（机械电子工程专业论文）基于高光谱和图像技术的龙井茶叶品质检测方法研究.pdf

d i s s e r t a t i o ns u b m i t t e dt oz h e j i a n gu n i v e r s i 锣o f1 1 e c h n o l o g y f o rt h ed e g r e eo fm a s t e r i n s p e c t i o no fl o n g j i n gt e a q u a l i t y b y u s i n gm u l 月i s e n s o ri n f o r m a t i o nf u s i o n b a s e do nh y p e r s p e c t r a la n a l y s i sa n d i m a g em a n i p u l a r r i o n c a n d i d a t e ： a d v i s or ： f a nj i a n g q i n g h u ay a n g c o u e g eo fm e c h a n i c a le n g i n e e r i n g z h e j i a n gu n i v e r s i t yo f1 e c h n o l o g y a p r i i2 0 1 0 浙江工业大学 学位论文原创性声明 本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进行研究工作 所取得的研究成果。除文中已经加以标注引用的内容外，本论文不包含其他个人或 集体已经发表或撰写过的研究成果，也不含为获得浙江工业大学或其它教育机构的 学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体，均已在文中 以明确方式标明。本人承担本声明的法律责任。 作者签名： 荡咔乩 日期：2 口i 睥占月f日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留 并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本 人授权浙江工业大学可以将本学位论文的全部或部分内容编入有关数据库进行检 索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 l 、保密口，在年解密后适用本授权书。 2 、不保密留。 ( 请在以上相应方框内打“妒) 作者签 导师签 日期：劫，d 年 日期：杏可哞 占月f日 莎月 日 浙江工业大学硕士学位论文 基于高光谱和图像技术的龙井茶叶品质检测方法研究 摘要 本次研究利用高光谱和图像处理的融合技术评判龙井茶叶的品质。试验以3 个等级的 龙井茶叶为试验对象。通过对图像信息的处理和理解获得龙井茶叶的颜色特征参数和纹理 特征参数；通过高光谱数据的提取和处理获得龙井茶叶光谱曲线的吸收光谱特征参数、红 边光谱特征参数和植被指数光谱特征参数。建立基于遗传算法支持向量机原理的龙井茶叶 综合判别模型，作为评判龙井茶叶品质的标准。 主要研究内容有： 1 研究龙井茶叶的图像特点。本次研究与探讨了色彩空间、纹理特征，提出较为合 理的提取颜色与纹理特征的算法，得到理想的图像特征参数，并探讨了这些参数与茶叶等 级之间的关系。 2 研究龙井茶叶的光谱特点。利用a s d 光谱仪获取茶叶在3 5 0 2 5 0 0 1 1 1 l l 光波范围的 反射光谱，对反射光谱进行包络线消除处理。提取吸收光谱特征参数、红边光谱特征参数 和植被指数特征参数，并探讨这些参数与茶叶等级之间的关系。 3 进行判别模型的输入特征参数的选择。基于特征参数与茶叶等级之间的相关性分 析，选取不同等级龙井茶叶颜色和纹理特征参数9 个；光谱特征参数8 个，共1 7 个 特征参数，作为龙井茶叶等级判别模型特征输入。以支持向量机分类器作为建模工 具，并分析了各种核函数下的模型精度，比较了各种核函数下模型的优劣，发现径 向基函数( r b f ) 核函数更适合建立龙井茶叶等级判别模型。 4 采用遗传算法对核函数参数进行选择。针对径向基核函数( r b f ) 中的惩罚系 数c 和正则化系数丫的选择，本次研究尝试使用遗传算法进行搜寻。由于算法中c 值与丫值的 选择对算法的推广预测能力和效率都有很大的影响。通常的方法是采用人工的方法，通过 对多个参数的比较来确定较好的参数。这种方法盲目性大、效率低。针对这个问题，该文 提出了基于遗传算法的支持向量机分类方法，采用遗传算法来搜索最佳的支持向量机参 数。 浙江工业大学硕士学位论文 5 建立判别模型，并得到判别结果。利用m a t l a b 建立遗传支持向量机算法，并得到 最终识别结果。研究遗传算法和支持向量机原理，并将两者结合应用到龙井茶叶检测的模 型建立当中，提出了遗传支持向量机的建模体系。