计算机视觉技术在茶叶领域中的应用现状及展望

doi:10.13305/j.cnki.jts.2019.01.009

摘要/Abstract

摘要： 计算机视觉技术作为一种无损、实时、快速、客观、经济的检测方法,近年来逐渐应用于茶树栽培和植保、茶叶加工和审评等领域,并取得一定进展。本文简述了计算机视觉技术的检测系统在茶产业应用的原理、现状和发展前景,为计算机视觉技术在茶叶领域的应用提供参考。

关键词: 茶叶, 计算机视觉, 视觉特征, 无损监测

Abstract: As a non-destructive, real-time, fast, objective and economical detection method, computer vision technology had been gradually applied in tea production including cultivation, plant protection processing, evaluation and other fields, which had made great progress. This paper briefly described the principle, current status and development prospects of computer vision technology in tea industry, which provided a reference for further application of computer vision technology in tea industry.

Key words: tea, computer vision, visual characteristics, non-destructive monitoring

中图分类号:

TS272.7

黄藩, 刘飞, 王云, 罗凡. 计算机视觉技术在茶叶领域中的应用现状及展望[J]. 茶叶科学, 2019, 39(1): 81-87. doi: 10.13305/j.cnki.jts.2019.01.009.

HUANG Fan, LIU Fei, WANG Yun, LUO Fan. Research Progress and Prospect on Computer Vision Technology Application in Tea Production[J]. Journal of Tea Science, 2019, 39(1): 81-87. doi: 10.13305/j.cnki.jts.2019.01.009.

