神经网络图像技术设计智能鲜茶叶分选机原理研究

刘颖华，李海明（承德石油高等专科学校，河北承德067000）



神经网络图像技术设计智能鲜茶叶分选机原理研究

刘颖华，李海明
（承德石油高等专科学校，河北承德067000）

摘要：人工神经网络图像分析技术，是一种对新鲜茶叶进行分类的全新技术，也是一种对新鲜茶叶进行分选的智能技术。新鲜的茶叶在叶面的大小、弧度上以及特点上都有着明显的特点，利用人工神经网络图像分析技术对其几何特点和图像特征进行归类和分析，以BR网络训练的形式对茶叶的新鲜度进行智能分类，以此获得茶叶种类的正确识别和准确分拣。

关键词：神经网络；图像分析；茶叶分选

刘颖华（1979-），男，河北宽城人，本科学历，硕士学位，讲师，研究方向：数学建模与教学研究。

李海明（1967-），男，河北滦县人，本科学历，硕士学位，副教授，研究方向：教学管理与研究。

伴随着市场经济的快速发展和农民工的短缺，社会劳动力的雇佣价格是越来越昂贵。为了更好地降低生产成本，许多茶场都相继改变了传统的人工采茶手法，并以机械化、自动化的形式来代替，以此化解劳动力紧缺的问题。利用机械设备进行茶叶的采收，虽然可以提高茶叶采收的速度和效率，降低人工采茶的成本，但是却无法完全保证茶叶品质的优良。利用人工手法进行茶叶采收，采茶人可以根据购买需要和生产需要对特定的茶叶品种进行直接采收，但是利用机械设备进行茶叶采收时，却无法根据茶叶的品级进行细化分类，而且采收的茶叶大都会含有叶梗之类的杂质，这样的机械采收茶叶形式根本无法保证茶叶的优异质量。利用机械设备进行茶叶的采收，虽然有可取之处，但是弊大于利，若想突破这一限制性问题，就需要依靠茶叶智能分级技术对机械设备进行换代升级，以此提升茶叶品级的正确分类。

1　人工神经网络图像分析技术在茶叶分类中应用的必然性

在当前的茶叶分级技术和茶叶分级设备的研究中存在着两方面的问题，一方面是单纯依靠物理方式对茶叶进行分类和选择，虽然能够很好地去除茶叶中的异物和进行简单的级别分类，但是却无法准确将纯净茶和高品质茶细化出来。另一方面是对已经加工完成的成品茶叶进行分类筛选，这种分类筛选设备虽然能够很好的剔除茶叶中的大部分异物，但是却无法将茶叶品种进行明确分类。而且面对不同品级和不同加工工艺的茶叶，这种先加工后分级的最终效果很不理想。

伴随着计算机技术的快速发展和广泛应用，计算机图像分类技术的用途越来越广泛，已经广泛应用于各类工业化与农业化的生产加工中。例如，利用计算机图像分析技术可以对杂草和害虫进行识别，以此消灭害虫和铲除杂草；利用计算机图像分析技术可以对农作物的果实进行识别，以此将果实从枝干上采摘下来；利用计算机图像分级技术可以对黄米进行识别，以此检测稻米的质量。这些识别应用都是根据被需要识别物品的外形、颜色及突出特征进行分类的，快速运转的速度及日趋降低的成本成为计算机技术的优势，成为计算机图像分析技术被广泛应用的前提关键。在利用图像进行分类时，人工神经网络技术的实用性最为突出，对茶叶的采收和级别的分类无疑是个不错的选择。茶叶的图像特征大体相近、其分类的规律也很难凭经验和方法来掌握，而利用人工神经网络分析技术对茶叶的图形样式进行训练扫描，就能准确的对其进行分类识别。

本文将立足于人工神经网络技术，并对人工网络神经图像分析技术在茶叶分类识别中的应用和智能终端分选机对茶叶的具体分选进行分析总结，希望以此实现茶叶分选和识别的最优化，以此实现鲜茶叶选取和级别质量定位上的最优化。

2　人工神经网络图像分析技术在茶叶分类选取上的应用

人工神经网络，是一种模仿人类脑神经网络而进行分布式信息处理的数学模型，是一种以并行的方式对信息进行处理的网络系统。人工神经网络是在人神经网络功能的运作启发基础上建筑而成的，是对数学统计学类型方法的一种优化，也是对逻辑学推理演算的一种升级。人工神经网络系统，不但具有很强的系统性和功能性，还可以对一些杂乱的、没有条例的信息数据进行归纳总结和分类整理，以此挖掘出其中所隐藏的内在规律，解决同类事物的分类识别和优化分选问题。

将人工神经网络运用到茶叶的识别选取上，可以很好的解决茶叶分类的问题。其具体的做法为：根据茶叶的外貌形相和纹理特征参数进行茶叶图像的分类设定，将设定好的茶叶图像输入人工神经网络系统中，并对茶叶图像进行具体的训练，最后经过人工神经网络系统的分析得出具体的分类结果，以此为基础建立茶叶分类采集和识别选取的人工神经网络。实验表明，利用人工神经网络图像分析技术对新鲜茶叶进行分类识别是具有相当明显的实际效果的，分类识别的正确率远远超过于传统的机械设备，近乎趋于100%。将人工神经网络图像分析技术融入于机械采茶设备之中，制造和研发便于茶叶自动分类的智能茶叶分选机，实现鲜茶叶分类识别和优化选取的最优化。

