计算机管理应用现状问题及展望论文（共4篇）(6)

　　2.3.2初加工监测

　　在毛茶制作过程中，通过含水量、颜色、成条率等常用的监测指标，判断某种工序进程。例如，通过含水量监测萎凋和干燥工序，颜色特征变化监测红茶发酵工序，成条率监测茶叶揉捻工序。但是传统的手摸法或快速水分测定仪测定在制品的含水量，肉眼观察法既定颜色变化，肉眼观察法估计成条率等对监测指标测定的方法均较为粗放。计算机视觉技术利用采集到的在制品图像信息，提取颜色、形状、纹理特征参数，分析各个参数的变化规律，结合主成分分析，建立图像特征参数与含水量的回归方程，与在制品含水量相关性最大的图像特征参数即可来监测萎凋或干燥的工序进程[41-45]。李文萃等[46]利用计算机视觉技术对贵州绿茶连续化生产线加工中的在制品进行色泽在线监测，发现颜色参数G变动幅度较大，能较好地反映绿茶加工中的色泽变化，且与含水量、茶多酚总量、水浸出物3种品质成分的相关系数分别达到0.953、-0.925和0.931。Borah等[47-48]和杨龙[49]对红茶发酵图像进行处理后，提取图像的RGB均值、HSI均值以及3类颜色的区域大小，结合红茶品质特征值（茶多酚、茶黄素、茶汤Lab值）对茶样进行了感官审评，利用BP神经网络的方法对提取的图像颜色特征值进行了训练，得到了神经网络预测茶叶发酵程度的判别模型。李莎莎等[50]采集红茶不同发酵时间的在制品和发酵适度的标准品的图像信息，计算在制品图像R、G、B3种颜色分量直方图与标准品图像的Manhattan距离，当Manhattan距离小于设定阈值时，则判断为发酵适度。结合感官审评结果，认为这种基于RGB直方图对比算法判别红茶发酵适度的方法判别准确率达到93.2%。揉捻中在制品的成条率跟图像特征参数存在密切关系，刘飞[51]在红茶揉捻中发现纹理特征参数中的平均周长和平均面积，均随成条率的升高而逐渐降低；色泽特征参数中的G值、2G-R-B值、HUE值、Hab*值随成条率的升高而减小，而R/G值随成条率的升高而增大，但是没有建立基于计算机视觉技术的揉捻工序监测方法。

　　2.3.3毛茶分级

　　计算机视觉系统通过毛茶茶叶和茶梗的形状、含水量及颜色的不同，进行分选分级，提高了毛茶精制的效率和茶叶品质。计算机视觉分级分选系统的研发，一直是农产品行业研究的热点[52-54]，但在茶产业起步较晚。吴正敏等[55]针对机采大宗绿茶的形状特征进行试验，对无重叠摆放的干茶进行图像采集，提取出干茶样品凸包面积、凸包周长、长轴长度、短轴长度等图像特征参数，同时设计三级的BP神经网络算法对提取的参数进行分析，实现了干茶的全芽、一芽一叶和一芽二叶共3类等级的分选，但效率极低。陈笋[56]对采集的图像进行处理（矩阵分析、特征降维）、比对后得到了茶叶茶梗的1个颜色特征和4个几何特征，结合支持向量机和最小风险贝叶斯分类器两者各自优势，组合成多分类器分拣方法，初步探索了提高茶叶色选精度的方法。胡焦[57]通过综合茶叶颜色和形状特征以及贝叶斯分类器等技术，开发出上位机人机交互软件，提高了茶叶色选机的智能化水平。虽然计算机视觉毛茶分级技术有更高的精度，也更加的智能，但还处于转化阶段，需要进一步研究。

　　2.4茶叶审评的应用

　　在茶叶生产和贸易流通领域，感官审评是茶叶品质和价格评判的重要手段，但是对审评人员的专业能力要求高，且受审评人员的嗜好性和环境影响较大。为了克服感官审评技术的随机性大、主观性强、重复性差等弊端，科技工作者通过寻找感官品质与视觉特征的相关性，区别不同类型和等级的茶叶，拓展茶叶感官审评定量分析的方法。计算机视觉技术采集干茶的图像信息，提取RGB、HSI、Lab等颜色特征，长、宽、面积等形状特征和粗糙度、对比度、方向度、平滑度、一致性等纹理特征[58-60]，再利用主成分分析、多层神经网络、支持向量机等方法对图像特征进行分类，实现茶叶等级的区分。

