计算机管理应用现状问题及展望论文（共4篇）(5)

　　计算机视觉技术，是一门涉及图像处理、图像分析、模式识别和人工智能等多种技术的新兴交叉学科，具有快速、实时、经济、一致、客观、无损等检测特点。在田间杂草识别和作物病虫害监测诊断[6-8]、作物生长量和营养信息监测[9-10]、作物智能收获和果蔬智能采摘[11-12]、农产品品质无损检测和分级[13-15]等农业领域，取得了良好的效果。但计算机视觉技术在茶叶领域的应用起步较晚，还具有较大的发展空间。本文简述了计算机视觉技术在茶产业应用的可行性、现状和发展前景，为计算机视觉技术在茶叶领域中的应用提供参考。

　　1计算机视觉技术在产业中的应用

　　1.1计算机视觉技术检测原理

　　计算机视觉技术（Computervision，CV）的基本原理是利用图像传感器来代替人的视觉，获得目标对象的图像信号，然后传输给专用的图像处理系统，将像素分布、颜色、亮度等图像信息转换成数字信号，并对这些信号进行多种运算与处理，提取出目标的特征信息进行分析和理解，最终实现对目标的识别、检测和控制等[16]。

　　计算机视觉技术首先由CCD摄像头采集高质量图像，实现高精度测量，然后通过图像数字化模块、数字图像处理模块、智能判断决策模块等软件模块的精确数理统计运算和分析，包括参数经过线性回归（LinearRegression）、主成分分析方法（PrincipalComponentAnalysis）[17]、学习型矢量法、贝叶斯决策（BayesianDecisionTheory）[18]、支持向量机（SupportVectorMachine）[19]、遗传算法（GeneticAlgorithm）[20]、BP神经网络（BackPropagationNeuralNetwork）、人工神经网络（ArtificialNeuralNetwork）[21]等，构建判别模型，为图像目标某一方面的判断提供依据。

　　1.2茶叶的计算机视觉特征

　　颜色特征是基于颜色空间分割方法和颜色坐标的一种表达方式；形状特征是对单个嫩芽、叶片或者整株冠层的边缘、区域的描述；纹理特征是将数字图像中相邻像素的灰度或颜色的空间相关性，或是图像灰度和颜色随空间位置变化的视觉表现。颜色、形状、纹理等视觉属性是计算机视觉技术检测应用的原始数据，而茶鲜叶、在制品、茶产品的图像特征参数受多种因素影响。由于品种、轮次、生长周期等内因和光照、水肥、病害、虫害等外因的影响，茶鲜叶的叶色深浅和亮度、茶树长势、叶片形状和质感、茶树冠层和叶片的纹理等都会发生相关改变；茶叶在加工过程中，由于水分散失、外力挤压、酶促反应、高温加热等一系列条件作用，伴随着剧烈的生理、化学、物理变化，在制品的颜色、形状、纹理等图像特征参数随之变化；而采用不同茶鲜叶原料，通过不同工艺加工制成的茶产品，在最终的产品外观特征上也千差万别。

　　2计算机视觉技术在茶产业中应用的现状

　　2.1茶园作业的应用

　　目前计算机视觉技术主要应用于茶叶机采。采茶机器人的茶园作业，首先要识别茶行和茶垅，才能及时、准确规划行走路径，实现茶园的自动化采摘需求。茶行和茶垅在亮度上存在的明显区别，茶行和土壤的颜色也有较大不同。机器人在茶园工作时，首先通过高斯滤波处理减少图像噪声，再通过计算机视觉系统采集茶园图像，将RGB颜色参数通过不同的算法，实现图像灰度化处理来分离作物和背景；根据茶行、茶垅、土壤在亮度和颜色上的不同，记录茶垅左右边缘点，并判别垄间还是垄头，最终通过最小二乘法或基本蚁群算法拟合导航线来规划采茶路径的流程[22-24]。

