李莎莎，洪文娟，陳華才，董春旺，葉 陽(yáng)

(1.中國(guó)計(jì)量大學(xué) 光學(xué)與電子科技學(xué)院，浙江 杭州 310018；2.中國(guó)農(nóng)業(yè)科學(xué)院 茶葉研究所，浙江 杭州 310008)

?

R/G/B直方圖對(duì)比算法判別紅茶發(fā)酵適度

李莎莎1，洪文娟1，陳華才1，董春旺2，葉 陽(yáng)2

(1.中國(guó)計(jì)量大學(xué) 光學(xué)與電子科技學(xué)院，浙江 杭州 310018；2.中國(guó)農(nóng)業(yè)科學(xué)院 茶葉研究所，浙江 杭州 310008)

【摘要】提出了一種基于R/G/B直方圖對(duì)比算法判別紅茶發(fā)酵適度的方法.設(shè)計(jì)了一套采集紅茶發(fā)酵圖像采集系統(tǒng)采集紅茶發(fā)酵葉的顏色圖像.通過(guò)計(jì)算紅茶發(fā)酵葉在制品圖像顏色分量直方圖與標(biāo)準(zhǔn)直方圖的匹配度判別發(fā)酵適度，設(shè)定發(fā)酵適度的標(biāo)準(zhǔn)圖像與閾值T，并實(shí)時(shí)采集分析紅茶發(fā)酵過(guò)程中在制品圖像的R/G/B三種顏色分量直方圖，計(jì)算其與標(biāo)準(zhǔn)圖像的Manhattan距離.當(dāng)Manhattan距離D的均值小于設(shè)定閾值T時(shí)，則判別為發(fā)酵適度，并輸出信號(hào)停止紅茶繼續(xù)發(fā)酵.研究結(jié)果表明，基于R/G/B直方圖對(duì)比算法判別紅茶發(fā)酵適度狀態(tài)是可行的，與感官評(píng)審結(jié)果對(duì)比，其判別準(zhǔn)確率達(dá)到 93.2 %.

【關(guān)鍵詞】紅茶；發(fā)酵適度；Manhattan 距離；圖像處理；感官評(píng)價(jià)

現(xiàn)在我國(guó)工夫紅茶的加工工藝為鮮葉→萎凋→揉捻→發(fā)酵→干燥，其中形成工夫紅茶品質(zhì)最關(guān)鍵工序就是發(fā)酵這一過(guò)程，若發(fā)酵程度不足將會(huì)導(dǎo)致茶葉有青草氣、湯色不紅、苦澀；而若發(fā)酵程度過(guò)度則茶葉的香氣低熟不爽、湯色紅暗、茶味淡薄.這些都會(huì)影響紅茶的質(zhì)量，所以只有發(fā)酵適度才會(huì)獲得好的紅茶[1-4]. 因此，只有準(zhǔn)確地掌握發(fā)酵程度才能加工出優(yōu)質(zhì)的工夫紅茶，這個(gè)過(guò)程十分關(guān)鍵. 傳統(tǒng)上，人們主要依靠人眼來(lái)觀察發(fā)酵葉的色澤等，以及用鼻子來(lái)判斷發(fā)酵葉的香氣變化作為發(fā)酵適度的依據(jù)[5-6].人的感覺(jué)器官的靈敏度容易受到外界因素的干擾而發(fā)生改變，從而會(huì)影響到茶葉評(píng)定的準(zhǔn)確性.例如人的嗅覺(jué)分辨力容易受到外界的很多氣味的干擾，人的味覺(jué)的敏感度容易受到其它刺激性食物或者其溫度等很多因素的影響，人的視覺(jué)也容易受到光照環(huán)境、心理、生理等諸多因素的影響，不同人的辨色能力也會(huì)存在許多的差異[7-8].評(píng)審人員感覺(jué)器官的靈敏度還會(huì)受到地域性差別、性別不同、精神狀態(tài)及身體狀況等因素影響[9-10].由于人的感覺(jué)器官的靈敏度容易受到外界條件的變化而變化，沒(méi)有一個(gè)客觀的判定標(biāo)準(zhǔn)，從而影響紅茶發(fā)酵適度評(píng)定的準(zhǔn)確性[11-14].

