陳林，孫豪宗，黃 歡

（景德鎮(zhèn)陶瓷大學，江西 景德鎮(zhèn) 333000）

隨著中國建成小康社會持續(xù)推進，旅游已經(jīng)成為人民大眾日常生活的重要組成部分，我國旅游業(yè)進入全民旅游的新時代。在國家加速推進供給側(cè)結(jié)構(gòu)性改革的大框架下，我國旅游產(chǎn)業(yè)將加快由傳統(tǒng)性旅游發(fā)展模式向智慧旅游發(fā)展模式進行轉(zhuǎn)變。有的采摘技術(shù)和采茶設(shè)備不能滿足鮮葉原料和成品茶高質(zhì)量的要求，機采茶鮮葉技術(shù)往往存在新嫩不均、長短不齊、勻凈度低、莖梗含量高等一系列的問題和困擾[1]，因此在這里我們選取最新型的智能算法進行茶葉圖像的智能處理，將識別出我們的茶葉的不同新嫩程度，為我們的游客提供一個智能化體驗。

目前關(guān)于國內(nèi)采摘的方法是往復收割，該采摘方式無差別地將茶葉采取，導致茶葉的完整性低，口感不好等一系列問題，因此我們采用智能MobelNetV2 算法采用卷積神經(jīng)網(wǎng)絡(luò)來識別采摘，使用該智能算法來識別我們的茶葉的新鮮程度與生長程度的識別具有更加便捷與更加可靠的操作。

1 材料與方法

1.1 材料圖片篩選

老芽型、一芽一葉型、一芽二葉型等生長狀態(tài)不同的茶葉圖像來自景德鎮(zhèn)浮梁縣寒溪村李子園的拍攝圖片，共收錄茶葉共2500 張，其中包含若干老型茶葉、新鮮茶葉一芽一葉型茶葉、一芽二葉型茶葉，用于構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型并對其進行智能識別與分類操作。并將他們收錄進不同的文件夾內(nèi)，以便于以后分類進行識別操作。圖像進行去噪、分割、特征提取等處理的技術(shù)和方法，在階段中研究者準備利用圖像處理技術(shù)處理和提取成品圖像的茶葉中茶鮮葉顏色、形狀、紋理等多種特征，對其進行分類識別，取得了較好的效果[2]。篩選出含有茶葉不相關(guān)聯(lián)的部分照片，通過圖像的處理技術(shù)進行簡單的圖片處理，保留清晰度高、含有茶葉成長特征程度高的圖片，排除無關(guān)信息的干擾，提升訓練的準確度與測試的速度與效果[3]。本研究通過一定的篩選排除茶葉系列無用信息的區(qū)域進行有效的裁剪，最終得出以老型茶葉、一芽一葉型茶葉、一芽二葉型茶葉等若干張分類茶葉進行之后的智能識別操作。

1.2 智能識別下的茶葉分類技術(shù)

智能識別在運行過程中，主要采取的是圖像數(shù)字化采集技術(shù)，利用智能算法識別技術(shù)和利用圖像分類處理技術(shù)，測定出當前操控空間內(nèi)的各類數(shù)據(jù)，確保圖像捕捉、數(shù)字圖像處理可支撐整個識別的模塊化操作。智能識別大致流程如圖1 所示，首先在我們目的茶園拍照收集2500 張照片，之后將這些照片進行樣本化處理，剪切掉照片上含有的與茶葉不相符的信息，利用茶葉的顏色、區(qū)域生長以及形狀等手段提取茶葉細嫩程度的不同[4]，進行樣本的分類操作，之后建立MobileNetV2 神經(jīng)網(wǎng)絡(luò)模型，利用MobileNetV2 神經(jīng)網(wǎng)絡(luò)模型進行訓練茶葉，訓練出我們想要的數(shù)據(jù)模型，最后可以利用該模型把茶葉形態(tài)進行智能識別分出若干類型的圖片來構(gòu)造出數(shù)據(jù)，最后給出實驗結(jié)果進行網(wǎng)絡(luò)評價[5]。