　　计算机视觉技术定量化分析最早是根据茶叶色泽上的差异进行区分。张景林[61]在白色背景下，采集了无重叠的铁观音干茶图像，分析了R、G、B、H、S、V、(R-G)、(R-B)8个颜色特征的分布情况，依据Fisher判别分析理论构建特征向量函数并使用K-means聚类算法，最终完成对铁观音干茶色泽上的定量化分析。蔡健荣[62]采集不同年份生产的龙井茶的干茶色泽图像，发现可以通过HSI颜色系统参数定量地描述茶叶色泽随储藏时间的变化规律。吴瑞梅[63]在碧螺春审评中，不仅提取了12个颜色特征，而且提取了28个纹理特征，同时进行感官审评，建立这些图像特征变量与名优绿茶外观感官评分之间的BP神经网络（BP-ANN）模型，该模型对预测集样本的预测均方根误差（RMSEP）为2.396，相关系数（Rp）为0.937。俞辉[64]通过“扁条形茶及芽茶色形品质指标分析软件”，能直接读出扫描范围内的每片茶叶的长度L、宽度W、周长P、面积A、红R、绿G、蓝B指标，以及所有叶片各参数的平均值及标准差，通过对以上图像特征参数的分析，实现扁条形茶及芽茶的品质判断和分级。董春旺等[65]在采集机制绿茶的干茶颜色、纹理特征以及外观感官评分的同时，采集样品制作中的17个工艺参数，通过联合线性的偏最小二乘法（PLS）和非线性的极限学习机神经网络（ELM），建立的绿茶外观品质的仪器化表征方法，同时可以为智能化生产中的工艺决策提供理论依据。

　　3展望

　　开展计算机视觉技术的研究，实现茶产业全过程的自动控制及精细化调控管理，对于保证茶产业的高产、高效、优质、安全、健康，实现可持续发展具有重要意义。综合前期研究现状不难发现，计算机视觉技术仅在茶树虫害、嫩芽识别、色选技术、初加工在线监测、感官审评量化分析等方面有初步探索，但是在应用的广度和深度上，还存在很多问题。例如图像信息在复杂背景条件下的稳定性、可获取性变差；图像处理技术与田间精准农具结合欠佳，精准定位效果差；图像特征参数与内含物质成分的关系，缺乏深入细致的研究；计算机对图像信息的处理和传输速度慢，结果滞后等都限制了实时监测的应用效果。以上都是计算机视觉技术从单一静态的实验室应用到实践生产中，需要解决的实际问题。

　　目前，传统的基于灰度图像的算法已难以胜任复杂图像处理的需要，为了提高计算机视觉技术检测应用的深度，模糊逻辑、人工元神经元网络以及遗传进化计算等智能算法已在计算机视觉领域获得广泛应用，故以智能理论与技术为手段，能够适合农业复杂环境、处理复杂图像、具有启发式的且高效的彩色图像处理技术将会成为计算机视觉技术应用于农业领域的研究热点[66]。为了实现对茶叶种植、加工、质检、流通等执行全方位、全角度、全流程的品质检测，需要进一步增强计算机视觉技术与电子鼻、电子舌、近红外技术、高光谱成像技术、太赫兹技术和遥感技术等检测技术的有机结合，实现多种图像技术、图像模式和非成像传感器技术等的集成应用，通过不同的信息源对某一性状进行检测，不仅能提高检测结果的客观性和准确度，还能提高检测系统的稳健性。在提升图像处理技术和融合多种检测技术的基础上，更需要结合植物生理学、病理学、食品化学等多种知识，根据拍摄对象的多元特征参数，建立科学、完整、系统的数据图像特征参数组合模型，组成特征矢量，提高识别的准确性，才能更好地为农业的精准化和智能化服务。另外，通过互补信息提高计算机视觉系统检测的广度，提高系统性状评判的综合性，便于实现茶园和茶厂的数字化信息管理，形成品质信息流，实现茶叶质量的可追溯性，从而保证种植、加工、质检、流通等各环节的产品供给质量，优化整个产业链的生产流程，提高产品质量，增加产业链经济效益[67]。

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）(6)在线全文阅读。