论文部分内容阅读
我国茶产业发展迅速,其中名优茶成为消费和出口的有力竞品日益凸显。然而名优茶制备原料要求苛刻,现有的采茶机不能做到有选择的精准采摘,故采摘仍以人工手采为主,成本极高。是以研制出一种具备选择性、高效且低损的智能采茶机来实现标准化规模化生产被提上日程,其中名优茶嫩芽识别和关键参数检测技术是实现智能精准采摘的基础。 本文研究目的是将机器视觉技术应用于名优茶采摘作业中,以福鼎大白春茶为例,通过预处理、图像分割、形态学和边缘检测和其它自定义算法,最终实现了名优茶嫩芽区域、茎区域的识别,和嫩芽中心点、茶梗剪切点的检测,为最终实现大规模的名优茶智能采摘做准备。本文主要内容有: (1)综述了近年茶产业的发展情况,机器视觉在茶叶领域的研究现状,概述了颜色空间、机器视觉等在农产品采摘方面的应用。 (2)实验研究了RGB、YCbCr、HIS等颜色空间中的灰度图像,找出了凸显目标区域的颜色因子,缩减了数据量,提高了算法效率。 (3)对灰度图像进行直方图分析和二值化处理,比较了经典图像分割算法在福鼎白茶灰度样本中的应用效果。经人工交互实验,发现使用Otsu法在G-B灰度图中对嫩芽区域,在R-G灰度图中对茎区域均有良好的分割效果。 (4)针对自然环境下获取的福鼎白茶图像样本,设计了一种混合的图像分割算法,成功分割出嫩芽区域和茎区域。该算法综合了形态学、探索了空间滤波、边缘检测的方法,在保证图像原始结构的基础上,提出了自适应滤波方法,使用形态学操作平滑了目标区域边缘,自定义边缘检测算法保证了轮廓的连续性。 (5)在图像分割的基础上,模仿名优茶“提手采”的常用人工采茶技巧,设置了嫩芽中心点和茶梗采摘点两个重要参数。嫩芽中心点基于质心法获得。茶梗采摘点通过轮廓求交、归一化与配对等自定义操作获得。 本文基于机器视觉技术,完成了了目标区域识别和关键点检测的任务,且程序全程自动进行,无需人工交互。这些成果为进一步研发名优茶智能采茶机提供了有益支持。