王巖（海南經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院，海南 ?？?571127）

?

神經(jīng)網(wǎng)絡(luò)技術(shù)在茶葉分級中的應(yīng)用研究

王巖
（海南經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院，海南 海口 571127）

摘要：茶葉分級是茶葉生產(chǎn)加工環(huán)節(jié)上的重要組成部分，傳統(tǒng)的感官檢驗方法容易受到外部因素的制約和干擾，無法準確將茶葉按品質(zhì)分級，從而影響評定的準確性。隨著計算機技術(shù)的不斷成熟，通過建立茶葉樣本圖像的計算機視覺系統(tǒng)，并利用人工神經(jīng)網(wǎng)絡(luò)技術(shù)來對茶葉進行分級，提高了評定分析結(jié)果的準確性。本文對神經(jīng)網(wǎng)絡(luò)技術(shù)在茶葉分級中的應(yīng)用進行了探討。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)技術(shù)；茶葉分級；計算機視覺系統(tǒng)

1　茶葉分級技術(shù)的重要性

中國茶葉種類繁多、各具特色，同一種茶葉也有優(yōu)有劣，在外形、口感上有著較大差異，因此如何將茶葉進行評定分級來準確衡量其價值，一直是茶葉生產(chǎn)加工中的難點所在。我國在很早之前就開始對茶進行品質(zhì)審評，《茶錄》中詳細記載了如何通過色、香、味等方面來評定茶葉的質(zhì)量。隨著茶葉花色和品種的日益增多，茶葉品質(zhì)評價方法有了進一步的完善，但終究離不開感官評定的窠臼。但人的感官容易受到外部環(huán)境的影響，會大大影響茶葉評級的準確性。隨著技術(shù)的進步，茶葉采摘由過去的人力作業(yè)變成機械采茶，在提高采摘效率的同時，也不可避免地將不同等級的茶葉混合在一起，如何尋求一種科學(xué)的、穩(wěn)定的，以儀器代替感官的茶葉評定分級方法顯得尤為重要。

2　神經(jīng)網(wǎng)絡(luò)技術(shù)及其在茶葉分級中的應(yīng)用

隨著計算機軟硬件技術(shù)的發(fā)展，計算機圖像分析技術(shù)越來越成熟，并在現(xiàn)代農(nóng)業(yè)生產(chǎn)中得到廣泛的應(yīng)用，例如用于農(nóng)作物害蟲的識別和稻米質(zhì)量的檢測等，其根本原理都是依據(jù)物體的形狀和顏色特征，通過計算機識別系統(tǒng)來并模擬人的判別準則去理解和識別圖像，對物體進行自動分級。計算機圖像分析和處理技術(shù)排除了外界的干擾，遠遠優(yōu)于人的視覺精度，因此被廣泛用于茶葉評定分級之中，并以此為基礎(chǔ)發(fā)明了各種評定方法，例如色差技法、色卡法、分光光度法等。然而與其他物體不同的是，茶葉中經(jīng)?；煊信c其顏色、形狀相類似的物體，茶葉圖像之間的特征差異相對較小，其不同等級之間的規(guī)律和關(guān)系很難進行準確的描述，例如利用電腦茶葉揀梗機就是利用計算機圖像識別技術(shù)，通過光電傳感器來對茶葉顏色和形狀等特征進行分類，但僅僅能夠剔除茶梗等物質(zhì)，并不能對茶葉有效的進行分級。

近年來，研究者們開始利用神經(jīng)網(wǎng)絡(luò)技術(shù)進行茶葉的分類評級，所謂神經(jīng)網(wǎng)絡(luò)技術(shù)是通過模仿真實人腦神經(jīng)網(wǎng)絡(luò)的功能，來完成某種運算、識別或者過程控制。神經(jīng)網(wǎng)絡(luò)技術(shù)不需要設(shè)定固定的程序，有很好的容錯性。它的原理和功能十分接近人腦，尤其適合處理不能直接用數(shù)字方法來準確描述的問題，因此可以對一些看似雜亂無章的實驗數(shù)據(jù)整理出內(nèi)在規(guī)律，適合于茶葉的品質(zhì)分級。神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于茶葉分類時，先選擇對茶葉分類相關(guān)性較大的茶葉形狀和紋理特征參數(shù)作為輸入向量，以評定分類結(jié)果作為輸出向量，并采集有代表性的茶葉圖像樣木進行訓(xùn)練，建立茶葉樣本圖像獲取和分析的視覺系統(tǒng)，獲得全面圖像信息，從而準確的評定茶葉的品質(zhì)。

