本發(fā)明涉及茶葉采摘加工領(lǐng)域，具體涉及一種茶葉嫩葉的識別方法。

背景技術(shù)：

茶葉采摘在茶葉生產(chǎn)中是一項頗費(fèi)人力的勞作，一般要占茶園管理工作量的50％以上，而我國大部分茶區(qū)都以名優(yōu)茶的生產(chǎn)為主，采摘精度要求較高，一般都要達(dá)到一芽兩葉的標(biāo)準(zhǔn)，如制作一公斤特級君山銀針干茶要采摘上萬個芽頭。

隨著經(jīng)濟(jì)的不斷發(fā)展，農(nóng)村大批勞動力向第二產(chǎn)業(yè)、第三產(chǎn)業(yè)轉(zhuǎn)移，不少茶區(qū)出現(xiàn)勞動力短缺問題。另外名優(yōu)茶生產(chǎn)周期短，農(nóng)諺道“茶葉是個時辰草，早采三天是個寶，遲采三天是根草”，說明采茶受到時間的限制很強(qiáng)，在短時期內(nèi)很難集中足夠的勞動力，而且由于采茶工在采摘過程中采摘標(biāo)準(zhǔn)不一，也會降低名優(yōu)茶的質(zhì)量。

為了解決茶葉采摘耗用大量人力的問題，人們嘗試了茶葉機(jī)械化采摘，但目前的茶葉機(jī)械化采摘存在著很多問題，首先是影響茶葉的品質(zhì)，因為現(xiàn)在的主流采摘機(jī)械不具備識別的功能，采用粗放的機(jī)械切割方式，嫩葉中混雜了很多老葉和老梗以及一些雜草，并且很多嫩葉會在采摘的過程中被打碎；其次是影響茶樹的生長發(fā)育，茶樹經(jīng)過機(jī)械采摘后，冠層展葉數(shù)量減少，葉層變薄，生長勢削弱速度加快。因此切割式的機(jī)械化采摘主要應(yīng)用于經(jīng)濟(jì)效益和營養(yǎng)價值都較低的大宗茶生產(chǎn)。

而對于名優(yōu)茶智能機(jī)械化的采摘，基本上還處在理論階段，沒有能夠應(yīng)用于實際生產(chǎn)的系統(tǒng)。這主要受限于目前的茶葉采摘部位識別系統(tǒng)基于嫩葉的顏色和形狀特征，不能很好地適用于復(fù)雜的生產(chǎn)環(huán)境，如天氣、日照的變化以及茶樹的不同生長狀態(tài)等。

技術(shù)實現(xiàn)要素：

本發(fā)明提供了一種基于ECG濃度顯著性分析的茶樹嫩葉識別方法，能對茶樹的老葉和鮮葉進(jìn)行識別，準(zhǔn)確度高、抗干擾能力強(qiáng)、適應(yīng)性好。

一種基于ECG濃度差異的茶樹嫩葉識別方法，包括以下步驟：

(1)針對茶樹鮮葉獲取其特征波段處的反射率；

(2)基于茶葉中的兒茶素ECG(以下簡稱ECG)濃度與特征波段反射率的關(guān)系式，獲取所述茶樹鮮葉的ECG濃度；

(3)基于茶樹嫩葉的ECG濃度閾值，對所述茶樹鮮葉進(jìn)行嫩葉識別。

任何外在的差異都有其內(nèi)部原因，區(qū)分茶樹的嫩葉與老葉不僅要從外觀形態(tài)上入手，更要從其內(nèi)在的化學(xué)成分差異入手，ECG作為茶葉的主要功能內(nèi)含物，是評價茶葉質(zhì)量的標(biāo)準(zhǔn)之一，本發(fā)明采用高光譜成像技術(shù)結(jié)合化學(xué)計量學(xué)方法和圖像處理技術(shù)可以形象地展現(xiàn)ECG在茶樹中的分布圖，繼而實現(xiàn)茶樹嫩葉識別，客觀上提高茶葉識別系統(tǒng)對不同品種茶樹的適應(yīng)性、增強(qiáng)對環(huán)境的魯棒性，為研制名優(yōu)綠茶葉智能識別系統(tǒng)提供了新的思路。