本文提出了一種利用計(jì)算機(jī)視覺(jué)技術(shù)來(lái)判別紅茶發(fā)酵適度的方法.通過(guò)計(jì)算機(jī)視覺(jué)系統(tǒng)來(lái)獲取紅茶發(fā)酵葉的可見光圖像，從圖像中提取出發(fā)酵葉的顏色特征，將提取的特征變量與茶葉成茶的外形感官評(píng)價(jià)得分值相關(guān)聯(lián)，分析建立了一種判別紅茶發(fā)酵適度的方法，從而實(shí)現(xiàn)發(fā)酵適度的在線快速無(wú)損檢測(cè).

1材料與方法

1.1實(shí)驗(yàn)材料

1)制茶原料：品種迎霜，小喬木型，中葉類，適制紅茶、綠茶，鮮葉原料由遂昌精誠(chéng)茶業(yè)有限公司提供.

2)在制品：將上述品種的鮮葉按照工夫紅茶加工工藝制作，控制其發(fā)酵工序，從揉捻結(jié)束、發(fā)酵開始第一次取樣，以后每隔 0.5 h 取樣一次，所取發(fā)酵葉樣直接用于圖像采集.

1.2實(shí)驗(yàn)方法

設(shè)計(jì)了一套紅茶發(fā)酵圖像采集系統(tǒng)(如圖1)，包括 CCD 攝像機(jī)、漫反射光源箱、光源、圖像采集卡、計(jì)算機(jī)及 機(jī)器視覺(jué)軟件等.光源由多個(gè)鹵鎢燈均勻地安置在漫反射光源箱的底部，所發(fā)出的光線經(jīng)漫反射后均勻地照射在紅茶發(fā)酵樣品上.CCD攝像機(jī)安裝在漫反射光源箱的頂部，實(shí)時(shí)獲取紅茶發(fā)酵樣的圖像和色彩信息.

圖1　紅茶發(fā)酵視覺(jué)采集系統(tǒng) 　Figure 1　Visual acquisition system of black tea fermentation

機(jī)器視覺(jué)軟件包括：CCD DTControl 圖像采集軟件，用于設(shè)置圖像增益、曝光時(shí)間、圖像集成、 RGB 調(diào)節(jié)、圖像分析等；圖像處理軟件，用于圖像處理和發(fā)酵葉特征參數(shù)的提取，實(shí)現(xiàn)算法的編寫.

發(fā)酵開始至結(jié) 束共5 h，每隔10 min 取樣一次，每次取樣200 g，將發(fā)酵葉樣本均勻平鋪在直徑10 cm，高1 cm 的樣品池中.打開光源，采集圖像，調(diào)節(jié)攝像頭的光圈、焦距到適當(dāng)位置，使得攝像頭能清晰的對(duì)茶葉成像.在調(diào)制完整個(gè)系統(tǒng)之后，先采用系統(tǒng)的白平衡功能對(duì)攝像頭成像進(jìn)行標(biāo)定，然后再對(duì)茶葉樣品進(jìn)行成像.每個(gè)樣本分別采集3次，取平均值作為采集的原始數(shù)據(jù).

1.3紅茶感官評(píng)審

保持鮮葉原料、萎凋、揉捻、干燥等實(shí)驗(yàn)條件一致，按照工夫紅茶工藝發(fā)酵，溫度28 ℃、濕度大于90%，發(fā)酵5 h. 試驗(yàn)重復(fù)3次.自發(fā)酵開始至結(jié)束，每隔10 min 取樣200 g，然后干燥、冷卻、制成樣茶，低溫保存，審評(píng)備用.

