论文部分内容阅读
目前茶叶审评主要通过感官评价实现,具有专业水平要求高、主观误差大等缺点。也有通过茶多酚、茶氨酸、香气成分等内含成分的含量显示茶叶品质的尝试,但这类方法往往需要在实验室实现,对操作技能、检测试剂设备等要求较高本研究主要通过扁形茶外形指标分析软件设计与大佛龙井识别模型构建实现大佛龙井等扁形茶外形品质计算机识别。内容及结果如下:(1)设计了“扁条形茶及芽茶色形品质指标分析软件”(简称茶叶外形分析软件,软件著作权登记号:2011SR069586)。该软件通过对茶叶图片进行分析,可直接读出茶叶的长度L、宽度W、周长P、面积A、红R、绿G、蓝B指标,以及某幅扫描图或者一定检索范围内所有叶片各指标的平均值及标准差。并可通过与数据库软件联用,实现数据的入库筛选、存储、读取,并可读出库中每一片茶叶的图像与指标数据进一步筛选。本研究中茶叶扫描图片通过扫描仪获取。(2)以软件直接读出的基础指标,并以此为基础设置了可进一步反应茶叶外形特征的复合型指标,有反应叶片整体宽度的宽度计算值Wj;反应长宽比的长度、计算宽度比L/Wj,长度宽度比L/W;反应分叉情况的计算宽度、宽度比Wj/W,周长、周长计算值比P/Pj,其中Pj=2×L;以及由RGB转化而来的亮度I、饱和度S、色调H。(3)以大佛龙井标准样1为研究对象建立了以等级判别为目的的线性判别模型与逐步线性判别模型,建模样回代检验两者判别率均为100%,交互检验判别率为84%与96%。建立了三个可进行外形品质评分的多元回归模型,以感官评分为应变量,分别以所有外形指标为自变量(模型自动剔除L/W,I两变量)建立线性多元回归模型,以与评分显著相关的外形指标作为自变量建立线性多元回归模型,以及逐步线性多元回归模型。模型相关系数显示,模型内部检验效果皆优。(4)以大佛龙井标准样2、三种大佛龙井未知样、西湖龙井标准样为外部样进行模型检验。判别模型判别正确率均仅为20%左右。而与评分显著相关指标建立的回归模型预测效果最佳,评分预测值的平均相对误差仅为0.89%,误差范围为0.11%—1.76%,平均评分差异为0.89分左右,而感官审评评分等级间差异为2—3分:逐步多元回归评分预测值的平均相对误差为9.97%,误差范围为0.87%—42.89%;以所有外形指标为初始建模变量的多元回归模型平均相对误差为13.86%,误差范围为2.06%—42.68%。可得出结论,与评分显著相关的外形指标所建回归模型基本可实现大佛龙井、西湖龙井外形品质评价。