作為優(yōu)選，所述茶樹鮮葉來自的茶樹品種為菊花春茶樹、浙農(nóng)25茶樹或迎霜茶樹。

作為優(yōu)選，特征波段為541nm，616nm，654nm，677nm和695nm五個波段。

作為優(yōu)選，ECG濃度與波段反射率的關(guān)系式為：

Y_ECG濃度＝44.988-0.289λ₅₄₁+4.205λ₆₁₆-6.82λ₆₅₄+3.632λ₆₇₇-0.77λ₆₉₅

式中：λ_a代表a nm波段處的反射率，Y_ECG濃度代表ECG濃度。

作為優(yōu)選，針對不同茶樹，所述ECG濃度閾值為：

菊花春茶樹，ECG濃度值≥79mg/g為第一葉位葉片；

迎霜茶樹，ECG濃度值≥64mg/g為第一葉位葉片；

浙農(nóng)25茶樹，ECG濃度值≥66mg/g為第一葉位葉片。

作為優(yōu)選，步驟(1)所述茶樹鮮葉為自茶樹頂芽開始往下的第1-6葉位的葉片，中間不含魚葉。

作為優(yōu)選，步驟(2)中a nm波段處的反射率經(jīng)過如下黑白板校正：

式中：

λ₀是在高光譜采集暗箱中獲取的樣本原始反射光譜，B是全黑環(huán)境下遮蓋相機(jī)鏡頭采集的標(biāo)定反射光譜(反射率為0)，W是白標(biāo)準(zhǔn)反射光譜(反射率為100％)，DN為放大倍數(shù)(值為4095)。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益的技術(shù)效果：

(1)適應(yīng)性強(qiáng)，本發(fā)明方法通過分析不同品種茶樹不同葉位的ECG濃度差異顯著性，為后續(xù)利用機(jī)器視覺識別嫩葉提供了普遍適應(yīng)的標(biāo)準(zhǔn)，這個標(biāo)準(zhǔn)不會因為不同品種茶樹嫩葉外觀形態(tài)的差異而識別不出嫩葉；

(2)魯棒性好，本發(fā)明方法通過提取ECG的特征波段生成ECG的濃度分布圖，在茶園中，除了茶樹中含有ECG，天空、土壤和雜草中基本上不含有ECG，因此本發(fā)明方法可以很好地屏蔽背景干擾；

(3)準(zhǔn)確度高，本發(fā)明提出的方法通過茶葉內(nèi)在的ECG差異區(qū)分老葉與嫩葉，可以解決近色系生物信息的識別難題，綜合利用內(nèi)部化學(xué)成分信息和外觀形態(tài)信息，從而提高嫩葉識別的準(zhǔn)確率。

附圖說明

圖1為茶樹不同葉位ECG含量差異圖；

圖2為菊花春茶樹葉片ECG濃度分布偽彩圖；

圖3為圖2中ECG濃度分布偽彩圖的R分量圖；

圖4為圖2中ECG濃度分布偽彩圖的G分量圖；

圖5為圖2中ECG濃度分布偽彩圖的B分量圖。

具體實施方式

實施例

首先采集菊花春、浙農(nóng)25、迎霜3個品種茶樹6個葉位各30片鮮葉，共計3*6*30＝540片，把這些茶葉葉片按茶樹種類與葉位分成54個樣本，即每個樣本10個鮮葉葉片，采用高光譜成像儀(ImSpector V10E，Spectral Imaging Ltd.，Oulu，F(xiàn)inland)掃描葉片的高光譜圖像，掃描結(jié)束后，將鮮葉冷凍干燥24小時，研磨成粉，采用高效液相色譜儀(島津LC-20，日本)測量每個樣本的ECG濃度，葉片的ECG濃度值統(tǒng)計結(jié)果如表1所示。

表1ECG統(tǒng)計結(jié)果(J表示菊花春、Z表示浙農(nóng)25、Y表示迎霜)