参考文献

[1] 徐金玉. 展望中国茶业新形势[N]. 人民政协报, 2017-02-24(11).
[2] 梅宇. 2016年中国茶业经济形势简报[J]. 茶世界, 2017(2): 14-18.
[3] 潘彪, 田志宏. 中国农业机械化高速发展阶段的要素替代机制研究[J]. 农业工程学报, 2018, 34(9): 1-10.
[4] 李道亮, 杨昊. 农业物联网技术研究进展与发展趋势分析[J]. 农业机械学报, 2018, 49(1): 1-20.
[5] 段延娥, 李道亮, 李振波, 等. 基于计算机视觉的水产动物视觉特征测量研究综述[J]. 农业工程学报, 2015, 31(15): 1-11.
[6] 王克如. 基于图像识别的作物病虫草害诊断研究[D]. 北京: 中国农业科学院, 2005: 36.
[7] 赖军臣, 李少昆, 明博, 等. 作物病害机器视觉诊断研究进展[J]. 中国农业科学, 2009, 42(4): 1215-1221.
[8] Sinclair T R, Gilbert R A, Perdomo R E, et al.Sugarcane leaf area development under field conditions in Florida, USA[J]. Field Crops Research, 2004, 88(2/3): 171-178.
[9] 林开颜, 徐立鸿, 吴军辉. 计算机视觉技术在作物生长监测中的研究进展[J]. 农业工程学报, 2004(2): 279-283.
[10] 柴阿丽, 李宝聚, 王倩, 等. 基于计算机视觉技术的番茄叶片叶绿素含量的检测[J]. 园艺学报, 2009, 36(1): 45-52.
[11] Hayashi S, Ganno K, Ishii Y.Machine vision algorithm of eggplant recognition for robotic harvesting[J]. Journal of Society of High Technology in Agriculture, 2000, 12(1): 38-46.
[12] Yin H, Chai Y, Yang S X, et al.Ripe tomato detection for robotic vision harvesting systems in greenhouses[J]. Journal of Reproductive Medicine, 2011, 57(54): 1539-1546.
[13] Costa C, Loy A, Cataudella S, et al.Extracting fish size using dual underwater cameras[J]. Aquacultural Engineering, 2006, 35(3): 218-227.
[14] Chen K, Qin C.Segmentation of beef marbling based on vision threshold[J]. Computers and Electronics in Agriculture, 2008, 62(2): 223-230.
[15] Jackman P, Sun D-W, Allen P.Automatic segmentation of beef longissimus dorsi muscle and marbling by an adaptable algorithm[J]. Meat Science, 2009, 83(2): 187-194.
[16] Tim Morris.Computer Vision and Image Processing[M]. London: Palgrave Macmillan, 2004.
[17] Zion B, Alchanatis V, Ostrovsky V, et al.Real-time underwater sorting of edible fish species[J]. Computers and Electronics in Agriculture, 2007, 56(1): 34-45.
[18] Cadieux S, Lalonde F, Michaud F.Intelligent system for automated fish sorting and counting[C]. International Conference on Intelligent Robots and Systems(RIOS). IEEE/RSJ, Takamatsu, Japan, 2000: 1279-1284.
[19] 陈全胜, 赵杰文, 蔡健荣, 等. 支持向量机在机器视觉识别茶叶中的应用研究[J]. 仪器仪表学报, 2006(12): 1704-1706.
[20] 赵海波, 周向红. 基于计算机视觉的番茄催熟与正常熟识别[J]. 农业工程学报, 2011, 27(2): 355-359.
[21] Liao K, Paulsen M R, Reid J F, et al.Corn kernel breakage classification by machine vision using a neural network classifier[J]. Trans of the ASAE, 1993, 36(6): 1949-1953.
[22] 汤一平, 王伟羊, 朱威, 等. 基于机器视觉的茶陇识别与采茶机导航方法[J]. 农业机械学报, 2014, 47(1): 46-50.
[23] 马志艳, 汤有胜, 杨光友. 基于视觉的茶作物行间行走路径规划研究[J]. 农机化研究, 2017(1): 202-206.
[24] 原艳芳. 名优茶采摘机械手与采摘策略研究[D]. 武汉: 华中农业大学, 2017: 63-64.
[25] 韦佳佳, 陈勇, 金小俊, 等. 自然环境下茶树嫩梢识别方法研究[J]. 茶叶科学, 2012, 32(5): 377-381.
[26] 张浩, 陈勇, 汪巍, 等. 基于主动计算机视觉的茶叶采摘定位技术[J]. 农业机械学报, 2014, 45(9): 61-64.
[27] 杨福增, 杨亮亮, 田艳娜, 等. 基于颜色和形状特征的茶叶嫩芽识别方法[J]. 农业机械学报, 2009, 40(增刊1): 120-123.
[28] 李洁. 计算机视觉图像处理技术在茶学领域应用方法的研究[D]. 雅安: 四川农业大学, 2008: 45-47.
[29] 陈晶, 朱启兵, 黄敏, 等. 基于机器视觉的茶小绿叶蝉识别方法研究[J]. 激光与光电子学进展, 2018, 55(1): 348-355.
[30] 田有文. 基于纹理特征和支持向量机的葡萄病害的识别[J]. 仪器仪表学报, 2005, 26(8): 606-608.
[31] 杨倩. 基于机器视觉的甘肃大麦病害分类识别研究[D]. 兰州: 甘肃农业大学, 2013:9-11.
