神經網絡圖像技術設計智能鮮茶葉分選機原理研究

劉穎華，李海明（承德石油高等專科學校，河北承德067000）

?

神經網絡圖像技術設計智能鮮茶葉分選機原理研究

劉穎華，李海明
（承德石油高等專科學校，河北承德067000）

摘要：人工神經網絡圖像分析技術，是一種對新鮮茶葉進行分類的全新技術，也是一種對新鮮茶葉進行分選的智能技術。新鮮的茶葉在葉面的大小、弧度上以及特點上都有著明顯的特點，利用人工神經網絡圖像分析技術對其幾何特點和圖像特征進行歸類和分析，以BR網絡訓練的形式對茶葉的新鮮度進行智能分類，以此獲得茶葉種類的正確識別和準確分揀。

關鍵詞：神經網絡；圖像分析；茶葉分選

劉穎華（1979-），男，河北寬城人，本科學歷，碩士學位，講師，研究方向：數學建模與教學研究。

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

伴隨著市場經濟的快速發展和農民工的短缺，社會勞動力的雇傭價格是越來越昂貴。為了更好地降低生產成本，許多茶場都相繼改變了傳統的人工采茶手法，并以機械化、自動化的形式來代替，以此化解勞動力緊缺的問題。利用機械設備進行茶葉的采收，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，但是卻無法完全保證茶葉品質的優良。利用人工手法進行茶葉采收，采茶人可以根據購買需要和生產需要對特定的茶葉品種進行直接采收，但是利用機械設備進行茶葉采收時，卻無法根據茶葉的品級進行細化分類，而且采收的茶葉大都會含有葉梗之類的雜質，這樣的機械采收茶葉形式根本無法保證茶葉的優異質量。利用機械設備進行茶葉的采收，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技術對機械設備進行換代升級，以此提升茶葉品級的正確分類。

1　人工神經網絡圖像分析技術在茶葉分類中應用的必然性

在當前的茶葉分級技術和茶葉分級設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茶葉進行分類和選擇，雖然能夠很好地去除茶葉中的異物和進行簡單的級別分類，但是卻無法準確將純凈茶和高品質茶細化出來。另一方面是對已經加工完成的成品茶葉進行分類篩選，這種分類篩選設備雖然能夠很好的剔除茶葉中的大部分異物，但是卻無法將茶葉品種進行明確分類。而且面對不同品級和不同加工工藝的茶葉，這種先加工后分級的最終效果很不理想。

伴隨著計算機技術的快速發展和廣泛應用，計算機圖像分類技術的用途越來越廣泛，已經廣泛應用于各類工業化與農業化的生產加工中。例如，利用計算機圖像分析技術可以對雜草和害蟲進行識別，以此消滅害蟲和鏟除雜草；利用計算機圖像分析技術可以對農作物的果實進行識別，以此將果實從枝干上采摘下來；利用計算機圖像分級技術可以對黃米進行識別，以此檢測稻米的質量。這些識別應用都是根據被需要識別物品的外形、顏色及突出特征進行分類的，快速運轉的速度及日趨降低的成本成為計算機技術的優勢，成為計算機圖像分析技術被廣泛應用的前提關鍵。在利用圖像進行分類時，人工神經網絡技術的實用性最為突出，對茶葉的采收和級別的分類無疑是個不錯的選擇。茶葉的圖像特征大體相近、其分類的規律也很難憑經驗和方法來掌握，而利用人工神經網絡分析技術對茶葉的圖形樣式進行訓練掃描，就能準確的對其進行分類識別。

本文將立足于人工神經網絡技術，并對人工網絡神經圖像分析技術在茶葉分類識別中的應用和智能終端分選機對茶葉的具體分選進行分析總結，希望以此實現茶葉分選和識別的最優化，以此實現鮮茶葉選取和級別質量定位上的最優化。

2　人工神經網絡圖像分析技術在茶葉分類選取上的應用

人工神經網絡，是一種模仿人類腦神經網絡而進行分布式信息處理的數學模型，是一種以并行的方式對信息進行處理的網絡系統。人工神經網絡是在人神經網絡功能的運作啟發基礎上建筑而成的，是對數學統計學類型方法的一種優化，也是對邏輯學推理演算的一種升級。人工神經網絡系統，不但具有很強的系統性和功能性，還可以對一些雜亂的、沒有條例的信息數據進行歸納總結和分類整理，以此挖掘出其中所隱藏的內在規律，解決同類事物的分類識別和優化分選問題。

將人工神經網絡運用到茶葉的識別選取上，可以很好的解決茶葉分類的問題。其具體的做法為：根據茶葉的外貌形相和紋理特征參數進行茶葉圖像的分類設定，將設定好的茶葉圖像輸入人工神經網絡系統中，并對茶葉圖像進行具體的訓練，最后經過人工神經網絡系統的分析得出具體的分類結果，以此為基礎建立茶葉分類采集和識別選取的人工神經網絡。實驗表明，利用人工神經網絡圖像分析技術對新鮮茶葉進行分類識別是具有相當明顯的實際效果的，分類識別的正確率遠遠超過于傳統的機械設備，近乎趨于100%。將人工神經網絡圖像分析技術融入于機械采茶設備之中，制造和研發便于茶葉自動分類的智能茶葉分選機，實現鮮茶葉分類識別和優化選取的最優化。