　　采茶机器人进入茶园后，执行作业的首要任务是利用计算机视觉系统根据芽叶在颜色、形状和纹理上的明显区别对目标芽叶的识别与定位。由于芽叶嫩度的不同，其颜色差异最大。韦佳佳等[25]和张浩等[26]利用自然环境下茶树嫩梢与背景（土壤、老叶、茎等）之间的颜色差异，在不同的颜色空间分别选择R-B、I、b、S、Cb因子对图像进行灰度化，并根据灰度化结果对比采用OTSU、迭代阈值或固定阈值法中进行图像分割，运用面积滤波、腐蚀膨胀的方法去除噪声，得到嫩芽的二值图像，并采用质心法求取嫩梢的中心位置，提供水平方向坐标，实现了茶叶嫩梢的自动识别。杨福增等[27]在利用颜色不同区分嫩叶和老叶的同时，根据边缘轮廓提取茶叶的形状特征，从图像左上角开始逐行扫描，直至检测到老叶叶片的上边缘，记录下所有老叶上边缘点坐标值后，经过计算勾勒出老叶和嫩叶的分割线，区别老叶和嫩叶，使采摘更准确。

　　2.2病虫害监测的应用

　　目前茶园病虫害防治主要依靠农技人员的肉眼监测，但随着全球气候变暖、新品种推广、种植制度改革等变化，病虫害发生种类趋于增加，农技人员的经验已经不能满足现实需求。用计算机视觉技术将茶树病虫害的诊断防治技术固化在仪器中，发展先进和全面的病虫害监测技术与手段，将能满足现代化茶园建设的需要。计算机视觉在茶园病虫害的监测上起步较晚。李洁[28]扫描了茶赤叶斑病的茶树病叶，根据受害部位颜色的不同进行图像分割，记录直方图中的像素值，并换算成叶面积，进而计算受害面积百分率，虽然较传统人工测定法效率提高10倍以上，但并没有建立计算机视觉识别模型。陈晶等[29]将计算机视觉技术引入到了茶小绿叶蝉的自动识别领域，通过Lab颜色空间来准确描述颜色深浅以及亮度的变化，体现色相间的差异，进而实现茶园中茶小绿叶蝉的准确及时预报，但图像的阈值分割方法要根据茶园环境和虫害情况人为选择，目前还没有通用模式。相比计算机视觉技术在玉米[30]、大麦[31]、水稻[32]、葡萄[33]、番茄[34]、黄瓜[35]等植物上通过对植物病斑图像进行分割，提取颜色、纹理、形状等特征参数，对病虫害种类及危害程度进行识别，进而采取相应的农业综合防治措施而言，在茶园病虫害的监测方面，计算机视觉技术的应用相对落后，还需要进一步探索。

　　2.3茶叶加工中的应用

　　2.3.1鲜叶分级

　　鲜叶采后分级是加工的首道工序，也是提高茶叶品质的关键步骤。目前利用计算机视觉分级分类方法的研究集中在实验室，通过拍摄无重叠的芽叶图像，提取RGB颜色参数[36-37]，面积、周长、等二阶矩椭圆长、短轴长度等形状特征参数[38]，图像的对比度/平滑度等纹理特征[39]，然后搭建神经网络识别模型，实现芽叶识别及分选。由于实验室和生产线环境的不同，应用效率较低，但为生产线的应用提供了理论依据。江才华等[40]通过对生产线机制茶叶进行研究，其基于灰度共生矩阵（GLCM）方法，提取鲜叶的方向为0°、像素距离为10的纹理能量、对比度、相关性、逆差距4个特征值，再应用支持向量机（SVM）来实现茶鲜叶的在线分类。这种基于鲜叶表面纹理特征进行分类的识别方法，需要进一步结合生产线的工艺参数，完成茶鲜叶的嫩度情况和工艺参数的映射组合，实现多目标靶向的鲜叶处理，更好地制作茶叶产品。

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说理学类计算机管理应用现状问题及展望论文（共4篇）(5)在线全文阅读。