(wǎng)絡(luò)技術(shù)，并對(duì)人工網(wǎng)絡(luò)神經(jīng)圖像分析技術(shù)在茶葉分類識(shí)別中的應(yīng)用和智能終端分選機(jī)對(duì)茶葉的具體分選進(jìn)行分析總結(jié)，希望以此實(shí)現(xiàn)茶葉分選和識(shí)別的最優(yōu)化，以此實(shí)現(xiàn)鮮茶葉選取和級(jí)別質(zhì)量定位上的最優(yōu)化。

2　人工神經(jīng)網(wǎng)絡(luò)圖像分析技術(shù)在茶葉分類選取上的應(yīng)用

人工神經(jīng)網(wǎng)絡(luò)，是一種模仿人類腦神經(jīng)網(wǎng)絡(luò)而進(jìn)行分布式信息處理的數(shù)學(xué)模型，是一種以并行的方式對(duì)信息進(jìn)行處理的網(wǎng)絡(luò)系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)是在人神經(jīng)網(wǎng)絡(luò)功能的運(yùn)作啟發(fā)基礎(chǔ)上建筑而成的，是對(duì)數(shù)學(xué)統(tǒng)計(jì)學(xué)類型方法的一種優(yōu)化，也是對(duì)邏輯學(xué)推理演算的一種升級(jí)。人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)，不但具有很強(qiáng)的系統(tǒng)性和功能性，還可以對(duì)一些雜亂的、沒有條例的信息數(shù)據(jù)進(jìn)行歸納總結(jié)和分類整理，以此挖掘出其中所隱藏的內(nèi)在規(guī)律，解決同類事物的分類識(shí)別和優(yōu)化分選問題。

將人工神經(jīng)網(wǎng)絡(luò)運(yùn)用到茶葉的識(shí)別選取上，可以很好的解決茶葉分類的問題。其具體的做法為：根據(jù)茶葉的外貌形相和紋理特征參數(shù)進(jìn)行茶葉圖像的分類設(shè)定，將設(shè)定好的茶葉圖像輸入人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)中，并對(duì)茶葉圖像進(jìn)行具體的訓(xùn)練，最后經(jīng)過(guò)人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)的分析得出具體的分類結(jié)果，以此為基礎(chǔ)建立茶葉分類采集和識(shí)別選取的人工神經(jīng)網(wǎng)絡(luò)。實(shí)驗(yàn)表明，利用人工神經(jīng)網(wǎng)絡(luò)圖像分析技術(shù)對(duì)新鮮茶葉進(jìn)行分類識(shí)別是具有相當(dāng)明顯的實(shí)際效果的，分類識(shí)別的正確率遠(yuǎn)遠(yuǎn)超過(guò)于傳統(tǒng)的機(jī)械設(shè)備，近乎趨于100%。將人工神經(jīng)網(wǎng)絡(luò)圖像分析技術(shù)融入于機(jī)械采茶設(shè)備之中，制造和研發(fā)便于茶葉自動(dòng)分類的智能茶葉分選機(jī)，實(shí)現(xiàn)鮮茶葉分類識(shí)別和優(yōu)化選取的最優(yōu)化。

2.1茶葉圖像特征的選擇依據(jù)

應(yīng)用于茶葉分類的圖像特征主要包括兩個(gè)部分，一是與茶葉方向無(wú)關(guān)的幾何圖形特征，二是茶葉的顏色紋理特征。根據(jù)茶葉的類別對(duì)其中具有明顯特性的茶葉進(jìn)行選取分析，判定其中蘊(yùn)含的幾何特征和審視分析其中的顏色紋理特征的主要方法為：

根據(jù)茶葉特征的數(shù)值進(jìn)行統(tǒng)計(jì)分析。對(duì)不同類別茶葉的幾何特征置和顏色紋理特征值進(jìn)行數(shù)據(jù)統(tǒng)計(jì)，根據(jù)所得出的數(shù)據(jù)制作出一目了然的箱形圖，以箱形圖為依據(jù)進(jìn)行相互對(duì)比分析，如果箱形圖中各種類別茶葉的相互堆疊和覆蓋的越少，就說(shuō)明這個(gè)制作成這個(gè)箱形圖的茶葉特征分類的效果要相對(duì)比較理想。