2.1茶叶图像特征的选择依据

应用于茶叶分类的图像特征主要包括两个部分，一是与茶叶方向无关的几何图形特征，二是茶叶的颜色纹理特征。根据茶叶的类别对其中具有明显特性的茶叶进行选取分析，判定其中蕴含的几何特征和审视分析其中的颜色纹理特征的主要方法为：

根据茶叶特征的数值进行统计分析。对不同类别茶叶的几何特征置和颜色纹理特征值进行数据统计，根据所得出的数据制作出一目了然的箱形图，以箱形图为依据进行相互对比分析，如果箱形图中各种类别茶叶的相互堆叠和覆盖的越少，就说明这个制作成这个箱形图的茶叶特征分类的效果要相对比较理想。

根据茶叶特征对评价结果的敏感度进行认定分析。在对多特征的茶叶图像进行综合分析时，会得出多种不同的评价结果，而各个特征对评价结果的敏感度也大不相同。对评价结果敏感度越高的茶叶特征就是用于鉴定分类最理想的形式，反之则不然。经过系统分析可以发现，通过训练的BP神经网络中，会存在一定的连接权值，这一权值存在于输入层与隐含层之间，通过归一化处理后，这些连接权值便能准确的反映茶叶特征的敏感度。

2.2神经网络类型和参数的选择依据

在神经网络类型的选择上，BP神经网络、径向基、Hopfield网络等是其中重点尝试研究的神经网络类型，而其中对茶叶分类选取最为有效的为BP神经网络。在常用的几种神经网络中，Hopfield网络的作用是直接识别茶叶的体香形状，这种网络形式不但与茶叶的形状方向相关联，还需要强大的处理数据量，因而不适宜选用。径向基网络，是一种处理变量与结果关系的网络形式，它只适用于分析函数回归的相关特性，根本无法处理茶叶图像上在特征上的分类问题。

在神经网络类型的参数选择上，单纯依靠隐藏层和隐藏神经元是无法保证计算结果的准确性与稳定性的，而运用多个输出向量进行茶叶类别的表达时也会出现类似的问题。通过实验的最终确定表明，茶叶的面积、周长、凸壳范围、凸壳大小、轴承的长度、叶面的对比度、页面的光滑度等特征被确定为茶叶分类中最有价值的神经网络参数。

2.3茶叶图像的背景分离

利用神经网络技术，可以准确的提取出茶叶图像的几个特征和颜色纹理特征，可以将图像中的茶叶与图像背景相互脱离出来，以此获取到更好的分离和分类效果。利用BP神经网络训练法对茶叶与背景进行分离，其最终的分离效果要远远超过于灰度阈值分离法。

3　智能茶叶分选机的设计和使用

智能茶叶分选机，其内部核心装置为圆盘式的茶叶输送分拣装置，外部装置为单片机控制箱，输送分拣装置和单片机控制箱都需要连接PC计算机才能运行使用。在茶叶输送分拣装置的圆形转盘上，分别安装着投放茶叶的器皿、感知茶叶的测位器、读取茶叶图像的摄像头、分类茶叶的分拣器、盛放分类茶叶的容器。茶叶测位器，主要是由一排排光电传感器组成，这些光电传感器统一分布于圆盘的一侧，以茶叶经过信号的感知获取茶叶在圆盘上的具体位置。当智能分选机进行工作时，投料器会按照茶叶的片数划分依次投放在圆盘上，通过测位器明确茶叶具体定位，接着由单片机和转盘测位器综合测算出茶叶最佳的摄像位置和摄像时间，并及时通知PC摄像机对其进行图像摄取，在PC计算机感应到图像后利用计算机中的茶叶分类系统对转盘上的茶叶进行分类，再将这些分类后的信息传回到单片机上，指导单片机依照茶叶类别的分类信息进行准确的分拣，最后将分拣后的茶叶按照相同的类别推动至相同的盛放容器，以此实现不同茶叶类别的合格和正确分拣。

利用智能茶叶分选机对茶叶的类别进行分类整理，是主要依靠各个构件的循环信息传递而进行的，是需要各个构件的联合反应来进行茶叶图像的测定、摄取、反射、读取和分类的，是通过PC计算机的图像信息收发而进行神经网络识别的。通过智能茶叶分选机的使用，大大提高了鲜茶叶分拣的效率和质量，避免和减少了茶叶分拣错误的频率。

4　结束语

根据人工神经网络图像分析技术制造出智能化的茶叶分选机器，利用计算机主体和神经网络对茶叶图像进行智能分拣，不仅能够提升茶叶类别分选的准确性和茶叶分拣的效率，还可以提升茶叶类别分拣的正确性，保证茶叶的整体质量，从而更好的实现鲜茶叶的售卖时间和售卖利润。

参考文献

[1]常春,陈怡群,肖宏儒,任守纲,宋卫东.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,2013,01:137-141.

[2]张皓臻,肖宏儒,梅松,王中,宋志禹,丁文芹.茶叶分选技术的现状和未来[J].农业工程,2014,05:59-63.

[3]郭雅玲,赖凌凌,刘亚峰,陈昌盛.乌龙茶机采及其分选技术研究进展[J].中国农机化学报,2016,01:262-267.

[4]刘亚峰.闽南乌龙茶机采鲜叶切入点及分选技术研究[D].福建农林大学,2013.

[5]唐小林,李文萃,范起业.机采茶鲜叶分类分级技术及相关设备研究进展[J].中国茶叶加工,2015,02:5-8.

[6]杨娟,李中林,袁林颖,刘素强,邬秀宏,盛忠雷.机采茶鲜叶分级技术初步研究[J].中国茶叶加工,2015,02:41-45.

作者简介：