通過SPSS軟件分別對不同品種茶樹的不同葉位的ECG濃度差異進(jìn)行顯著性分析，分析結(jié)果如表2-4所示。

表2菊花春不同葉位ECG濃度差異顯著性分析結(jié)果

表3迎霜不同葉位ECG濃度差異顯著性分析結(jié)果

表4浙農(nóng)25不同葉位ECG濃度差異顯著性分析結(jié)果

結(jié)合圖1，圖1中：縱坐標(biāo)為ECG濃度(mg/g)，橫坐標(biāo)中的J表示菊花春茶樹、Z表示浙農(nóng)25茶樹、Y表示迎霜茶樹，例如J-1表示菊花春茶樹上第一葉位葉片，J-n表示菊花春茶樹上第n葉位葉片，其他同理。

a₁、b₁、c₁、d₁、e₁表示菊花春不同葉位間ECG濃度的顯著性差異

(P<0.05)；

a₂、b₂、c₂、d₂、e₂、f₂表示浙農(nóng)25不同葉位間ECG濃度的顯著性差異(P<0.05)；

a₃、b₃、c₃表示迎霜不同葉位間ECG濃度的顯著性差異(P<0.05)。由顯著性分析結(jié)果可見，三個品種茶樹的第一葉位葉片的ECG濃度值與其他葉位葉片的ECG濃度值差異顯著性值為1，顯著水平為極顯著。因此，ECG的濃度值可以作為區(qū)分三個品種茶樹嫩葉與老葉的標(biāo)準(zhǔn)。

基于茶葉嫩葉ECG濃度閾值，進(jìn)行嫩葉識別，具體閾值為：菊花春茶樹，ECG濃度值≥79mg/g為第一葉位葉片；迎霜茶樹，ECG濃度值≥64mg/g為第一葉位葉片；浙農(nóng)25茶樹，ECG濃度值≥66mg/g為第一葉位葉片。

通過公式(1)對采集的原始高光譜圖像進(jìn)行黑白板校正，然后使用ENVI 5.1軟件選擇高光譜圖像的感興趣區(qū)域并提取平均光譜。

利用葉片的平均ECG含量和平均反射光譜特征波段擬合得到平均反射光譜特征波段和平均ECG的關(guān)系如下式所示：

Y_ECG濃度＝44.988-0.289λ₅₄₁+4.205λ₆₁₆-6.82λ₆₅₄+3.632λ₆₇₇-0.77λ₆₉₅ (2)

參見圖2，依據(jù)特征波段相對反射率與ECG濃度的關(guān)系，將每個茶葉葉片在5個特征波長處的相對反射率圖像轉(zhuǎn)化為ECG濃度分布圖像。以菊花春茶樹葉片ECG濃度分布圖像為例。圖中由左至右依次為第一葉位葉片～第六葉位葉片。

提取ECG濃度分布偽彩圖的R分量圖、G分量圖和B分量圖(如圖2～5所示)，從圖中可以看出，R分量圖和B分量圖中第一葉位葉片葉與其它葉位葉片的灰度存在著顯著的區(qū)別。

獲得適宜的模型以及閾值后，進(jìn)行實際檢測識別時，包括：

(1)利用閾值分割法去除圖像背景從而提取圖像中的目標(biāo)區(qū)域；

(2)對目標(biāo)區(qū)域進(jìn)行灰度化和平滑處理；

(3)二值化灰度圖像并進(jìn)行數(shù)學(xué)形態(tài)學(xué)方法處理以消除孔洞；

(4)通過canny算子檢測圖像中的邊界線，并進(jìn)行多邊形擬合，標(biāo)記閉合邊界線內(nèi)部的區(qū)域；

(5)根據(jù)特征波段與濃度的關(guān)系模型預(yù)測不同區(qū)域內(nèi)每個像素點(diǎn)的ECG濃度值；

(6)統(tǒng)計不同區(qū)域內(nèi)的ECG濃度均值，然后以ECG濃度閾值作為標(biāo)準(zhǔn)判定該區(qū)域是否為第一葉位葉片。

最后，掃描茶樹冠層高光譜圖像，通過已建立的光譜反射率與ECG濃度的關(guān)系，得到茶樹冠層ECG濃度分布圖，根據(jù)上述步驟1～6的方法分割出第一葉位葉片。