结果表明：在i 强f 核函数下，所建立的 模型最佳；3 个等级茶叶的回判率都达到1 0 0 ；对未知样本进行验证时，模型的识别率达 到8 9 。 关键词：龙井茶叶；高光谱技术；图像处理；遗传算法；支持向量机 浙江工业大学硕士学位论文 烈s p e c t i o no fl o n g j gt e a q u a l i t yb yu s n 寸g m u l 月i s e n s o r f o 剐m a t i o nf u s i o nb a s e do n h y p e r s p e c t r a la n a i j y s i sa n di m a g e m a n i p u l a t i o n a b s t r a c t t 1 1 i sr e s e a r c hu s e sm em u l t i - s e n s o rm s i o nt e c l l i l o l o g ) ，b a s e do nh y p e r s p e c 仃a la 1 1 dt l l e i i i l a g e 巧m a l l i p u l a t i o nt 0j u d g el o n 西i n gt e at e aq u a l 时f o rt l l ef i r s tt i l i l e t h ee x p e r i m e n tt a l ( e s3 捌【l l 【o fl o n 西i n gt e a s 嬲t h ee x p e r i m e n 组io b j e c t s ，、h i c hc a i lg a i nt t l ei m a g ec h a r a c t e r i s t i c i n f o n l l a t i o na n dt l l e h y p e r s p e c t r a ls ig i 眦u r e si n f o 咖a t i o no fl o n 西i n gt e a s t h ec o l o rc o l o r 危a t l l r ea n dm et e x 咖lf e a _ t u r eo fl o n 舀i n gt e a sc a nb eo b t a j n e db yu s i n gp i c t o r i mi n f o 册a t i o n s p r o c e s s i n g ；a l s os o m eh y p e r s p e c 砌f 宅a t u r e sc a l lb eo b t a i n e da st l l ea b s o 印t i o nd e p t l l ，t l l e a b s o 印t i o na r e a ，t i l er e ds i d ep o s i t i o i l ，n l er e dv a l l e yp o s i t i o n ，6n o n i l a l i z a t i o nv e g e t a t i o ni n d e x e s 觚ds oo n a b o v ea l l l er e s e a r c h 向1 1 yu s e sm a r l y 玉( i n d so fs e n s o r i si o 咖a t i o nr e s o u f c e s ，锄d o b t a i l l st t l es i m p l i f i e da g g r e g a t ev a r i a b l e ，w h i c hc o n s t i t u t et l l ei n p u to fp a n e mr e c o g l l i t i o n t h e l o n 西i n gt e as ) ，i l t l l e s i sj u d g m e n tm o d e l i se s t a _ b l i s h e db a s e do nm en l e o r i e so fg e n e t i ca l g o r i t 锄ds u p p o nv e c t o rm a c l l i n e s ，a u st h ej u d g m e n tl o n 沓i n gt e at e at h eq u a l i t ys t a l l d a r d m a i nr e s e a r c h e sa r e ： 1 t h ei m a g ei 碰o 姗a t i o n so ft e as a n l p l e sa r eo b t a i n e d b a s i ci m a g ee r 山a n c e m e n t t