根據(jù)茶葉特征對(duì)評(píng)價(jià)結(jié)果的敏感度進(jìn)行認(rèn)定分析。在對(duì)多特征的茶葉圖像進(jìn)行綜合分析時(shí)，會(huì)得出多種不同的評(píng)價(jià)結(jié)果，而各個(gè)特征對(duì)評(píng)價(jià)結(jié)果的敏感度也大不相同。對(duì)評(píng)價(jià)結(jié)果敏感度越高的茶葉特征就是用于鑒定分類最理想的形式，反之則不然。經(jīng)過(guò)系統(tǒng)分析可以發(fā)現(xiàn)，通過(guò)訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)中，會(huì)存在一定的連接權(quán)值，這一權(quán)值存在于輸入層與隱含層之間，通過(guò)歸一化處理后，這些連接權(quán)值便能準(zhǔn)確的反映茶葉特征的敏感度。

2.2神經(jīng)網(wǎng)絡(luò)類型和參數(shù)的選擇依據(jù)

在神經(jīng)網(wǎng)絡(luò)類型的選擇上，BP神經(jīng)網(wǎng)絡(luò)、徑向基、Hopfield網(wǎng)絡(luò)等是其中重點(diǎn)嘗試研究的神經(jīng)網(wǎng)絡(luò)類型，而其中對(duì)茶葉分類選取最為有效的為BP神經(jīng)網(wǎng)絡(luò)。在常用的幾種神經(jīng)網(wǎng)絡(luò)中，Hopfield網(wǎng)絡(luò)的作用是直接識(shí)別茶葉的體香形狀，這種網(wǎng)絡(luò)形式不但與茶葉的形狀方向相關(guān)聯(lián)，還需要強(qiáng)大的處理數(shù)據(jù)量，因而不適宜選用。徑向基網(wǎng)絡(luò)，是一種處理變量與結(jié)果關(guān)系的網(wǎng)絡(luò)形式，它只適用于分析函數(shù)回歸的相關(guān)特性，根本無(wú)法處理茶葉圖像上在特征上的分類問題。

在神經(jīng)網(wǎng)絡(luò)類型的參數(shù)選擇上，單純依靠隱藏層和隱藏神經(jīng)元是無(wú)法保證計(jì)算結(jié)果的準(zhǔn)確性與穩(wěn)定性的，而運(yùn)用多個(gè)輸出向量進(jìn)行茶葉類別的表達(dá)時(shí)也會(huì)出現(xiàn)類似的問題。通過(guò)實(shí)驗(yàn)的最終確定表明，茶葉的面積、周長(zhǎng)、凸殼范圍、凸殼大小、軸承的長(zhǎng)度、葉面的對(duì)比度、頁(yè)面的光滑度等特征被確定為茶葉分類中最有價(jià)值的神經(jīng)網(wǎng)絡(luò)參數(shù)。

2.3茶葉圖像的背景分離

利用神經(jīng)網(wǎng)絡(luò)技術(shù)，可以準(zhǔn)確的提取出茶葉圖像的幾個(gè)特征和顏色紋理特征，可以將圖像中的茶葉與圖像背景相互脫離出來(lái)，以此獲取到更好的分離和分類效果。利用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練法對(duì)茶葉與背景進(jìn)行分離，其最終的分離效果要遠(yuǎn)遠(yuǎn)超過(guò)于灰度閾值分離法。

