基于SVM-KNN茶叶图像纹理分类

机采茶鲜叶的叶和芽混合,利用茶叶图像纹理特征对茶鲜叶进行分类,分类之后再加工有助于提高茶叶的质量和市场价值。支持向量机SVM是一种专门针对小样本、非线性、高维特征的经典分类算法,但对于茶叶这类自然图片在分界面附近的测试点容易出错。KNN是一种简单而经典的分类算法,核心在于向量间距离的计算,论文提出欧式距离和余弦相似度结合的方式作为KNN新的距离计算公式。改进的KNN与SVM结合起来,形成SVM-KNN算法应用于茶叶图像的纹理特征分类的研究中,并分析SVM-KNN的时间复杂度。对比实验表明,SVMKNN算法对茶叶图像纹理分类正确率有很大程度地提高,最高可达90%以上。

基于图像信息的茶叶二维采摘坐标的提取

茶叶嫩芽识别是实现智能采摘的前提,茶叶识别之后采摘位置参数的提取也是实现智能采摘的关键所在。文章首先分析了机械采茶的整体实现方案,并论证了由茶叶图像获取二维采摘位置的可行性。然后针对图像处理后获取的茶叶嫩芽的二值图像,根据图像中每株嫩芽的外形轮廓去提取最小外接矩形,并标记该矩形的中心点,以该点作为采摘坐标点。得到了茶叶采摘的二维位置参数,为后续茶叶的智能采摘提供依据。

基于显著性检测和Grabcut算法的茶叶嫩芽图像分割

人工采茶存在效率低下、人工成本高等问题,机械采茶取代人工采茶成为一种重要的采茶方式,针对机械采茶中自然背景茶叶嫩芽分割效率问题,提出了一种自然背景下的茶叶嫩芽图像分割算法.利用显著性检测算法提取出图像中的突出目标作为显著性图,结合GrabCut算法精确的分割出突出的对象.实验结果表明,该图像分割算法对于背景复杂且目标与背景对比不明显的茶叶图像具有良好的分割效果,这为机械手采茶提供了一种新的方法.

基于颜色和骨架特征的茶叶分支节点识别研究

茶叶分支节点识别是对采摘的新鲜茶叶实现智能分选的前提，因此，利用CCD摄像头采集采摘好的新鲜茶叶图像，并阻茶叶图像为对象，研究了茶叶分支节点的识别方法。首先对RGB颜色模型的色差法（R—B）的绝对值进行计算分析，然后进行阐值比较，获得二值图像并计算骨架细化图像。采用八方向链码在图像中查找可能的分支节点。最后进行坐标值排序和求差确定分支节点数量。试验结果表明，所研究的算法能够有效的识别出分支节点的数量。

基于Faster R-CNN深度网络的茶叶嫩芽图像识别方法

本文旨在研究基于深度网络模型的茶叶嫩芽识别方法,根据茶叶的品级和质量要求,把茶叶嫩芽分为一芽一叶和一芽两叶,因为茶叶的生长姿态千差万别,所以又在茶叶嫩芽识别模型中加入关于遮挡情况的分类。选用了基于VGG-16,ResNet-50和ResNet-101特征提取网络的Faster R-CNN深度网络模型分别对茶叶嫩芽数据样本进行训练,同时,该方法与三种相同特征提取网络的SSD深度网络模型进行对比,实验结果表明,基于VGG-16特征提取网络的Faster R-CNN深度网络模型的识别效果较好﹐得出茶叶嫩芽识别模型的精确度为85.14%,召回率为78.90,mAP为82.17%。该深度网络模型能够有效识别茶叶嫩芽目标,为茶叶的智能化采摘提供了技术支撑。

“万里茶道”茶叶宣传图像中的文化交流

“万里茶道”作为继丝绸之路衰落之后兴起的跨越亚欧大陆、连通中俄蒙三国的国际商道,既是各国各民族交往交流交融的重要途径,也承载了中外文化交流繁荣发展的历史。其中,俄国“K&S波波夫兄弟”公司与19、20世纪“万里茶道”中俄茶叶贸易联系紧密。该论文通过分析这家公司留存于世且独具特色的几张茶叶产品宣传图像,发现其中拥有包括茶叶原产地、加工方式等方面的丰富信息,反映了当时繁荣且复杂的中外商业贸易和文化交流。茶叶产品宣传图像所包含的制茶、销茶、品茶信息,展现着丰富的历史文化,启发了当代文化交流互鉴研究的新思路。

Local multifractal detrended fluctuation analysis for tea breeds identification

In recent years, the popular multifractal detrended fluctuation analysis （MF-DFA） is extended to two-dimensional （2D） version, which has been applied in some field of image processing. In this paper, based on the 2D MF-DFA, a novel multifractal estimation method for images, which we called the local multifractal detrended fluctuation analysis （LMF-DFA）, is proposed to recognize and distinguish 20 types of tea breeds. A set of new multifractal descriptors, namely the local multifractal fluctuation exponents is defined to portray the local scaling properties of a surface. After collecting 10 tea leaves for each breed and photographing them to standard images, the LMF-DFA method is used to extract characteristic parameters for the images. Our analysis finds that there are significant differences among the different tea breeds＇ characteristic parameters by analysis of variance. Both the proposed LMF-DFA exponents and another classic parameter, namely the exponent based on capacity measure method have been used as features to distinguish the 20 tea breeds. The comparison results illustrate that the LMF-DFA estimation can differentiate the tea breeds more effectively and provide more satisfactory accuracy.