e c l u l i q u e sa r ea 1 1 a l y z e da n da p p l i e dt ot 1 1 ei m a g e st a k e ni nt l l eq 删i 够d e t e c t i o n k i n d so fi l o i s e d a r ei m p o s e do nt 1 1 ei m a g ea l l dt l l e i rc o r r e s p o n d i n ge f r e c t sa r ec o m p a r e d a l g o r i t l l m so f o b t a i l l i n g t h ec o l o ra n dt e x t u r a lf e a t u r ca r ec o m p i l e d 2 t h em o d e lp r i m i t i v es p e c t n l i ni n d e xo fr e n e c t i o nc u r v ei 1 1t l l es c o p eo f3 5 0 2 5 0 0 眦l c a nb eo b t a i n e db yu s e df i e l ds p e cp r of rs p e c t l o s c o p e a l g o r i t h mr e l a t e ds p e c t l l l i i ld a t a p r e t r e a t m e n ta r ec o m p i l e d ，i n c l u d e sd a t as t a l l d a r d i z a t i o n ，n o i s ee l i m i n a t i o n ，s m o o t l lc u n r ea i l d s o o n 3 t h ei n p u tp a r a m e t e r so fm o d e la r ec h o o s e n 9p 猢e t e r so fc o l o ra i l dt e x t u r a i ，a 1 s o8 p 醐姗e t e r so fs p e c 饥h nc h a r a c t e r i s t i ca r ec h o o s e na st h em o d e l i 印u tp 龇a m e t e r s s u p p o r tv e c t o r m e c h a n i s ma r er e s e a r c h e d 舔t 1 1 ea l g o r i t h mo fm o d e l i n g 7 n l ec 1 2 l s s i f i e de x p e r i m e n ti sd i v i d e d i i 浙江工业大学硕士学位论文 t h r e eg r o u p st oc a r r yo n ，w h i c ha r ec h o o s e nt 1 1 el i n e a r p o l y ，r a m a lb a s i s c t i o n ( 1 m f ) a n d s i g m o i d 劬c t i o n ，f o u rl ( i n do f 血n c t i o nf o 肌sa sk e m e l 矗m c t i o nt os u p p o r tv e c t o rm a c l l i n e st o c o m p a r et 1 1 em o d e l i n g n sp r o v e dt l l a ti m fk e m e l 胁c t i o nm a l ( et h em o s ts u p e r i o rr e s u l t 4 g e n e t i c 出鲥t h mi su s e dt om o d i 匆p 蹦i i i l e t e r so fk e m e lf u n c t i o n t h ep e n a l 够c o e 衢c i e n t c 觚dt 1 1 er e g u l 撕z a t i o nc o e 伍c i e n tg a m m ao fl 氇fk e m e l 觚c t i o na r em o d i f i e d 5 i t h et l l e o f i e so ft l l eg e n e t i ca i g o r i t l l ma n dt l l es u p p o r tv e c t o rm e c h a n i s ma r er e s e a r c h e d t h o s et 1 1 e o r i e sa r ec o m b i n e di nt