計算機視覺技術在茶葉加工領域應用研究進展

常睿 張瑩 楊娟 王杰 陳善敏 鐘應富

摘 要 茶葉生產加工對促進茶產業發展具有重要作用，為克服傳統“看茶制茶”弊端，客觀、快速、無損的智能分級技術成為研究熱點。綜述計算機視覺技術的研究現狀和基本原理，以及對茶葉外形、顏色和紋理等指標進行分級、監控和預測的研究情況，探討其在茶葉加工產業應用中存在的問題及發展方向。

關鍵詞 計算機視覺技術;茶葉加工;品質分級;研究進展

中圖分類號：S571.1 文獻標志碼：A DOI：10.19415/j.cnki.1673-890x.2021.28.034

自動化、標準化、智能化是未來茶葉加工產業發展的必經之路，而茶葉作為我國主要特色農業產業，目前仍然是現代化發展程度較低的傳統非“技術型”加工產業。近年來，隨著茶葉消費量增加和消費觀念日趨理性，茶葉品質日益受到大眾關注。實時狀態下根據茶葉的視覺特征對其進行分類分級，是茶葉加工生產過程中的重要環節之一。這些視覺信息可直接反映茶葉的物理特性，也可作為采摘標準、加工程度、感官審評的重要判斷依據[1]。

傳統茶葉加工主要采用“看茶制茶”的方式，基本依賴于制茶人員的生產經驗，即先用眼睛觀察茶葉表面的色澤變化程度，再用鼻子辨別葉片揮發出的氣味特征和濃郁程度[2]。一方面，傳統人工判定方法需要制茶人員經歷長時間培訓和校正，且具備豐富的加工經驗，才能做出準確的判斷。另一方面，制茶人員的感官能力和靈敏度極易受外界因素和主觀因素的干擾。人的嗅覺、味覺和視覺等感官能力因地域、性別、身體狀況、外界環境（氣候、光照）等影響而產生很大差異，在實際生產加工中難以保證判定的準確性。因此，采用更為客觀的評估技術手段，建立自動智能分級系統成為茶葉加工產業的研究重點。

計算機視覺技術（Computer vision，CV）是目前最具發展前景的食品質量客觀評估方法之一，與人工視覺相比，其最大優勢在于快速、精準和可量化。雖然不同茶類的加工方法和品質各不相同，但分級原理相通，其中3個視覺評估指標最為常見，即顏色、形狀和紋理。因此，本文圍繞計算機視覺技術的研究現狀和原理，以及其在茶葉加工領域中的應用展開綜述。

1? 計算機視覺技術概述

1.1? 計算機視覺技術研究現狀

計算機視覺技術，也稱機器視覺技術，是一門與計算機圖形學、圖像處理、模式識別、人工智能和機器學習等多種技術密切相關的新興學科，具有快速、無損、實時、經濟、一致等檢測特點[3]。計算機視覺技術起源于20世紀50年代，早期目的是改善人的視覺效果和成像質量。1965年，Roberts利用計算機編程率先開始三維視覺研究。20世紀70年代，David Marr教授及其研究團隊提出具有里程碑意義的計算視覺理論，此后，計算機視覺技術進入高速發展時期。近年來，由于巨量數據不斷涌現、深度學習取得重大進展、計算能力快速提升，人工智能領域實現了巨大飛躍，其最熱子領域之一的計算機視覺也因此成為各界公認的前瞻性研究，部分研究成果已投入實際應用，催生出人臉識別、無人駕駛、醫學診斷、智能視頻監控等多個極具顯示度的商業化應用[4]。

1.2? 計算機視覺技術原理

計算機視覺的基本原理是利用各種成像系統代替人的視覺，獲取目標圖像信息后傳送到圖像處理系統，將圖像信息（顏色、紋理、亮度、像素分布等）轉換成數字信息，對數字信息進行各種運算與處理后，提取目標特征信息進行分析、處理和理解，最終實現對目標物體的識別、檢測和控制等[5]。計算機視覺處理系統主要由圖像輸入系統（圖像采集器、樣品池、均勻光源等）和圖像處理系統（處理、分析信息的軟件或硬件）兩部分構成，其中核心在于圖像處理，即將圖像信息加工處理后輸出為改善后圖像或識別結果。常見圖像處理方法及原理如表1所示。