依據(jù) GB/T 23776采用密碼審評(píng)，品質(zhì)分?jǐn)?shù)按加權(quán)平均法計(jì)算，其中外形占30%(色澤10%、其它20%)，內(nèi)質(zhì)占70 %(滋味20%、香氣20%、湯色10%、葉底20%).

1.4數(shù)據(jù)處理

基于實(shí)時(shí)性等因素的考慮，采用Manhattan 距離進(jìn)行目標(biāo)圖像的跟蹤匹配，實(shí)現(xiàn)工夫紅茶發(fā)酵過(guò)程檢測(cè).

設(shè) H(I)和H(Q)分別為測(cè)試圖像I與標(biāo)準(zhǔn)圖像Q的顏色直方圖；則 H(I)和H(Q)之間的Manhattan距離表示為[15]

(1)

式(1)中， NI×MI、NQ×MQ分別為測(cè)試圖像I與標(biāo)準(zhǔn)圖像Q的像素值大小，R、G、B分別表示RGB顏色分量的量化級(jí). H(I)表示輸入的樣品圖像的顏色分量直方圖的頻度值，H(Q)表示標(biāo)準(zhǔn)圖像的顏色分量直方圖的頻度值，hI(r,g,b)為樣品的顏色分量直方圖中橫坐標(biāo)不同點(diǎn)對(duì)應(yīng)的頻度值，hQ(r,g,b)為標(biāo)準(zhǔn)圖像的顏色分量直方圖中橫坐標(biāo)不同點(diǎn)對(duì)應(yīng)的頻度值，r、g、b分別表示[0-255]灰度級(jí)區(qū)間內(nèi)的任一點(diǎn).本文對(duì)Manhattan距離公式進(jìn)行改進(jìn)，采用對(duì)三個(gè)顏色空間分量分別對(duì)直方圖計(jì)算，采用Manhattan距離公式進(jìn)行匹配，這樣大大降低了計(jì)算量. 對(duì)兩個(gè)目標(biāo)圖像的RGB三個(gè)分量計(jì)算各自的直方圖，并進(jìn)行直方圖的量化，然后用Manhattan距離公式進(jìn)行各個(gè)分量的計(jì)算.各個(gè)顏色分量的Manhattan距離計(jì)算公式如下：

(2)

式(2)中 hI(i) 和 hQ(i) 是發(fā)酵過(guò)程葉測(cè)試圖像和標(biāo)準(zhǔn)參比圖像對(duì)應(yīng)分量的直方圖.它們分別除以 NI×MI、NQ×MQ，是對(duì)分量直方圖進(jìn)行歸一化，NI×MI和NQ×MQ分別表示連續(xù)兩幀目標(biāo)圖像的總像素?cái)?shù)，本文直方圖量化級(jí)為 32.在對(duì)圖像進(jìn)行Manhattan距離相似度算法前，對(duì)圖像進(jìn)行預(yù)處理，保證了測(cè)試圖像與標(biāo)準(zhǔn)圖像的總像素相等.D{H(I),H(Q)}越小表示兩幅目標(biāo)圖像的相似度越高.

分別計(jì)算3種顏色分量的Manhattan距離，如果3種分量的距離 D{H(I),H(Q)} 小于等于給定的閾值T，則認(rèn)為工夫紅茶發(fā)酵葉達(dá)到適度，否則認(rèn)為是未到達(dá)發(fā)酵適度.即若三個(gè)分量的Manhattan距離

(3)

就認(rèn)為圖像匹配成功，測(cè)試樣的發(fā)酵圖像與標(biāo)準(zhǔn)圖像相似.