l l e 印p l i c a t i o no ft h ed e t e m i n a t i o i l so fl o n 西i n gt e a u sa i l d i n o d e l i l l g i t sp r o p o s e d 廿l eg e n e t i cs u p p o nv e c t o rm a c l l i n e sm o d e l i n gs y s t e m - 1 1 1 ec l a s s i 6 e d e x p e d m e mi sd i v i d e dt h r e eg r o u p st oc a r 巧o n ，w 蚯c ha r ec h o o s e nt h el i n e a r ，p o l y ，r a d i a lb a s i s c t i o n ( i m f ) a n ds i g m o i d 缸1 c t i o n ，f o u rl 【i n do f m c t i o nf o 姗sa sk 锄e l 缸l c t i o nt os u p p o n v e c t o rm a c h i n e st oc o m p a r et h em o d e l i n g g e n e t i ca 1 鲥t h mi su s e dt om o d i 黟t 王l ep e n a l 够 c o e f n c i e n tca n dt l l er e g u l 撕z a t i o nc o e 伍c i e mg a m m a e x p e r i m e n t a lr e s u l t ss h o 、v e dt h a ti tw 嬲 f e a s i b l et od i s c r i m i n a t el o n 萄i n gt e a s c o m p r e h e n s i v eq u a l i t y t h ec o r r e c tr a t eo ft e s t i n g s 锄p l e sw a s8 9 ，锄dt h ec r o s sv a l i d a t i o na c c u r a c yw a s10 0 k e yw o r d s ：l o n 西i n gt e 马h y p e r s p e c 缸面，i m a g ep r o c e s s i n g ，s u p p o r tv e c t o rm a c h i n e ， g e n e t i ca l g o r i t l l 】 n 浙江工业大学硕士学位论文 目录 摘要i 第1 章绪论1 1 1 课题研究背景及意义1 1 2 国内外研究现状2 1 2 1 光谱技术在茶叶中应用的研究现状2 1 2 2 计算机图像处理技术在茶叶中应用的研究现状3 1 3 研究方法5 1 3 1 光谱技术5 1 3 2 图像处理技术7 1 4 课题研究内容和技术路线9 第2 章龙井茶叶图像特征信息分析与提取1 1 2 1 图像检测系统及实验样本选择1 1 2 2 图像预处理1 3 2 2 1 直方图均衡化1 3 2 2 2 图像平滑度处理1 4 2 3 颜色空间1 6 2 3 1 r g b 颜色空间1 6 2 3 2 h l s 颜色空间1 7 2 3 3 c i e l a b 颜色空间l8 2 4 灰度共生矩阵19 2 5 颜色特征选择与分析2 1 2 5 1 颜色特征提取2 2 2 5 2 颜色特征与茶叶等级的单相关分析2 7 2 6 纹理特征选择与分析3 0 2 6 1 纹理特征提取。3 0 2 6 2 纹理特征与茶叶等级的单相关分析3 2 2 7 本章小结3 4 第3 章龙井茶叶光谱特征信息分析与提取3 6 3 1 仪器设备及检测系统3 6 3 1 1 仪器设备。3 6 3 1 2 检测系统与光谱采集3 7 3 2 光谱数据预处理3 9 3 2 1 数据标准化处理3 9 3 2 2 消噪处理一3 9 3 3 光谱分析技术4 2 3 3 1 光谱微分技术4 2 3 3 2 光谱吸收特征分析4 3 v 浙江工业大学硕士学位论文 3 3 3 光谱位置变量特征分析4 4 3 1 3 4 光谱植被指数特征分析4 4 3 4 光谱特征选择与分析4 6 3 4 1 光谱吸收特征选择4 6 3 4 2 光谱红边特征选择4 7 3 4 3 植被指数特征选择4 8 3 4 4 光谱特征参数提取5 0 3 4 5 光谱特征参数与茶叶等级相关性分析5 2 3 5 本章小结5 4 第4 章判别模型建立与结果分析5 6 4 1 支持向量机分类器5 6 4 1 1 线性可分分类器5 6 4 1 2 非线性可分分类器5 9 4 2 遗传算法6 0 4 3 判别模型建立6 2 4 3 1 核函数的选择6 2 4 3 2 参数的优化选择“ 4 4 分类结果与分析6 6 4 5 本章小结6 7 第5 章结论与展望6 9 5 1 课题研究总结6 9 5 2 创新点7 0 5 3 研究展望一7 0 参考文献7 l 致谢一7 5 一 攻读学位期间发表的学术论文一7 6 一 v 1 浙江工业大学硕士学位论文 第l 章绪论 1 1 课题研究背景及意义 饮茶是中国对人类、对世界文明所作的重要贡献之一。