3　神經(jīng)網(wǎng)絡(luò)在茶葉分級中的應(yīng)用實驗

3.1選擇神經(jīng)網(wǎng)絡(luò)類型

利用神經(jīng)網(wǎng)絡(luò)技術(shù)解決茶葉分類的問題，首先要選擇適用的神經(jīng)網(wǎng)絡(luò)類型，我們選用了BP人工神經(jīng)網(wǎng)絡(luò)，BP網(wǎng)絡(luò)屬于反向網(wǎng)絡(luò)，主要內(nèi)容由網(wǎng)絡(luò)層數(shù)、神經(jīng)元數(shù)、訓(xùn)練樣本、輸入數(shù)據(jù)和輸出數(shù)據(jù)等構(gòu)成，主要任務(wù)就是確定網(wǎng)絡(luò)層數(shù)、每層的神經(jīng)元數(shù)、期望誤差以及訓(xùn)練樣本。據(jù)此可以設(shè)計兩種BP人工神經(jīng)網(wǎng)絡(luò)，兩種網(wǎng)絡(luò)都只設(shè)置了一層中間層，第一種是中間層和輸出層的神經(jīng)元數(shù)量均為1的網(wǎng)絡(luò)，第二種是中間層神經(jīng)元數(shù)量為6，輸出層的神經(jīng)元數(shù)量為3的網(wǎng)絡(luò)。

圖1　 三層BP網(wǎng)絡(luò)結(jié)構(gòu)

3.2茶葉分級參數(shù)選擇與提取

影響茶葉品質(zhì)的因素有很多，例如形狀、色澤、香氣、口感等等，對于形狀和色澤可以通過計算圖像識別技術(shù)來測量和識別，但香氣和口感等變量只能通過人為測定。神經(jīng)網(wǎng)絡(luò)技術(shù)用于茶葉品質(zhì)分類主要依據(jù)干茶、茶湯、濕茶在形狀與色澤方面所表現(xiàn)出的特征進行識別。一是干茶特性。對于干茶而言，影響其品質(zhì)的因素包括面積、短徑、周長、幅寬等等。一般而言，面積和幅寬與干茶品質(zhì)的相關(guān)性最高，這兩個因素數(shù)值較大通常意味著茶葉嫩、條索緊結(jié)，是高檔茶的代表；反之則意味著茶葉粗松，口感不好，也就是低檔茶。二濕茶特性。所謂濕茶就是泡過茶葉的茶底，通過茶底的外形與顏色也可以反映鮮茶的品質(zhì)。三是茶湯特性。對于茶湯而言，其顏色因素是反映鮮茶品質(zhì)的重要特征，操作時先將茶湯定容倒于燒杯中，利用數(shù)碼相機獲取圖像，通常提取色度、透明度和飽和度三個顏色特征參數(shù)加以識別。四是化學(xué)特性。茶葉的化學(xué)指標與顏色、氣味和味道有很大的關(guān)系。與傳統(tǒng)的感官評定不同，茶葉化學(xué)指標檢驗是更客觀的獲取茶葉化學(xué)特性的參數(shù)，例如蛋白質(zhì)、氨基酸、咖啡堿、兒茶素、纖維素、灰分和葉綠素等，通過對這些特性參數(shù)的分析來反映茶葉在色澤、香氣、滋味方面的品質(zhì)。

設(shè)計BP網(wǎng)絡(luò)時，用茶葉的若干個特征值作為輸入神經(jīng)元，中間層設(shè)定為一層，如何設(shè)定輸出層是解決問題的關(guān)鍵。常規(guī)做法是，將3種茶葉的輸出神經(jīng)元的值分別設(shè)定為0和1，運算求解后，某類神經(jīng)元值最大，則判定該片茶葉屬于此類。另一種方法是輸出神經(jīng)元為單神經(jīng)元，將3種茶葉的值分別設(shè)定為1、2、3，運算求解后的值最接近哪類茶葉的值，則判定該片茶葉屬于此類。

3.3茶葉分選的方法與步驟

茶葉分選分為兩步，第一步是將茶葉圖像從照片背景中分離，第二步是根據(jù)茶葉特征參數(shù)獲取茶葉特征值。

3.3.1從照片背景中分離茶葉

為使茶葉更容易從照片背景中分離，在相機拍照或茶葉分選機進行拍照時，應(yīng)盡量使茶葉背景為單色背景。分離茶葉圖像時，可以采用簡單的彩色圖像調(diào)整色彩灰度，取得灰度圖像，之后分離茶葉前景圖像，這種方法簡單易行，效率高。