2實(shí)驗(yàn)結(jié)果與討論

發(fā)酵溫度分別為 20 ℃、25 ℃、30 ℃ 和35 ℃ 單因素變化條件下，進(jìn)行 4組發(fā)酵試驗(yàn)，對(duì)比不同溫度下發(fā)酵葉色澤變化規(guī)律，感官品質(zhì)最高得分所對(duì)應(yīng)的H直方圖輪廓幾乎重疊，具有極高的相似度，如圖2.在此基礎(chǔ)上，說(shuō)明根據(jù)測(cè)試圖像與標(biāo)準(zhǔn)圖像進(jìn)行匹配的方法，適用于不同工藝發(fā)酵條件的檢測(cè).

圖2　不同溫度下Hue直方圖相似度比較 Figure 2　Similarity comparison of Hue histogram under various temperatures

紅茶發(fā)酵圖像與標(biāo)準(zhǔn)紅茶發(fā)酵圖像(感官品質(zhì)最佳茶樣)通過(guò)直方圖匹配方法進(jìn)行相似度分析， 采用 Manhattan 距離算法計(jì)算 R/G/B 3種顏色分量直方圖相差度D值作為相似度量準(zhǔn)則.

根 據(jù)感官評(píng)審，得分大于80分設(shè)定為發(fā)酵適度樣(Y)，其余均為發(fā)酵非適度樣(N).結(jié)合感官評(píng)審得分，T值閾值取0.05，當(dāng)D>T時(shí)，判斷此時(shí)發(fā)酵葉為非適度狀態(tài)(N)當(dāng)D≤T時(shí)，則此時(shí)發(fā)酵葉達(dá)到發(fā)酵適度狀態(tài)(Y).

樣品編號(hào) A、B、C、D 分別表示4組不同發(fā)酵溫度(20 ℃、25 ℃、30 ℃和35 ℃)條件下每隔30 min 取的連續(xù)發(fā)酵茶葉樣品，每組取11個(gè)樣品，得到每個(gè)樣品的感官評(píng)審結(jié)果和R/G/B 直方圖與標(biāo)準(zhǔn)直方圖距離均值D，如表1.

表1　紅茶發(fā)酵樣品D值與感官評(píng)審結(jié)果

對(duì)比每個(gè)樣品的感官評(píng)審結(jié)果和R/G/B直方圖與標(biāo)準(zhǔn)直方圖距離均值D，對(duì)比結(jié)果如表2所示.由表2可知，基于R/G/B直方圖D值判斷紅茶樣品的發(fā)酵適度，44個(gè)樣品中41個(gè)樣品判斷結(jié)果與感官評(píng)審結(jié)果相一致，符合率為93.2%.3個(gè)樣品判斷結(jié)果不一致，分別是B5、C10、D6號(hào)樣品.以感官評(píng)審結(jié)果為標(biāo)準(zhǔn)，圖像識(shí)別法將發(fā)酵不適度的B5和C10樣品誤判為發(fā)酵適度，將發(fā)酵適度的D6號(hào)樣品誤判為發(fā)酵不適度.表明采用機(jī)器視覺(jué)結(jié)合基于Manhattan距離算法的圖像處理評(píng)判紅茶發(fā)酵適度的方法是可行的且具有較高的判別準(zhǔn)確率.

表2感官評(píng)審得分與均值D對(duì)比

Table 2Comparison of sensory evaluation scores and values ofD

感官評(píng)審得分>80(Y)≤80(N)D值≤0.05(Y)>0.05(N)符合率/%AA9A1～A8,A10,A11A9A1～A8,A10,A11100BB9,B10B1～B8,B11B5,B9,B10B1～B4,B6～B8,B1190.9CC5,C8,C9C1～C4,C6,C7,C10,C11C5,C8,C9,C10C1～C4,C6,C7,C1190.9DD4,D5,D6,D8D1～D3,D7,D9～D11D4,D5,D8D1～D3,D7,D6,D9～D1190.9