它发乎神农，闻于鲁周公，兴 于唐朝，盛在宋代，如今己成为风靡世界的三大无酒精饮料( 茶叶、咖啡和可可) 之一，并 将成为2 l 世纪的饮料大王。中国是产茶大国，但国内茶叶市场对于茶叶品质评定上还存在 一些问题，比如国内市场上成品茶的质量评定还是以专家的感官审评为主，即通过人的视 觉、嗅觉、味觉、触觉对茶叶的形状、色泽、香气和滋味进行鉴定，没有一个科学计量化 的茶叶品质评判标准【l 川。因此，开发快速高效的茶叶类别、级别检测方法和产品是很有必 要的。 现阶段就茶叶品质检测而言，有关的研究文献不是很多，欧美国家的更少，这与茶叶 不是他们的主要饮料有关。而目前，我国检测技术的发展水平还很低，研发工作较晚，与 国外此行检测相比，其自动化程度较低，精确度较差，效率低下，无法满足多元化的检测 要求。因此，开发快速高效的茶叶类别、级别检测方法和产品是很有必要的。它能够辅助 感官评审人员对茶叶品质做出更加客观的评价与描述，同时也对茶叶市场的规范化、成熟 化起到良好的推动作用。 随着科技的不断发展，出现了应用机器视觉技术、光谱分析技术等技术的仪器，用以 辅助感官审评，用科学计量上的品质指标来评价茶叶，大大增加了茶叶分级的精度和准确 性，这也是今后茶叶品质评价发展的必然趋势【4 一。 光谱技术是研究农作物信息广泛应用的技术之一。由于茶叶本身生长地势或阳光吸收 量的不同，光谱特征会发生变化，通过观测茶叶的光谱反射率，分析其生物物理参数的变 化规律和反射光谱的特征。现阶段，国内外专家利用光谱技术，分析叶绿素含量、叶绿素 密度和叶面积指数等生物物理参量，同时对植物的各种化学成分进行识别和诊断，如作物 的叶绿素浓度、叶绿素密度、水分、木质素、淀粉、蛋白质等信息。但局限性是并非所有 的信息都能真实反映植物品质的差异。因为这些信息还和植物被截取部位，截取时间，日 照情况等外界干扰因素所干扰。 计算机图像处理技术检测分级方法是研究计算机模拟生物外显或宏观视觉功能的科 学和技术。它不仅是人眼的延伸，更重要的是具有人脑的部分功能，其在茶叶等级检测上 】 浙江工业大学硕士学位论文 的应用满足了茶叶分级困难，非专家无法鉴别的情况。现阶段利用计算机视觉技术，研究 者已经可以对茶叶的大小、形状、颜色等进行识别，涉及多项物理指标，有利于茶叶品质 的自动分级。但局限性是无法对茶叶内部品质的检测做高精度分析。 由于两个方法在实际应用上都存在着局限性，针对于此，本次研究提出了基于光谱技 术和计算机图像技术的融合技术。数据融合技术是：利用计算机技术，对按时间顺序获得 的若干传感器的观测信息，在一定的准则下加以自动分析、综合，从而完成所需要的决策 和估计任务而进行的信息处理过程。 龙井茶的等级检测需要对茶叶的内外因素进行综合评判。本次研究运用光谱技术和计 算机图像处理技术，将两项技术得到的数据通过数据融合，建立判别模型以实现龙井茶叶 等级检测。实现了传感器信息的优化利用，进一步提高了评判的可靠性和准确性。 1 2 国内外研究现状 1 2 1 光谱技术在茶叶中应用的研究现状 光谱分析技术在成茶成分的检测应用最为广泛，日本和欧洲在该方面处于领先地位。 日本是最早将近红外光谱技术运用于茶叶品质成分的快速检测，并研发专用仪器，用于茶 叶的品质管理。吉川聪一郎【9 】等( 1 9 8 9 ) 用近红外光谱测定了绿茶、煎茶、乌龙茶等不同茶叶 中的全氮量、氨基酸、咖啡碱、和茶多酚的含量。在此基础上，日本静同制橇( 株) 【1 0 】( 1 9 9 2 ) 成功研制了近红外茶成分分析仪( g t 8 ) ，能快速检测陈茶中的水分、全氮量、粗纤维、茶 多酚、咖啡碱、氨基酸等主要成分，成功地运用于茶叶生产加工过程中的品质管理。在欧 洲，h a j l l l l j 等( 1 9 8 8 ) 运用近红外技术分析黑茶的水分含量和茶黄素的含量来判断黑茶的品 质。s c h u l z 等1 1 副( 1 9 9 9 ) 采用偏最小二乘法( p l s ) 测定绿茶中生物碱和多酚类物质的含量，但 没有应用独立的验证集进行检验。l u y p a c e n 【1 3 1 等( 2 0 0 3 ) 用p l s 建立了测定绿茶正叶中咖啡 碱、儿茶素( e g c g 和e g ) 含量和总抗氧化能力的标定模型。2 0 0 4 年他们比较了不同的异常 样品分析方法，对表没食子儿茶素没食子酸醋、表儿茶素及抗氧化能力的定标模型模型影 响，并指出预测均方根偏差( i 洲s e p ) 是可取的方法【1 4 1 。 