• Scopus
  • CA
  • DOAJ
  • FSTA
  • JST
  • 北大核心期刊
  • 中国科技核心期刊CSTPCD
  • 中国精品科技期刊
  • RCCSE中国核心学术期刊
  • 中国农业核心期刊
  • 中国生物医学文献服务系统SinoMed收录期刊
中国精品科技期刊2020

基于计算机视觉的茶叶品质在线评价系统

金山峰 王冬欣 黄俊仕 熊爱华 艾施荣 刘鹏 吴京鹏 吴瑞梅

金山峰,王冬欣,黄俊仕,等. 基于计算机视觉的茶叶品质在线评价系统[J]. 食品工业科技,2021,42(14):219−225. doi:  10.13386/j.issn1002-0306.2020100152
引用本文: 金山峰,王冬欣,黄俊仕,等. 基于计算机视觉的茶叶品质在线评价系统[J]. 食品工业科技,2021,42(14):219−225. doi:  10.13386/j.issn1002-0306.2020100152
JIN Shanfeng, WANG Dongxin, HUANG Junshi, et al. Online Evaluation System of Tea Quality Based on Computer Vision[J]. Science and Technology of Food Industry, 2021, 42(14): 219−225. (in Chinese with English abstract). doi:  10.13386/j.issn1002-0306.2020100152
Citation: JIN Shanfeng, WANG Dongxin, HUANG Junshi, et al. Online Evaluation System of Tea Quality Based on Computer Vision [J]. Science and Technology of Food Industry, 2021, 42(14): 219−225. (in Chinese with English abstract). doi:  10.13386/j.issn1002-0306.2020100152

基于计算机视觉的茶叶品质在线评价系统

doi: 10.13386/j.issn1002-0306.2020100152
基金项目: 国家自然科学基金项目(31460315);江西省重点研发计划项目(20171ACF60004)
详细信息
    作者简介:

    金山峰(1994−),男,硕士研究生,主要从事农业机械化工程方面的研究,E-mail:1064963056@qq.com

    通讯作者:

    吴瑞梅(1975−),女,博士,教授,主要从事食品农产品质量安全光谱快速新技术方面的研究,E-mail:wuruimei036@163.com

  • 中图分类号: TS272

Online Evaluation System of Tea Quality Based on Computer Vision

  • 摘要: 为实现茶叶品质在线评价及自动分级,摒除茶叶品质人工感官审评存在的缺陷,本文研发一套基于计算机视觉技术的茶叶品质在线评价及自动分级系统。采用Open CV和Visual C++开发茶叶品质在线评价软件,结合监督正交局部保持投影方法(supervised orthogonal locality preserving projections,SOLPP)对图像特征变量进行降维处理,对比随机森林(random forest,RF)、反向传播神经网络(back-propagation artificial neural network,BP-ANN)和相关向量机(relevance vector machine,RVM)茶叶品质在线评价模型,得出随机森林算法所建模型性能最好。系统自动完成茶样图像采集、原始图像预处理、特征提取、基于所建模型对待检茶样进行等级评价。控制系统根据评价结果,驱动分级及收集装置将检测茶样输送到相应等级槽中。经测试,研发系统对市售婺源仙芝绿茶、碧螺春绿茶的分级准确率达到93.00%以上。本系统结构简单,运行稳定,能将待检茶样准确送入到相应等级槽中,满足茶叶等级在线评价要求。
  • 图  1  茶叶品质在线检测分级装置

    Figure  1.  Tea quality online detection and classification device

    注:1.前丝杆滑台;2.前收集箱;3.前连杆滑块机构;4.机架;5.张紧装置;6.电机;7.后连杆滑块机构;8.收集外箱;9.横臂滑台;10.立柱滑台;11.光电传感器;12.输送带;13.ccd工业相机;14.暗箱;15.样品盘。

    图  2  茶叶品质自动分级装置工作流程图

    Figure  2.  Working flow chart of tea quality automatic grading device

    图  3  图像预处理

    Figure  3.  Image preprocessing

    图  4  基于不同降维方法的茶叶等级三维可视化图

    Figure  4.  3-D visualized of test samples based on different reduction methods

    注:(a)PCA三维可视化;(b)KPCA三维可视化;(c)LPP三维可视化;(d)SOLPP三维可视化。

    图  5   RF模型对预测集样本预测结果

    Figure  5.  Results of RF models for prediction sets

    注:(a)不同维数特征所建模型的预测集识别率;(b)预测集中各样本的真实值与预测值比较。

    表  1  模型对预测集样本进行预测结果

    Table  1.   Results of the model for prediction set

    算法模型特征维数识别率(%)Kappa
    BP-ANN691.250.8833
    RVM491.2508833
    RF493.750.9167
    下载: 导出CSV