3結(jié)論

研究建立了基于R/G/B直方圖對(duì)比算法判斷紅茶發(fā)酵適度的方法.采用機(jī)器視覺(jué)技術(shù)獲取紅茶特征信息，將紅茶發(fā)酵樣品圖像與標(biāo)準(zhǔn)圖像(感官品質(zhì)最佳茶樣所對(duì)應(yīng)直方圖)通過(guò)R/G/B直方圖進(jìn)行相似度匹配分析，采用Manhattan距離作為相似度量準(zhǔn)則，得到紅茶發(fā)酵葉圖像的直方圖與感官審評(píng)結(jié)果有顯著相關(guān)性.當(dāng)RGB直方圖差異度值都低于閾值的樣品判定為發(fā)酵適度樣品.研究結(jié)果表明，基于R/G/B直方圖對(duì)比算法評(píng)判紅茶發(fā)酵適度的方法得到的結(jié)果與感官審評(píng)結(jié)果，判別準(zhǔn)確率達(dá)到93.2%.基于R/G/B直方圖對(duì)比算法評(píng)判紅茶發(fā)酵適度，可以提高紅茶發(fā)酵感官品質(zhì)，且此方法簡(jiǎn)便、實(shí)用性強(qiáng).

【參考文獻(xiàn)】

[1]劉玉芳. 工夫紅茶發(fā)酵適度檢測(cè)方法的研究[J].中國(guó)農(nóng)學(xué)通報(bào)，2011，27(4)：345-349.

LIU Yufang. Study on the detecting method of optimum fermentation of Kungfu black tea[J].Chinese Agricultural Science Bulletin，2011，27(4)：345-349.

[2]吳瑞梅. 名優(yōu)綠茶品質(zhì)感官評(píng)價(jià)的儀器化表征研究[D].鎮(zhèn)江:江蘇大學(xué)，2012.

WU Ruimei. Quantification of sensory evaluation of the famous green tea quality using modern instruments[D]. Zhenjiang： Jiangsu University，2012.

[3]方世輝，王先鋒，汪惜生.不同發(fā)酵溫度和程度對(duì)工夫紅茶品質(zhì)的影響[J].中國(guó)茶葉加工，2004 (2)：19-21.

FANG Shihui，WANG Xianfeng，WANG Xisheng. Influence of different fermentation temperature and degree on the quality of black tea[J].China Tea Processing，2004 (2)：19-21.

[4]陳以義，江光輝.紅茶變溫發(fā)酵的理論探討[J].茶葉科學(xué)，1993，13(2)：81-86.

CHEN Yiyi，JIANG Guanghui. Exploration of the Black tea temperature fermentation theory[J].Journal of Tea Science，1993，13(2)：81-86.

[5]錢園鳳.工夫紅茶發(fā)酵適度判定方法研究[D].北京:中國(guó)農(nóng)業(yè)科學(xué)院，2013.

QIAN Yuanfeng. Research on the determination method of the appropriate fermentation of Kungfu black tea[D].Beijing: Chinese Academy of Agriculture Science，2013.

[6]BORAH S，BHUYAN M.A computer based system for matching colors during the monitoring of tea fermentation[J].International Journal of Food Science & Technology，2005，40(6)：675-682.

[7]劉玉芳，楊春，林朝賜.發(fā)酵時(shí)間對(duì)工夫紅茶品質(zhì)的影響研究初報(bào)[J].福建茶葉，2008，30(2)：21-22..

LIU Yufang, YANG Chun，LIN Chaoci，et al.Research on the effect of fermentation time on the quality of Black tea [J].Tea in Fujian，2008，30(2)：21-22.

[8]趙和濤.紅茶發(fā)酵時(shí)主要化學(xué)變化及不同發(fā)酵方法對(duì)工夫紅茶品質(zhì)的影響[J].蠶桑茶葉通訊，1989(2)：10-13.

ZHAO Hetao. Effects of main chemical changes and different fermentation methods on quality of black tea[J].Newsletter of Sericulture and Tea，1989(2)：10-13.

[9]GILL G S，KUMAR A，AGARWAL R.Monitoring and grading of tea by computer vision-a review[J].Journal of Food Engineering，2011，106(1)：13-19.