圖1 智能識別茶葉流程

2 軟件智能識別設(shè)計

作為機器學習領(lǐng)域中研究的熱點，深度網(wǎng)絡(luò)的學習在圖像特征性進行提取、目標物觀測和智能識別等方面都有巨大的研究性成果，茶葉細嫩程度在特征性觀察的方面尤為突出，生長時期不同的茶葉在顏色色澤、嫩葉數(shù)量、茶葉形狀等方面都有不同異性。MobileNetV2 神經(jīng)網(wǎng)絡(luò)在茶葉細嫩程度識別更加準確，其中交叉驗證訓練中的網(wǎng)絡(luò)訓練方法能使得網(wǎng)絡(luò)從數(shù)據(jù)中可以得到充分學習目標的特征，在一定程度上避免訓練時發(fā)生擬合、欠擬合等一系列的問題，同時還對網(wǎng)絡(luò)泛化性能有了一部分的提高，讓我們的原先的網(wǎng)絡(luò)繼承訓練更加快速和有效[6]，因此智能識別茶葉就采用MobileNetV2 算法進行茶葉生長程度的識別操作。

3 硬件設(shè)計部分

系統(tǒng)主要使用了樹莓派3B+作為主控部件，光照傳感器以及LCD 顯示屏組成，光照傳感器負責感應(yīng)附近光照強弱的變化，LCD 屏主要顯示數(shù)據(jù)。

3.1 樹莓派3B+

本系統(tǒng)的主控制器的選型為樹莓派3B+平臺，該平臺具有藍牙和WIFI 等無線網(wǎng)絡(luò)接口，可供本茶葉識別檢測系統(tǒng)的網(wǎng)絡(luò)搭建，為本系統(tǒng)的聯(lián)網(wǎng)提供了技術(shù)條件。

樹莓派的連接方式有很多種，本系統(tǒng)采用的是WiFi連接，首先把燒錄系統(tǒng)完成后的SD 卡插入樹莓派SD卡槽中，將樹莓派和LCD 顯示屏連接，啟動樹莓派，在屏幕中找到WiFi 圖標，連接無線網(wǎng)。

3.2 TSL25911 數(shù)字光照傳感器

這是一款高靈敏度的數(shù)字環(huán)境光傳感器，具有600M:1 寬動態(tài)范圍，可檢測高達 88000Lux 的光強，I2C 接口控制，低功耗，適合在各種光照條件下工作。采用TSL25911FN，可測量紅外光及人類可見光（相比TSL2561 測量范圍更廣）。內(nèi)置ADC，通過I2C 接口可直接輸出光強度，不易受噪聲干擾，靈敏度高達188uLux，內(nèi)置含有紅外光敏二極管，即使在紅外噪聲干擾大的復雜環(huán)境中也能較準確地進行檢測，內(nèi)部具有中斷輸出，可編程的上下限閾值，板載電平轉(zhuǎn)換電路，可兼容3.3V/5V 的工作電平。

3.3 LCD 顯示屏

LCD 顯示屏是一種借助于薄膜晶體管技術(shù)所驅(qū)動的有源矩陣液晶顯示器。其工作原理為：首先是進行內(nèi)部電能轉(zhuǎn)換到光能的功能，通過電場的變化來改變其內(nèi)部結(jié)構(gòu)中各個液晶分子的方向，進而影響外部光源對屏內(nèi)結(jié)構(gòu)的透光率。然后，通過激勵來影響三基色的光膜，進而實現(xiàn)彩色重顯。

在本系統(tǒng)中的作用主要是用于網(wǎng)頁界面的顯示，更方便、快捷地向使用者展現(xiàn)各種數(shù)據(jù)以及環(huán)境參數(shù)的變化。