隨著計算機性能提高，大多關于計算機視覺技術的研究均是利用高級語言編寫而成的圖像處理軟件來完成。一些通用圖像處理系統，如Adobe Photoshop、Adobe illustrator、CorelDRAW、3D Studio Max等，為科技工作者在圖像處理方面提供了良好而強大的處理平臺。

2? 計算機視覺技術在茶葉加工中的應用

隨著科學技術不斷提高，計算機視覺技術已經在農業物種資源檢測、作物生長狀態監測、農產品自動化收割及農產品品質檢測等方面得到了廣泛的應用，其在茶葉加工領域中的應用雖起步較晚，但發展前景極為廣闊。

2.1? 茶葉的視覺特征

茶葉品質由內部和外部構成。內部品質主要決定于滋味和香氣兩方面，與茶葉內部生理生化成分（如茶多酚、兒茶素、游離氨基酸、可溶性糖等）的組成和含量密切相關。外部品質則主要包括茶葉的形狀、色澤和紋理。形狀特征是對某個芽、葉片、在制品或成品的邊緣、區域進行描述，如成茶形狀有扁形、針形、卷曲形和球形等;顏色特征是基于顏色坐標和顏色空間分割方法的一種表達方式，茶葉色澤一般包括干茶、茶湯、葉底三部分，如干茶色澤主要有翠綠、深綠、烏褐等;紋理特征是圖像中相鄰像素的灰度或顏色的空間相關性，或是灰度和顏色隨空間位置變化的視覺表現[7]。

2.2? 茶鮮葉分級

鮮葉是制茶的原料，是茶葉品質的重要基礎，鮮葉分級對于指導茶葉生產加工具有重要的現實意義。吳正敏等以谷雨前機采綠茶（含單芽、1芽1葉、1芽2葉、1芽多葉、茶梗、茶碎片）為研究對象，采用CCD相機獲取樣本圖像，利用Labview vision和圖像處理技術分析其凸包周長、凸包面積、長短軸長度等特征，通過BP神經網絡算法實現了名優綠茶有效分級，其識別正確率可穩定在90%以上[8]。實驗室相關研究為茶葉實際加工生產提供了理論基礎。江才華等首先利用計算機視覺技術對茶鮮葉圖片進行預處理（圖像灰度化和濾波），再根據茶鮮葉紋理無規則性選擇灰度共生矩陣提取其紋理特征，最后利用支持向量機（SVM）實現茶鮮葉在線分類，準確率可達到96%以上[9]。

2.3? 加工監測

茶葉加工與茶葉視覺變化密切相關，在制品在水分散失、高溫加熱、外力作用、酶促反應等一系列反應下，會產生劇烈的化學、物理、生理變化，其顏色、形狀、紋理等圖像特征亦隨之改變。加工過程中，茶葉視覺特征的變化是內含成分轉化在外觀上形成的反映，因此可作為判斷加工適度與否的直接感官指標。李莎莎等以不同發酵時間紅茶在制品為研究對象，通過計算機視覺系統實時采集其特征信息，將在制品圖像與標準發酵圖像（發酵感官品質最佳）進行相似度匹配分析，采用D值（Manhattan距離算法計算R/G/B顏色分量直方圖相差度）作為相似度量準則，當D值小于設定閾值時，則判定為發酵適度，判別準確率可達93.2%[10]。伍洵等利用計算機視覺對綠茶炒干制品的外形和色澤變化進行實時監測，同時引入曲率半徑描述茶葉干茶外形曲線彎曲變化程度，結果表明，在制品的曲率半徑值隨炒干時間的增加而逐漸下降[11]。葉玉龍利用計算機視覺對綠茶在制品紋理與色澤變化進行了分析研究，結果表明，攤放過程中因水分散失，葉片色澤變淡、亮度增加、灰度增加而綠色減少;而揉捻葉色澤變暗褐、色調均值下降、紋理趨于復雜;茶湯色澤逐漸由黃綠、淡而亮向黃微紅、深而暗轉變[12]。