[10]DUTTA R，HINES E L，GARDNER J W，et al. Tea quality prediction using a tin oxide-based electronic nose: an artificial intelligence approach[J].Sensors and Actuators，2003，94：228-237.

[11]朱磊.一種基于直方圖統(tǒng)計(jì)特征的直方圖匹配算法的研究[J].計(jì)算技術(shù)與自動(dòng)化，2004，23(2)：48-51.

ZHU Lei. Application of digital library technology in the integrated management platform for military information[J]. Computing Technology and Automation，2004，23(2)：48-51.

[12]魯偉奇，郭永洪. 一種識(shí)別不同種類葡萄的無(wú)損檢測(cè)方法[J]. 中國(guó)計(jì)量學(xué)院學(xué)報(bào)，2012，23 (1)： 20-24.

LU Weiqi，GUO Yonghong. A nondestructive detection method to distinguish different kinds of grapes [J].Journal of China University of Metrology，2012，23 (1)： 20-24.

[13]YANG Xuqiang，F(xiàn)ENG Yong，LIU Hongcheng. An object extraction method based on HIS color model[J].Optical Technique，2006，2(2)：290-292.

[14]BHATTACHARYYA N，SETH S，TUDU B，et al. Monitoring of black tea fermentation process using electronic nose[J].Journal of Food Engineering，2007，80(4)：1146-1156.

[15]付永會(huì)，張風(fēng)超.一種改進(jìn)的基于顏色直方圖的實(shí)時(shí)目標(biāo)跟蹤算法[J]. 數(shù)據(jù)采集與處理，2001，16(3)：309-314.

FU Yonghui，ZHANG Fengchao. Improved algorithm for object tracking based on color histogram[J]. Journal of Data Acquisition & Processing，2001，16(3)：309-314.

【文章編號(hào)】1004-1540(2016)02-0172-05

DOI:10.3969/j.issn.1004-1540.2016.02.009

【收稿日期】2015-12-01《中國(guó)計(jì)量學(xué)院學(xué)報(bào)》網(wǎng)址：zgjl.cbpt.cnki.net

【基金項(xiàng)目】國(guó)家科技支撐計(jì)劃項(xiàng)目(No.2012BAF07B05),浙江省重點(diǎn)科技創(chuàng)新團(tuán)隊(duì)項(xiàng)目(No.2010R50028).

【作者簡(jiǎn)介】李莎莎(1993-)，女，浙江省臺(tái)州人，碩士研究生，主要研究方向?yàn)楣庾V檢測(cè)技術(shù).E-mail:lisasa113232@qq.com 通信聯(lián)系人：陳華才，男，研究員.E-mail: huacatichen@jlu.edu.cn

【中圖分類號(hào)】TS272

【文獻(xiàn)標(biāo)志碼】A

Black tea fermentation degree monitoring with histogram comparison algorithm

LI Shasha1， HONG Wenjuan1， CHEN Huacai1， DONG Chunwang2， YE Yang2

(1.College of Optical and Electronic Technology， China Jiliang University， Hangzhou 310018， China;2.Tea Research Institute， Chinese Academy of Agricultural Sciences， Hangzhou 310008， China)

Abstract:We proposed a method to discriminate black tea fermentation degree with the image color component R/G/B histogram. An image acquisition system was established to collect the images of the fermenting black tea. The standard image of moderate fermentation and the threshold value of T were preset. Then the R/G/B component histograms of black tea images in the fermentation process were collected. The Manhattan distances of the images from the standard image were calculated. When the average Manhattan distance D was less than the threshold value T, the fermentation was moderate. The results show that it is feasible to discriminate the black tea fermentation moderate condition base on the R/G/B histogram comparison algorithm. The overall discrimination accuracy rate is 93.2% compared with the results of sensory evaluation.

Key words:black tea； fermentation degree； Manhattan distance； image processing； sensory assessing