    表  2  人工感官审评与在线检测分级结果

    Table  2.   Grading results of artificial sensory evaluation and online check

    茶叶品种茶叶等级份数检测结果判别率(%)
    一级二级三级四级
    婺源仙枝绿茶一级181710093.30
    二级1811700
    三级1200102
    四级1200012
    碧螺春绿茶一级121200098.30
    二级1211100
    三级1800180
    四级1800018
    下载: 导出CSV
  • [1] 欧伊伶, 张娅楠, 覃丽, 等. 茶叶色香味品质评价方法研究进展[J]. 食品工业科技,2019,40(6):342−347, 360.
    [2] 温立香, 张芬, 何梅珍, 等. 茶叶品质评价技术的研究现状[J]. 食品研究与开发,2018,39(15):197−204. doi:  10.3969/j.issn.1005-6521.2018.15.038
    [3] Liu C, Lu W, Gao B, et al. Rapid identification of chrysanthemum teas by computer vision and deep learning[J]. Food Science & Nutrition,2020,8(4):1968−1977.
    [4] Bakhshipour A, Zareiforoush H, Bagheri I. Application of decision trees and fuzzy inference system for quality classification and modeling of black and green tea based on visual features[J]. Journal of Food Measurement and Characterization,2020,14(9):1−15.
    [5] 董春旺, 朱宏凯, 周小芬, 等. 基于机器视觉和工艺参数的针芽形绿茶外形品质评价[J]. 农业机械学报,2017,48(9):38−45. doi:  10.6041/j.issn.1000-1298.2017.09.005
    [6] Wang S H, Phillips P, Liu A J, et al. Tea category identification using computer vision andgeneralized eigenvalue proximal SVM[J]. Fundamenta Informaticae,2017,151(1-4):325−339. doi:  10.3233/FI-2017-1495
    [7] Laddi A, Shashi S, Kumar A, et al. Classification of tea grains based upon image texture feature analysis under different illumination conditions[J]. Journal of Food Engineering,2013,115(2):226−231. doi:  10.1016/j.jfoodeng.2012.10.018
    [8] 董春旺, 梁高震, 安霆, 等. 红茶感官品质及成分近红外光谱快速检测模型建立[J]. 农业工程学报,2018,34(24):306−313. doi:  10.11975/j.issn.1002-6819.2018.24.037
    [9] Ouyang Q, Liu Y, Chen Q S, et al. Intelligent evaluation ofcolor sensory quality of black tea by visible-near infraredspectroscopy technology: A comparison of spectra and colordata information[J]. Spectrochimica Acta Part A: Molecularand Biomolecular Spectroscopy,2017,180:91−96. doi:  10.1016/j.saa.2017.03.009
    [10] Calixto R R, Neto L G P, Cavalcante T D S, et al. A computer vision model development for size and weight estimation of yellow melon in the Brazilian northeast[J]. Scientia Horticulturae,2019,256:108521. doi:  10.1016/j.scienta.2019.05.048
    [11] Arthur Z da Costa, Hugo E H Figueroa, Juliana A Fracarolli. Computer vision based detection of external defects on tomatoes using deep learning[J]. Biosystems Engineering,2020,190:131−144. doi:  10.1016/j.biosystemseng.2019.12.003
    [12] 杨祖彬, 曾莉红. 脐橙分选包装表面损伤识别算法设计研究[J]. 食品工业科技,2014,35(1):264−269.
    [13] 魏文松, 邢瑶瑶, 李永玉, 等. 适于餐厅与家庭的叶菜外部品质在线检测与分级系统[J]. 农业工程学报,2018,34(5):264−273. doi:  10.11975/j.issn.1002-6819.2018.05.035
    [14] Baneh N M, Navid H, Kafashan J. Mechatronic components in apple sorting machines with computer vision[J]. Journal of Food Measurement and Characterization,2018,12(2):1135−1155. doi:  10.1007/s11694-018-9728-1
    [15] 胡潇, 熊爱华, 黄俊士, 等. 计算机视觉结合引导滤波方法快速量化茶叶叶底品质[J]. 江西农业大学报,2019,41(3):601−609.
    [16] 余洪, 吴瑞梅, 艾施荣, 等. 基于PCA-PSO-LSSVM的茶叶品质计算机视觉分级研究[J]. 激光杂志,2017,38(1):51−54.
    [17] 刘鹏, 吴瑞梅, 杨普香, 等. 基于计算机视觉技术的茶叶品质随机森林感官评价方研究[J]. 光谱学与光谱分析,2019,39(1):193−198.
    [18] 赵改名, 焦阳阳, 祝超智, 等. 基于极差分析法与主成分分析法研究新型牛肉薄饼加工工艺[J]. 现代食品科技,2019,35(11):144−151.
    [19] Zhang Y H, Deng X Y, Zhou X, et al. Yachine with kernel principal component analysis based on acoustic signals[J]. International Journal of Watermelon Ripeness Detection via Extreme Learning Mttern Recognition and Artificial Intelligence,2019,33(8):17.
    [20] Song B , Baik D K. A facial expression recognition algorithm with supervised orthogonal locality preserving projection[J]. Journal of Computational and Theoretical Nanoscience,2016,13(11):8495−8504. doi:  10.1166/jctn.2016.6003
    [21] 郭金玉, 仲璐璐, 李元. 基于统计差分LPP的多模态间歇过程故障检测[J]. 计算机应用研究,2019,36(1):123−126.
    [22] 张善文, 张传雷, 程雷. 基于监督正交局部保持映射的植物叶片图像分类方法[J]. 农业工程学报,2013,29(5):125−131.
    [23] 卢维学, 吴和成, 万里洋. 基于融合随机森林算法的PLS对降水量的预测[J]. 统计与决策,2020,36(18):27−31.
    [24] 刘鹏, 艾施荣, 杨普香, 等. 非线性流形降维方法结合近红外光谱技术快速鉴别不同海拔的茶叶[J]. 茶叶科学,2019,39(6):715−722. doi:  10.3969/j.issn.1000-369X.2019.06.011
    [25] Liu P, Wen Y, Huang J, et al. A novel strategy of near-infrared spectroscopy dimensionality reduction for discrimination of grades, varieties and origins of green tea[J]. Vibrational Spectroscopy,2019,105:102984. doi:  10.1016/j.vibspec.2019.102984
  • 加载中
图(5) / 表(2)
计量
  • 文章访问数:  124
  • HTML全文浏览量:  79
  • PDF下载量:  19
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-10-21
  • 网络出版日期:  2021-06-04
  • 刊出日期:  2021-07-07

目录

    /

    返回文章
    返回

    重要通知

    期待您的加入:《食品工业科技》2023年春招市场专员