基于計算機視覺的茶葉色澤檢測研究

帥曉華

(長江職業學院 電商物流學院，武漢 430074)

0 引言

我國茶葉種植規模和產量均為世界第一，出口量位居世界前列，茶葉已成為我國特色農業的重要組成部分。

茶葉之所以成為備受歡迎的飲料品種，歸因于其浸泡得到的飲品中含有濃度較高和種類多樣的營養保健成分，如維生素、無機鹽和各種新陳代謝必需的物質[1]。這些物質部分可以作為營養元素為人體正常生理機能提供條件，茶葉包含的維生素種類主要是維生素A、維生素E、維生素B等，可以保證人體生理機能的正常運行，預防疾病并延緩衰老。茶葉中的無機鹽主要是金屬元素鉀和鐵，以及鹵族元素碘和氟，作用在于維持新陳代謝順利運行。茶葉包含的活性物質主要是茶多酚、咖啡堿及氨基酸，對于增強人體機能、提高免疫力其有不可替代的作用。

我國的茶葉產業在近些年發展迅速，茶葉產量和出口量都大幅提高并躍居世界前列。但是，伴隨產量和出口量的增長，茶葉相關的經濟效益并沒有得到相應的提高，一直徘徊不前。其原因在于我國的茶葉品質檢測技術和體系不完善，分級水平不高，導致產品沒有體現出明顯的質量優勢。因此，我國出口的茶葉產品在國際市場上競爭能力較弱，不能很好地應對國際市場變化的沖擊。

茶葉具有外部品質和內部品質。其中，外部品質主要是形狀和色澤，如形狀類型有扁形、針形和球形，色澤有綠色、紅色和黑色等[2]；內部品質體現在滋味和香氣，與茶葉內部的營養物質是密切相關的。

茶葉分級的傳統方法是由人工通過視覺、嗅覺和味覺感覺后判斷，這種方法的主觀性強，評判結果受評審者經驗和生理狀態的影響較大，具有一定的局限性。隨著科學技術的發展，人們開發出了多種茶葉品質的精確檢測技術，為茶葉的準確分級奠定了基礎。茶葉的內部品質主要依靠傳感器來檢測，如張紅梅等和陳哲等利用氣敏傳感器構建的電子鼻檢測毛尖茶和碧螺春，準確測定了茶葉的等級[3-4]；王新宇等利用化學傳感器組成的電子舌，對各等級炒青茶葉實現了100%的識別率[5]。

茶葉外部品質的檢測以計算機視覺為主，這是一種基于計算機的圖像處理技術，即由相機代替人眼拍攝圖像，然后由電腦對圖像中的目標物體進行識別[6]。現有的研究表明：通過計算機視覺檢測茶葉的色澤和外形，可以達到準確的分級效果[7-11]。此外，陳全勝等設計出一種光譜儀數據采集系統，同時具備光譜檢測和圖像檢測的功能，綜合外部品質和內部品質，以全面評價茶葉的等級，進一步提高了分級的準確性[12]。

茶葉的色澤能夠反映茶葉營養物質在加工過程中發生的降解和氧化程度，是茶葉品質的重要方面。同時，色澤也是茶葉分類的依據，可以以此將茶葉分為綠茶、烏龍茶、紅茶、黑茶、黃茶和白茶六大類。因此，對茶葉色澤的檢測具有重要的現實意義。20世紀的80年代，人們大多通過理化方法檢測茶葉色澤，并研究與品質之間的關系。近些年，出現了計算機視覺檢測茶葉色澤的方法，涉及到對加工過程中茶葉色澤變化的研究及對計算機分析方法的探討[13-15]。

目前，茶葉色澤的計算機視覺分析主要集中在儲存和加工過程中的色澤變化、分析方法的優化及對少數茶葉的精確描述方面，而利用計算機視覺將茶葉按照六大類進行類型檢測的研究還較少。本文基于計算機視覺對茶葉和茶湯的顏色進行檢測，通過數據建模和分析判斷茶葉的色澤類型，為準確評價茶葉的色澤品質提供技術支持。