4 實驗與分析

準備樹莓派、攝像頭、USB 連接口、光源傳感器等一系列硬件設(shè)備。連接電源，啟動樹莓派、LCD 顯示屏，預(yù)設(shè)WiFi 熱點，使硬件連接外網(wǎng)，將樹莓派環(huán)境配置為Ubuntu 24.04 的系統(tǒng)中，樹莓派設(shè)備上面的攝像頭將采集到的茶葉圖像傳輸?shù)讲枞~識別模塊，之后在對茶葉的新老程度進行檢測前，對周邊的環(huán)境光照強弱情況進行系統(tǒng)性的定位處理，再對圖像進行預(yù)處理操作，通過對采集到的茶葉圖像的預(yù)處理可以有效地提高模型識別的準確率，減少光照的暗弱因素對茶葉識別質(zhì)量產(chǎn)生的影響，將茶葉識別模塊上的圖像使用訓練好的MobileNetV2 神經(jīng)網(wǎng)絡(luò)模型進行訓練和識別，數(shù)據(jù)訓練模集如圖2 所示，并將識別后茶葉種類的結(jié)果輸出到樹莓派的顯示屏上，以便更加直觀地進行觀察[7]。最后采用TCP 網(wǎng)絡(luò)通信，將識別的結(jié)果放到我們的電腦上面，以便于我們之后的觀察。

圖2 茶葉數(shù)據(jù)訓練集

研究樣本選自景德鎮(zhèn)市浮梁縣茶園里的茶葉的圖片，含有晴天時拍攝的圖片、雨天時拍攝的圖片以及陰雨天拍攝的圖片若干張，其中景德鎮(zhèn)的浮梁茶采集于2021 年秋至2022 年清明節(jié)前后。在晴天、雨天、陰天不同的環(huán)境下利用數(shù)碼照相機、華為P40 和蘋果12 等手機采集水平角度下的茶葉嫩芽清晰圖像，篩選出最清楚的圖片加以收集保存。在window10 系統(tǒng)下64位計算機搭建MobileNetV2 卷積算法神經(jīng)網(wǎng)絡(luò)，計算機CPU 型號Intel(R) Core(TM) i7-8750H CPU@2.20GHz。運行內(nèi)存（RAM）16GB，最后得出表1 中的數(shù)據(jù)。

表1 茶葉識別情況

5 結(jié)論

智能識別茶葉的研究為茶園的智能化和智能旅游提供了基礎(chǔ)，針對目前識別設(shè)備的便攜性問題，本文將樹莓派和MobileNetV2 神經(jīng)網(wǎng)絡(luò)模型相結(jié)合，利用便攜的樹莓派硬件，將實時數(shù)據(jù)上傳到電腦上，給茶葉的識別提供了一種便利的智能系統(tǒng)，對茶園中的茶葉生長狀況和細嫩程度進行有效的識別，采集并標注了茶葉的數(shù)據(jù)集，針對茶葉新老程度、一芽一葉和一芽二葉等多種狀態(tài)，初步研究和構(gòu)建了基于MobelNetV2卷積神經(jīng)網(wǎng)絡(luò)的茶葉狀態(tài)識別模型。該模型的方法有效地避免了傳統(tǒng)機器視覺識別對有效特征的依賴性，可以很好地識別自然環(huán)境下茶葉細嫩程度狀態(tài)。此方法還存在著許多的不足之處，其中不同角度的茶葉展現(xiàn)出狀態(tài)存在很大的誤差性。后期將根據(jù)不同角度下茶葉狀態(tài)進行改善處理，在數(shù)據(jù)收集處理的步驟中，增加不同角度拍攝樣本數(shù)據(jù)，選擇光線角度充足無陰影的區(qū)域，以提高嫩芽狀態(tài)識別能力[8]，為茶葉嫩芽采摘提供理論性的基礎(chǔ)和參考的依據(jù)。不過，本系統(tǒng)還面臨著一些問題的困擾，其中需要在同一網(wǎng)絡(luò)環(huán)境下才能實現(xiàn)數(shù)據(jù)的實時檢測還不是很便捷，還需進行改進。