2.4? 品質評價

成品茶外形是其命名和分類的重要依據，也是內含成分在加工過程中產生不同程度降解和氧化聚合的總反映，更是分辨品質優劣的重要因素之一。金山峰等研發并設計了茶葉品質在線檢測及自動分級和收集裝置，采用機器視覺技術結合Open CV、Visual C++軟件，開發了茶葉品質在線評價系統，系統運行穩定，對市售婺源仙芝綠茶、碧螺春綠茶的分級準確率達到93%以上[13]。童陽等以4個等級碧螺春綠茶為研究對象，采用小波變換和灰度共生矩陣提取茶葉圖像的紋理特征，采用RGB和HIS顏色模型提取圖像的顏色特征，利用遺傳算法優化神經網絡參數，建立茶葉感官品質的BP神經網絡分級模型，模型總體識別率可達93.8%，結果表明計算機視覺分級模型具有較高的準確度和穩定性[14]。

3? 結語

計算機視覺技術是一項可以客觀評定茶葉等級的檢測技術，具有快速、無損、客觀、高效、成本低等特點，基于這一技術的分級系統已經在部分地區進入實際應用階段。然而，要推廣計算機視覺分級技術并取代人工評級，還有許多問題亟待解決。1）盡管計算機視覺技術在茶鮮葉分級、加工監測、品質評價等方面已取得一定進展，但由于茶葉種類眾多、生長環境和加工工藝復雜，具有不易識別性，因此需要在圖像處理、模式識別、分析軟件設計等方面力求算法的快速性、精準性和有效性。2）目前計算機視覺在茶葉加工領域中的應用研究對象主要集中于靜態個體，后續研究可考慮提升茶葉圖像信息動態化獲取效率。3）茶葉成像過程中會受光源、樣品位置、環境反光等多種因素的影響，這些因素在實際生產環境中往往帶有不可控性，導致采集的圖片質量不一致，需要對圖像采集裝置進行優化設計，既要便于操作，又能屏蔽外界干擾，使之適應實際生產環境。

參考文獻：

[1]? 湯一平，王偉羊，朱威，等.基于機器視覺的茶隴識別與采茶機導航方法[J].農業機械學報，2016，47（1）：45-50.

[2]? 董春旺.小葉種工夫紅茶發酵品質智能感官評價方法研究[D].鎮江：江蘇大學，2017.

[3]? 柳琦，涂鄭禹，陳超，等.計算機視覺技術在食品品質檢測中的應用[J].食品研究與開發，2020，41（16）：208.

[4]? 余京蕾.淺談計算機視覺技術進展及其新興應用[J].北京聯合大學學報，2020，34（1）： 63-69.

[5]? 劉鵬，吳瑞梅，楊普香，等.基于計算機視覺技術的茶葉品質隨機森林感官評價方法研究[J].光譜學與光譜分析，2019，39（1）：193.

[6]? 張宇光.關于計算機視覺在茶葉等級檢驗中應用的研究[J].福建茶葉，2020，42（7）：2.

[7]? 黃藩，劉飛，王云，等.計算機視覺技術在茶葉領域中的應用現狀及展望[J].茶葉科學，2019，39（1）：81-87.

[8]? 吳正敏，曹成茂，謝承健，等.基于圖像處理技術和神經網絡實現機采茶分級[J].茶葉科學，2019，37（2）：182-190.

[9]? 江才華.基于紋理分析的茶青在線分類[D].長沙：中南大學，2014.

[10] 李莎莎，洪文娟，陳華才，等.R/G/B 直方圖對比算法判別紅茶發酵適度[J].中國計量學院學報，2016，27（2）：172-176.

[11] 伍洵，劉飛，陳之威，等.基于計算機視覺的綠茶炒干中在制品理化變化研究[J].茶葉科學，2020，40（2）：194-204.

[12] 葉玉龍.萎凋/攤放對茶葉在制品主要理化特性的影響[D].重慶：西南大學，2018.

[13] 金山峰，王冬欣，黃俊仕，等.基于計算機視覺的茶葉品質在線評價系統[J].食品工業科技，2021，42（14）：219-225.

[14] 童陽，艾施榮，吳瑞梅，等.茶葉外形感官品質的計算機視覺分級研究[J].江蘇農業科學，2019，47（5）：178-181.

（責任編輯：敬廷桃）