1 材料與方法

1.1 試驗材料與設備

作為試驗材料的茶葉有黑茶、紅茶、青茶、綠茶、黃茶和白茶共6類，都是從市場上購買，每一類的茶葉購買20種；用于計算機視覺分析的圖像在拍攝箱中拍攝獲得；拍攝箱為長0.6m×寬0.6m×高0.8m的長方體，內壁為黑色，底部為白色作為拍攝的背景；箱體上部的4個角上各安裝1盞15W白熾燈；頂部放置1個Genie Nano C640型CCD相機，相機分辨率640×480，形成的圖像通過MXT2002型轉換器變為數碼信號后發送給核心計算機；計算機為戴爾7040MT型臺式電腦，具體配置為Intel i7中央處理器、8GB DDR4內存和1TB硬盤；計算機安裝Linux操作系統和Matlab10.0視覺分析軟件，具有可視化操作界面和便捷的接口功能，可快速分析各種圖像，能夠滿足茶葉色澤檢測的要求。

1.2 試驗方法

每種茶葉選擇6個具有代表性的葉片拍攝圖像，再稱取相同的質量加入50mL沸水沖泡10min，然后將茶水濾出到白色茶杯中拍攝圖像，進行色澤檢測。每類茶葉隨機選擇10種作為建模集用于建立檢測模型，其余的10種作為檢驗集用于檢驗色澤檢測的準確性。

雖然茶葉圖像的背景簡單，但受成像設備和外部因素的影響，拍攝獲得的原始圖像都存在噪音干擾。因此，首先采用3×3的模板對圖像進行平滑處理，強化目標特征；然后通過中值濾波將圖像中的像素按灰度值排序，以中間值作為圖像像素的中心值去除圖像中的噪音，有助于利用顏色差異分離目標和背景。

圖像的灰度化通過Gamma校正非線性變換法進行，灰度閾值設置為70，將灰度圖像轉換為二值圖像以標記單片茶葉和茶水。合適的閾值是提高圖像處理分割效果的前提，由分析直方圖獲得。本文中拍攝時的光源穩定，茶葉色澤特征受光照影響極小。因此，將灰度圖做最大類間方差分析和二值化確定閾值，然后通過最大閾值分割圖像。

本文選擇RGB顏色空間建立模型，其中的R、G和B分別代表紅、綠和藍3種顏色的亮度值，它們數量的改變還可以混合成其它顏色。采用這3個參數之間的算術組合作為特征參數，來檢驗茶葉種類與色澤之間的相關性。利用MatLab圖像工具提取建模集樣品的色澤特征并進行參數變換，分析同類茶葉參數的相似性，選擬合度最高的參數建立茶葉種類的色澤檢測模型；最后分析檢驗集樣品的圖像，根據置信區間進行判斷。

2 結果與分析

經過預處理的圖像如圖1所示。圖1中：左邊為紅茶，右邊為綠茶。由圖1可知：茶葉和茶水邊緣清晰，背景干凈，表現出較好的圖像質量；圖像的背景為白色，雖然夾雜了少量的黑點，但是未對目標輪廓的提取造成影響。

圖1 圖像的預處理Fig.1 Pretreatment of image

灰度化的圖像黑白效果增加，顏色差異更為明顯，減小了目標區域輪廓提取的難度，如圖2所示。

圖2 圖像的灰度化Fig.2 Graying of image

閾值分割完成后，作為識別目標的茶葉和茶水被從背景中提取出來并根據其顏色表現為不同的形式，背景用白色表示，紅茶用深灰色表示，綠茶用淺灰色表示，如圖3所示。

圖3 圖像的目標提取Fig.3 Target extraction of image

對同類茶葉的R、G、B等特征參數進行相似性分析，找出了能夠用于茶葉色澤檢測的特征量。其中，R/G顯著性最高，因此被用作檢驗茶葉色澤的特征參數。檢驗集茶葉的檢測結果如表1所示。結果表明：有1種黑茶、2種紅茶、2種綠茶和1種白茶識別錯誤，所有的青茶和黃茶種類都被正確識；總體上的識別準確率達到90%。這表明，此方法可以應用于茶葉的色澤檢測。

表1 茶葉色澤檢測的準確率Table 1 Accuracy rate of detection of tea color

3 結論

拍攝茶葉和茶水圖像，經過預處理、灰度化和閾值分割后獲得目標輪廓并分析顏色特征。通過對建模集樣本的分析確定用于茶葉色澤檢測的特征量為R/G，然后對檢驗集的樣本進行色澤檢測。結果表明：檢驗集中被錯誤識別的茶葉種類很少，總體上的識別準確率達到90%。該計算機視覺分析方法可應用于茶葉的色澤檢測，為準確評價茶葉的色澤品質提供技術支持。