关于光谱法在成茶方面的研究，我国虽然在该方面的研究起步较晚，但发展迅速，某 些方面也达到了国际先进水平。19 8 8 年，阎守和【1 5 】用a l i r s 法把一个从来没有人能用仪器 测定的“茶的等级”，变成了一个可以用数字表达的参数，并验证了这个参数的可靠性和它 的运用范围。1 9 9 1 年，夏贤明等【1 6 】通过对4 0 个绿茶样品进行多元回归分析，分别建立了总 氮量、游离氨基酸、咖啡碱、茶多酚四种品质成分的定标模型。陈孝敬，吴迪【1 7 】等( 2 0 0 8 ) 浙江工业大学硕士学位论文 提出了一种利用多光谱图像颜色特征进行茶叶分类的新方法，对两种颜色几乎一样用肉眼 几乎不能分辨的茶叶进行了分类。利用3 c c d 光谱成像仪提取茶叶光谱图像，用多光谱图 像的n i r 图像所提供颜色信息进行建模，然后应用神经网络技术，进行图像识别，分类茶 叶。得到结果1 0 0 的识别率。赵杰文，郭志吲1 8 1 等( 2 0 0 8 ) 提出了一种应用傅里叶近红外漫 反射光谱分析技术快速检测茶叶中主要儿茶素含量的新方法。首先获取茶叶在 1 0 0 0 0 4 0 0 0 c m 范围的近红外漫反射光谱，然后以高效液相色谱分析值作参考值。采用偏最 小二乘法建立茶叶中儿茶素含量的定量分析模型。研究结果表明，近红外光谱技术可成功 地检测茶叶中儿茶素的含量。 光谱技术在茶叶上的早期应用多局限于选取特定的波长并建立相应的回归方程，随着 光学、计算机数据处理技术、化学计量学理论和方法的不断发展，以及新型n m 仪器的不 断出现和软件版本的不断更新，光谱技术的实用性和准确性不断提高，为了充分利用光谱 丰富的信息资源，现阶段研究者们研究方向已经向光谱预处理方法的选择、光谱波段的选 择、合理的模型检验指标等方向发展，以提高近光谱分析模型的准确性。 现阶段光谱技术在茶叶分级方面的应用还存在着一些问题【1 9 之4 】： ( 1 ) 现国内外多用近红外光谱技术研究作物的分级识别，很少用利用全波段光谱进行分 析，忽略了除近红外波段外其它各波段的有效信息。 ( 2 ) 光谱技术多用于检测、测定作物内部一种或多种化学成分的含量，以此作为作物分 级的衡量标准。但光谱仪采集的信息还受到植物被截取部位，截取时间，日照情况 等外界因素所干扰。 ( 3 ) 光谱技术无法研究植物的物理特征，包括作物的颜色、大小、形状。 1 2 2 计算机图像处理技术在茶叶中应用的研究现状 国外从7 0 年代初开始研究利用机器视觉对果实、蔬菜进行自动检测、分类的技术，他 们在这一领域做出了卓越的贡献。目前的计算机视觉技术研究大多实在美国麻省理工学院 的马尔( d r m a r r ) 教授二十年前创立的理论框架基础上进行的口。视觉可看作是从三维环境 的图像中抽取、描述、和解释信息的过程。可以就茶叶而言，有关计算机视觉的研究文献 不是很多，欧美国家的更少，这与茶叶不是他们的主要饮料有关。 g e i i m a y o s h i n o r i 【2 5 】等人( 2 0 0 0 ) 研究了在茶叶干燥过程中由于热量分布的不均匀，导致 茶叶的质量下降。他们利用计算机视觉技术监视茶叶在干燥过程中茶叶颜色的变化，在v c 环境下建立了干燥过程中茶叶图像的r g b 模型。结果显示，干燥的最佳结果是水分含量下 计算机视觉技术在农业上的应用是国际上正在研究的课题。相对于国外的研究现状而 言，国内对计算机视觉技术在农业工程领域的应用研究起步较晚，以下是国内学者在计算 机视觉方面所做的一些工作： 国内的学者林刚【2 列( 1 9 8 8 ) 以我国4 套炒青绿茶为对象，进行测色评定品质等级的研究， 初步建立了色度值与炒青绿茶等级关系的数学模型，进而在1 9 9 4 年研究了探索茶叶品质因 子的数量化途径，应用计算机数字图像处理系统，以屯炒青毛茶标准样为研究对象，测定 了1 1 项形状特征系数，并分析了这些形状系数与茶叶品质( 等级) 的相互关烈2 9 】。同期，计 时鸟【3 0 】等人( 1 9 9 4 ) 研究了采用图像处理方法对茶叶的颜色、形状进行识别，实现了对茶叶 茶梗的多维模式识别。蔡健梨1 ( 2 0 0 3 ) 选择h s i 颜色系统描述茶叶颜色，并对颜色描述系 统模型进行了改进，使之能更好地模拟理想颜色模型。在此基础上对自然存储条件下不同 年份生产的龙井茶的茶叶色泽和汤色进行定量测量。测量结果表明：利用计算机视觉能定量 地描述茶叶色泽随储藏时间的变化。陆建良，梁月荣f 3 2 】等人( 2 0 0 2 ) 对2 9 个绿茶、2 0 个乌龙 茶和1 5 个红茶样品进行了色差参数分析和感官审评，利用色差计等方法来描述茶叶的色 泽，并建立了一系列品质与色泽之间的相关模型，结果表明茶类间色差参数差异显著，并 与感官评分具有相关性。王文杰【3 3 j 等人( 2 0 0 5 ) 利用扫描仪获取茶叶样本图片，分析了碎干 茶图像在l 事a 木色表系中的色泽参数，建立了相关模型。