2.1茶葉圖像特征的選擇依據

應用于茶葉分類的圖像特征主要包括兩個部分，一是與茶葉方向無關的幾何圖形特征，二是茶葉的顏色紋理特征。根據茶葉的類別對其中具有明顯特性的茶葉進行選取分析，判定其中蘊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：

根據茶葉特征的數值進行統計分析。對不同類別茶葉的幾何特征置和顏色紋理特征值進行數據統計，根據所得出的數據制作出一目了然的箱形圖，以箱形圖為依據進行相互對比分析，如果箱形圖中各種類別茶葉的相互堆疊和覆蓋的越少，就說明這個制作成這個箱形圖的茶葉特征分類的效果要相對比較理想。

根據茶葉特征對評價結果的敏感度進行認定分析。在對多特征的茶葉圖像進行綜合分析時，會得出多種不同的評價結果，而各個特征對評價結果的敏感度也大不相同。對評價結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。經過系統分析可以發現，通過訓練的BP神經網絡中，會存在一定的連接權值，這一權值存在于輸入層與隱含層之間，通過歸一化處理后，這些連接權值便能準確的反映茶葉特征的敏感度。

2.2神經網絡類型和參數的選擇依據

在神經網絡類型的選擇上，BP神經網絡、徑向基、Hopfield網絡等是其中重點嘗試研究的神經網絡類型，而其中對茶葉分類選取最為有效的為BP神經網絡。在常用的幾種神經網絡中，Hopfield網絡的作用是直接識別茶葉的體香形狀，這種網絡形式不但與茶葉的形狀方向相關聯，還需要強大的處理數據量，因而不適宜選用。徑向基網絡，是一種處理變量與結果關系的網絡形式，它只適用于分析函數回歸的相關特性，根本無法處理茶葉圖像上在特征上的分類問題。

在神經網絡類型的參數選擇上，單純依靠隱藏層和隱藏神經元是無法保證計算結果的準確性與穩定性的，而運用多個輸出向量進行茶葉類別的表達時也會出現類似的問題。通過實驗的最終確定表明，茶葉的面積、周長、凸殼范圍、凸殼大小、軸承的長度、葉面的對比度、頁面的光滑度等特征被確定為茶葉分類中最有價值的神經網絡參數。

2.3茶葉圖像的背景分離

利用神經網絡技術，可以準確的提取出茶葉圖像的幾個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，以此獲取到更好的分離和分類效果。利用BP神經網絡訓練法對茶葉與背景進行分離，其最終的分離效果要遠遠超過于灰度閾值分離法。

3　智能茶葉分選機的設計和使用

智能茶葉分選機，其內部核心裝置為圓盤式的茶葉輸送分揀裝置，外部裝置為單片機控制箱，輸送分揀裝置和單片機控制箱都需要連接PC計算機才能運行使用。在茶葉輸送分揀裝置的圓形轉盤上，分別安裝著投放茶葉的器皿、感知茶葉的測位器、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。茶葉測位器，主要是由一排排光電傳感器組成，這些光電傳感器統一分布于圓盤的一側，以茶葉經過信號的感知獲取茶葉在圓盤上的具體位置。當智能分選機進行工作時，投料器會按照茶葉的片數劃分依次投放在圓盤上，通過測位器明確茶葉具體定位，接著由單片機和轉盤測位器綜合測算出茶葉最佳的攝像位置和攝像時間，并及時通知PC攝像機對其進行圖像攝取，在PC計算機感應到圖像后利用計算機中的茶葉分類系統對轉盤上的茶葉進行分類，再將這些分類后的信息傳回到單片機上，指導單片機依照茶葉類別的分類信息進行準確的分揀，最后將分揀后的茶葉按照相同的類別推動至相同的盛放容器，以此實現不同茶葉類別的合格和正確分揀。

利用智能茶葉分選機對茶葉的類別進行分類整理，是主要依靠各個構件的循環信息傳遞而進行的，是需要各個構件的聯合反應來進行茶葉圖像的測定、攝取、反射、讀取和分類的，是通過PC計算機的圖像信息收發而進行神經網絡識別的。通過智能茶葉分選機的使用，大大提高了鮮茶葉分揀的效率和質量，避免和減少了茶葉分揀錯誤的頻率。

4　結束語

根據人工神經網絡圖像分析技術制造出智能化的茶葉分選機器，利用計算機主體和神經網絡對茶葉圖像進行智能分揀，不僅能夠提升茶葉類別分選的準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，保證茶葉的整體質量，從而更好的實現鮮茶葉的售賣時間和售賣利潤。

參考文獻

[1]常春,陳怡群,肖宏儒,任守綱,宋衛東.基于神經網絡圖像分析的智能鮮茶葉分選機[J].中國農機化學報,2013,01:137-141.

[2]張皓臻,肖宏儒,梅松,王中,宋志禹,丁文芹.茶葉分選技術的現狀和未來[J].農業工程,2014,05:59-63.

[3]郭雅玲,賴凌凌,劉亞峰,陳昌盛.烏龍茶機采及其分選技術研究進展[J].中國農機化學報,2016,01:262-267.

[4]劉亞峰.閩南烏龍茶機采鮮葉切入點及分選技術研究[D].福建農林大學,2013.

[5]唐小林,李文萃,范起業.機采茶鮮葉分類分級技術及相關設備研究進展[J].中國茶葉加工,2015,02:5-8.

[6]楊娟,李中林,袁林穎,劉素強,鄔秀宏,盛忠雷.機采茶鮮葉分級技術初步研究[J].中國茶葉加工,2015,02:41-45.

作者簡介：