3.3.2獲取茶葉幾何特征和文理特征

通過第一步獲取茶葉前景圖像后，再進行前景圖像邊界搜索，從而計算出茶葉圖像的凸殼面積、凸殼周長、橢圓偏心率等幾何特征值，以及平滑度、RGB顏色均值、標準偏差等茶葉圖像紋理特征值。通過多次錄入單片茶葉圖像的特征值，獲取多個訓(xùn)練向量，用生成的訓(xùn)練向量進行訓(xùn)練后得到的網(wǎng)絡(luò)，即可進行茶葉分選。

3.4 構(gòu)建MATHEMATICA試驗程序

根據(jù)上面的茶葉分選的基本過程，結(jié)合人工神經(jīng)網(wǎng)絡(luò)的三層結(jié)構(gòu)，我們用MATHEMATICA編寫了人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練程序，和茶葉分選識別的程序，程序流程圖如圖2所示。

圖2　程序流程圖

在進行人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練和茶葉分選識別的過程中，每一次只導(dǎo)入一幅茶葉圖像，并且要求茶葉圖像中只有一片茶葉，茶葉類型要包括全芽、一芽一葉和一芽多葉等多種類型。在輸入茶葉圖像，進行前景圖像和背景分離后，取得茶葉特征值，在此基礎(chǔ)上，生成訓(xùn)練向量，代入到訓(xùn)練網(wǎng)絡(luò)中，進行多次訓(xùn)練后，即可獲得茶葉分選識別網(wǎng)絡(luò)。如果計算次數(shù)偏少，可能會導(dǎo)致分選識別網(wǎng)絡(luò)的精度不夠，因此可以通過多次訓(xùn)練，取計算精度最高者為最終的分選識別網(wǎng)絡(luò)。

通過實驗對比分析后我們發(fā)現(xiàn)：（1）神經(jīng)元數(shù)量多的模型準確率高，達到90%以上，但是穩(wěn)定性差，采用一個神經(jīng)元數(shù)量的網(wǎng)絡(luò)穩(wěn)定性更好，更適合用于實際分選。（2）BP網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)技術(shù)改變了傳統(tǒng)的單一依據(jù)顏色和形狀進行分析的弊端，大大提高了品質(zhì)分級效率。實驗表明，BP網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)技術(shù)在茶葉分類應(yīng)用中的準確率達到了95%以上。BP網(wǎng)絡(luò)相比其他網(wǎng)絡(luò)類型更適合用于鮮茶葉的分類。

參考文獻

［1］陳怡群，常春，肖宏儒等.人工神經(jīng)網(wǎng)絡(luò)技術(shù)在鮮茶葉分選中的應(yīng)用［J］，農(nóng)業(yè)網(wǎng)絡(luò)信息，2010（7）：37-40，43.

［2］王宏偉.BP神經(jīng)網(wǎng)絡(luò)和電子舌技術(shù)在茶葉品質(zhì)分級中的應(yīng)用［J］，湖北理工學(xué)院學(xué)報，2014（4）：33-35，50.

［3］潘玉成，人工神經(jīng)網(wǎng)絡(luò)在茶葉領(lǐng)域中的應(yīng)用進展 ［J］，貴州茶葉，2015（3）：8-12

［4］陳全勝，趙杰文，蔡健榮等.基于近紅外光譜和機器視覺的多信息融合技術(shù)評判茶葉品質(zhì)［J］.農(nóng)業(yè)工程學(xué)報，2008（3）：5-10.

［5］張?zhí)m蘭，董跡芬，唐萌等.名優(yōu)茶機采鮮葉分級技術(shù)研究，浙江大學(xué)學(xué)報（農(nóng)業(yè)與生命科學(xué)版），2012（5）：593-598.

［6］張星海，周曉紅，唐德松等.浙江名茶品質(zhì)特征及評鑒新技術(shù)應(yīng)用現(xiàn)狀［J］.安徽農(nóng)業(yè)科學(xué)，2010（34）：19561-19563.

作者簡介：王巖（1967-），男，湖北襄陽人，碩士，講師，研究方向：物聯(lián)網(wǎng)、智能化技術(shù)。