陈全胜【3 4 1 等( 2 0 0 8 ) 首次提出了利 用近红外光谱和机器视觉的多传感器信息融合技术评判茶叶品质。试验以4 个等级的炒青 绿茶为试验对象，对获取的图像特征信息和光谱特征信息，利用融合技术建立b p 神经网络 方法建立茶叶综合品质评判模型。评判结果的准确性和稳定性都较单个信息模型有所提 高。 从目前报道的资料来看，早期研究者利用计算机视觉技术，对茶叶的颜色、形状进行 检测，分析这些形状参数与茶叶品质的关系，并建立模型。随着计算机视觉技术的发展， 已经可以合光谱技术、化学分析法等多种方法，进行系统建模，大大提高了模型精度。用 计算机视觉技术进行农产品的品质检测和分级是一种有广阔应用前景的新技术，是一个新 4 浙江工业大学硕士学位论文 的研究领域。 虽然计算机视觉技术如今已广泛应用于作物的大小、颜色、形状的识别。但只能对于 作物的外部特征进行图像识别，研究作物的物理特性，无法识别作物内部的化学成分，或只 能通过作物外部颜色纹理特征建立与作物内部化学成分相关的模型，无法对作物内部品质 的检测做高精度分析。 1 3 研究方法 1 3 1 光谱技术 远在1 8 0 0 年英国的物理学家赫谢耳( w h e r s c h e l ) 用玻璃棱镜把太阳光色散，发现在红色 光外侧有最大的热功率。由于它处在红色光的外侧，故被命名为“红外光”，研究表明红外 光也是电磁波的一种，是介于可见光区和微波区之间的电磁波谱【3 5 1 。而近红外光谱是红外 光谱区光波长范围在2 5 5 0 岬之间的光。为了进一步了解红外光谱分析的机理，必须首先 了解红外光谱的吸收机理。 1 、红外光的范围 红外光谱的波长范围是：0 7 8 l 0 0 0 “m ，根据产生、分离和探测红外辐射所采用的方 法以及用途，又将红外光区分为近红外、中红外、远红外三个波区。其界限如表3 1 ，表中 波数的含义是每l c m 中所包含的完整波形的个数。 表1 1三个红外波区的波长和波数界限 名称 波长范围( 岬)波数( c m 。1 ) 近红外区 o 7 8 2 5l2 8 2 0 4 0 0 0 中红外区 2 5 5 04 0 0 0 2 0 0 远红外区 5 0 l o o o2 0 0 3 3 2 、分子的振动与红外光谱吸收的产生 物质是由分子组成的，而分子是靠共价键由原子组成的。相邻的原子间会发生振动， 按照分子构成的不同，一般分为双原子分子振动和多原子分子振动。以双原子分子的伸缩 振动为例，分子的振动可以简化成两个质点的简谐运动，近似地把这个质点看作是一个谐 振子，这个谐振子相对于平衡位置的位移即为核间距的变化。不难理解，对于由不同元素 原子组成的双原子分子，在振动过程中，该分子的偶极距必然发生变化。 量子力学指出，分子振动是量子化的，因此上述由振动产生的偶极距的变化都对应了 5 浙江工业大学硕士学位论文 相应的振动能级。当分子吸收了具有一定能量的光子，即该光子能量刚好等于两振动能级 间的能量差，则分子向更高的振动能级跃迁，该偶极距变化形式( 对应两原子间的振动频率) 也就随之发生改变。在多原子分子中，振动情况要复杂得多，但其实都是原子围绕其平衡 位置分别以不同的振幅进行各自的简谐振动而已。此外，对于由不同原子组成的双原子分 子，根据其电子云密度和核电荷的不同，其能级差也不同，分子振动能级的跃迁发生所需 吸收的光子能量也不同。几乎所有分子振动能级跃迁发生所需的光子都出现在红外区，所 以当红外光照射在物质上时，只要该振动可以引起偶极距的变化，那么就会吸收相应能量 的光子发生振动能级跃迁从而产生红外吸收光谱。但在实际中，振动能级跃迁时总是伴随 着转动能级的跃迁，所以这种纯振动光谱是无法得到的，得到的是吸收带很宽的光谱图【3 6 】。 表1 2 列出了不同分子运动类型所对应的光谱吸收，通过比较可以更清楚地说明红外 光谱所对应的分子运动类型。 表1 2 分子运动类型对应能级差及波谱吸收 能量产生机理能级差对应的波谱吸收 分子轨道上的价电子由成 电子能级1 2 0 e v 紫外线 键轨道向反键轨道跃迁 组成分子的原子作内部振 近红外光谱 振动能级动产生的不同能级之间的 0 0 5 l e v 跃迁 中红外光谱 分子围绕它重心的三个惯 性轴作转动产生的不同能 远红外光谱 转动能级 0 0 01 o 0 5 e v 级之间的跃迁分子晶格的 微波 振动 核的z e e m a n 能 磁性的核受外磁场的作用 无线电波 发生能级分裂，产生的不同5 l o 1 0 - 6 e v 级 核磁共振谱 能级 3 、红外光谱技术的优点 ( 1 ) 普适性强，预处理几乎不破坏原样。由于红外光有较强的穿透能力和散射效应， 根据样品物态和透光能力的强弱可选用不同的测试方式。通过相应的测量附件并配合适宜 的样品预处理方法可以很方便地测量液体、固体、半固体和胶状类等不同物态的样品。 ( 2 ) 分析速度快。样品预处理方便，制样简单，光谱测量过程一般可在一分钟内完成， 通过分析人员的经验或者根据建立的校正模型可迅速测定出样品的组成或性质。 ( 3 ) 分析成本低。对环境友善无污染。样品及化学试剂消耗量极少，除了消耗少许电 力外几乎没有其它消耗，与其它常用的分析方法相比，测试费用可大大降低，也减少了环 6 性好，测试结果受人为因素的影响很少，所 更好的重现性。 2 0 ，视觉信息占6 0 ，其它如味觉、触觉、嗅觉总的加起来不过2 0 。所以，作为传递 信息的重要媒体和手段图像信息是十分重要的。 数字图像即为图像的数字化，一副二维( 2 - d ) 平面图像可用一个二元函数，可阮力表示， 讹纠表示2 一d 空间坐标系中一个坐标点的位置，傣示相应实际物体在该点某个性质的度量 值，所有点度量值的有序集合构成图像，。例如，对一副灰度图像，庶示灰度值，即相应 物体在每个坐标点的明暗程度。 数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算 机对其进行处理的过程。数字图像处理最早出现于2 0 世纪5 0 年代，当时的电子计算机已经 发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学 科大约形成于2 0 世纪6 0 年代初期。早期的图像处理的目的是改善图像的质量，它以人为对 象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质 量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。 数字图像处理主要研究的内容有以下几个方面： ( 1 ) 图像变换。由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因 此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处 理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处 理( 如傅立叶变换可在频域中进行数字滤波处理) 。目前新兴研究的小波变换在时域和频 域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。 ( 2 ) 图像编码压缩。图像编码压缩技术可减少描述图像的数据量( 即比特数) ，以便节 省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也 可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是 发展最早且比较成熟的技术。 ( 3 ) 图像增强和复原。图像增强和复原的目的是为了提高图像的质量，如去除噪声， 提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如 浙江工业大学硕士学位论文 强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中 噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立” 降质模型”，再采用某种滤波方法，恢复或重建原来的图像。 ( 4 ) 图像分割。图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有 意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图 像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没 有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是 目前图像处理中研究的热点之一。 ( 5 ) 图像描述。图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采 用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和 区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的 深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体 描述等方法。 ( 6 ) 图像分类( 识别) 。图像分类( 识别) 属于模式识别的范畴，其主要内容是图像经 过某些预处理( 增强、复原、压缩) 后，进行图像分割和特征提取，从而进行判决分类。 图像分类常采用经典的模式识别方法，有统计模式分类和句法( 结构) 模式分类，近年来 新发展起来的模糊模式识别和人工神经