[32] 刘涛, 仲晓春, 孙成明, 等. 基于计算机视觉的水稻叶部病害识别研究[J]. 中国农业科学, 2014, 47(4): 664-674.
[33] 田有文. 基于纹理特征和支持向量机的葡萄病害的识别[J]. 仪器仪表学报, 2005, 26(8): 606-608.
[34] 柴阿丽, 李宝聚, 石延霞, 等. 基于计算机视觉技术的番茄叶部病害识别[J]. 园艺学报, 2010, 37(9): 1423-1430.
[35] 刘志华, 程鹏飞. 黄瓜侵染性病害图像处理及特征值提取方法的研究[J]. 山西农业大学学报, 2006, 26(3): 351-354.
[36] 高震宇, 王安, 刘勇, 等. 基于卷积神经网络的茶鲜叶智能分选系统研究[J]. 农业机械学报, 2017, 48(7): 52-58.
[37] 何雪军, 王进, 陆国栋, 等. 基于特征尺寸及局部极值点的茶鲜叶方向识别[J]. 农业机械学报, 2013, 44(12): 233-238.
[38] 陈怡群, 常春, 肖宏儒, 等.人工神经网络技术在鲜茶叶分选中的应用[J]. 农业网络信息, 2010, 12(7): 37-40.
[39] 常春, 陈怡群, 肖宏儒, 等. 基于神经网络图像分析的智能鲜茶叶分选机[J]. 中国农机化学报, 2013, 34(1): 137-141.
[40] 江才华. 基于文理分析的茶青在线分类[D]. 长沙: 中南大学, 2014: 12-14.
[41] 李洁, 齐桂年. 利用计算机图像处理测定茶鲜叶色泽及其萎凋程度变化的初步研究[J]. 蚕桑茶叶通讯, 2008(3): 38-39.
[42] 黄藩. 工夫红茶光补偿萎凋技术工艺研究[D]. 北京, 中国农业科学院, 2015: 35-37.
[43] 张成. 烘焙提香处理对红茶品质的影响及预测模型的建立[D]. 重庆: 西南大学, 2015: 26-31.
[44] Gejimay Y, Nagata M.Basic study on kamairicha tea leaves quality judgment system[J]. American Society of Agricultural Engineers, 2000, 6: 1095-1103.
[45] 郝志龙, 赵爱凤, 金心怡, 等. 利用计算机视觉研究白茶加工中色泽的变化[J]. 福建农林大学学报(自然科学版)2015, 9(3): 325-328.
[46] 李文萃, 唐小林, 汤一, 等. 基于视觉技术的绿茶色泽变化与品质关系研究[J]. 食品研究与开发, 2015, 36(5): 1-4.
[47] Borah S, Bhuyan M.Quality indexing by machine vision during fermentation in black tea manufacturing[C]. //Proceedings of the SPIE The International Society for Optical Engineering, 2003, 5132: 468-475.
[48] Borah S, Bhuyan M.Non-destructive testing of tea fermentation using image processing[J]. Insight-Non-Destructive Testing and Condition Monitoring, 2003, 45(1): 55-58.
[49] 杨龙. 利用计算机视觉技术控制红茶发酵的方法研究[D]. 武汉: 华中农业大学, 2013: 27-30.
[50] 李莎莎, 洪文娟, 陈华才, 等. R/G/B直方图对比算法判别红茶发酵适度[J]. 中国计量学院学报, 2016, 27(2): 172-176.
[51] 刘飞. 工夫红茶揉捻中理化特性变化及成条率评价方法研究[D]. 重庆: 西南大学, 2014: 37-40.
[52] Tom P, Dan M, Jim P.A machine vision system for high speed sorting of small spots on grains[J]. Food Measure, 2012(6): 27-34.
[53] 马涌. 基于机器视觉的颗粒状农作物色选系统研究[D]. 哈尔滨: 哈尔滨工业大学, 2016: 7-9.
[54] 龚欣. 大豆色选机中机器视觉和模式识别技术应用研究[D]. 合肥: 合肥工业大学, 2015: 4-5.
[55] 吴正敏, 曹成茂, 谢承健, 等. 基于图像处理技术和神经网络实现机采茶分级[J]. 茶叶科学, 2017, 37(2): 182-190.
[56] 陈笋. 基于多特征多分类器组合的茶叶茶梗图像识别分类研究[D]. 合肥: 安徽大学, 2014: 36-38.
[57] 胡焦. 茶叶色选机智能图像采集处理系统的研究[D]. 合肥: 安徽理工大学, 2014: 45-47.
[58] Borah S, Hines E L, Bhuyan M.Wavelet transform based image texture analysis for size estimation applied to the sorting of tea granules[J]. Journal of Food Engineering, 2007, 79(2): 629-639.
[59] Gill G S, Kumar A, Agarwal R.Nondestructive grading of black tea based on physical parameters by texture analysis[J]. Biosystems Engineering, 2013, 116(2): 198-204.
[60] 徐海卫, 胡常安, 汤江文, 等. 基于机器视觉的神经网络在茶叶鉴别中的应用[J]. 中国测试, 2014, 40(3): 89-92.
[61] 张景林. 基于颜色特征的茶叶色泽分析的研究与应用[D]. 福州: 福州大学, 2011: 12-13.
[62] 蔡健荣. 利用计算机视觉定量描述茶叶色泽[J]. 农业机械学报, 2000, 31(4): 67-69.
[63] 吴瑞梅. 名优绿茶品质感官评价的仪器化表征研究[D]. 镇江: 江苏大学, 2012: 60-62.
[64] 俞辉. 扁形茶外形指标分析软件设计及大佛龙井外形品质识别模型构建[D]. 杭州: 浙江大学, 2013.
[65] 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.
[66] 黄志开. 彩色图像特征提取与植物分类研究[D]. 合肥: 中国科学技术大学, 2006: 56-57.
[67] 成芳, 廖宜涛, 马君伟. 猪肉品质无损检测研究进展[J]. 浙江大学学报: 农业与生命科学版, 2010, 36(2): 199-206.