3　智能茶葉分選機(jī)的設(shè)計(jì)和使用

智能茶葉分選機(jī)，其內(nèi)部核心裝置為圓盤式的茶葉輸送分揀裝置，外部裝置為單片機(jī)控制箱，輸送分揀裝置和單片機(jī)控制箱都需要連接PC計(jì)算機(jī)才能運(yùn)行使用。在茶葉輸送分揀裝置的圓形轉(zhuǎn)盤上，分別安裝著投放茶葉的器皿、感知茶葉的測(cè)位器、讀取茶葉圖像的攝像頭、分類茶葉的分揀器、盛放分類茶葉的容器。茶葉測(cè)位器，主要是由一排排光電傳感器組成，這些光電傳感器統(tǒng)一分布于圓盤的一側(cè)，以茶葉經(jīng)過(guò)信號(hào)的感知獲取茶葉在圓盤上的具體位置。當(dāng)智能分選機(jī)進(jìn)行工作時(shí)，投料器會(huì)按照茶葉的片數(shù)劃分依次投放在圓盤上，通過(guò)測(cè)位器明確茶葉具體定位，接著由單片機(jī)和轉(zhuǎn)盤測(cè)位器綜合測(cè)算出茶葉最佳的攝像位置和攝像時(shí)間，并及時(shí)通知PC攝像機(jī)對(duì)其進(jìn)行圖像攝取，在PC計(jì)算機(jī)感應(yīng)到圖像后利用計(jì)算機(jī)中的茶葉分類系統(tǒng)對(duì)轉(zhuǎn)盤上的茶葉進(jìn)行分類，再將這些分類后的信息傳回到單片機(jī)上，指導(dǎo)單片機(jī)依照茶葉類別的分類信息進(jìn)行準(zhǔn)確的分揀，最后將分揀后的茶葉按照相同的類別推動(dòng)至相同的盛放容器，以此實(shí)現(xiàn)不同茶葉類別的合格和正確分揀。

利用智能茶葉分選機(jī)對(duì)茶葉的類別進(jìn)行分類整理，是主要依靠各個(gè)構(gòu)件的循環(huán)信息傳遞而進(jìn)行的，是需要各個(gè)構(gòu)件的聯(lián)合反應(yīng)來(lái)進(jìn)行茶葉圖像的測(cè)定、攝取、反射、讀取和分類的，是通過(guò)PC計(jì)算機(jī)的圖像信息收發(fā)而進(jìn)行神經(jīng)網(wǎng)絡(luò)識(shí)別的。通過(guò)智能茶葉分選機(jī)的使用，大大提高了鮮茶葉分揀的效率和質(zhì)量，避免和減少了茶葉分揀錯(cuò)誤的頻率。

4　結(jié)束語(yǔ)

根據(jù)人工神經(jīng)網(wǎng)絡(luò)圖像分析技術(shù)制造出智能化的茶葉分選機(jī)器，利用計(jì)算機(jī)主體和神經(jīng)網(wǎng)絡(luò)對(duì)茶葉圖像進(jìn)行智能分揀，不僅能夠提升茶葉類別分選的準(zhǔn)確性和茶葉分揀的效率，還可以提升茶葉類別分揀的正確性，保證茶葉的整體質(zhì)量，從而更好的實(shí)現(xiàn)鮮茶葉的售賣時(shí)間和售賣利潤(rùn)。

參考文獻(xiàn)

[1]常春,陳怡群,肖宏儒,任守綱,宋衛(wèi)東.基于神經(jīng)網(wǎng)絡(luò)圖像分析的智能鮮茶葉分選機(jī)[J].中國(guó)農(nóng)機(jī)化學(xué)報(bào),2013,01:137-141.

[2]張皓臻,肖宏儒,梅松,王中,宋志禹,丁文芹.茶葉分選技術(shù)的現(xiàn)狀和未來(lái)[J].農(nóng)業(yè)工程,2014,05:59-63.

[3]郭雅玲,賴凌凌,劉亞峰,陳昌盛.烏龍茶機(jī)采及其分選技術(shù)研究進(jìn)展[J].中國(guó)農(nóng)機(jī)化學(xué)報(bào),2016,01:262-267.

[4]劉亞峰.閩南烏龍茶機(jī)采鮮葉切入點(diǎn)及分選技術(shù)研究[D].福建農(nóng)林大學(xué),2013.

[5]唐小林,李文萃,范起業(yè).機(jī)采茶鮮葉分類分級(jí)技術(shù)及相關(guān)設(shè)備研究進(jìn)展[J].中國(guó)茶葉加工,2015,02:5-8.

[6]楊娟,李中林,袁林穎,劉素強(qiáng),鄔秀宏,盛忠雷.機(jī)采茶鮮葉分級(jí)技術(shù)初步研究[J].中國(guó)茶葉加工,2015,02:41-45.

作者簡(jiǎn)介：