CN112883835B - 基于计算机视觉的茶叶品质等级确定方法、装置及设备 - Google Patents

基于计算机视觉的茶叶品质等级确定方法、装置及设备 Download PDF

Info

Publication number
CN112883835B
CN112883835B CN202110132724.1A CN202110132724A CN112883835B CN 112883835 B CN112883835 B CN 112883835B CN 202110132724 A CN202110132724 A CN 202110132724A CN 112883835 B CN112883835 B CN 112883835B
Authority
CN
China
Prior art keywords
tea
information
image
disease
determining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110132724.1A
Other languages
English (en)
Other versions
CN112883835A (zh
Inventor
郑禄
帖军
王江晴
毛腾跃
李子茂
张潇
徐杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South Central Minzu University
Original Assignee
South Central University for Nationalities
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by South Central University for Nationalities filed Critical South Central University for Nationalities
Priority to CN202110132724.1A priority Critical patent/CN112883835B/zh
Publication of CN112883835A publication Critical patent/CN112883835A/zh
Application granted granted Critical
Publication of CN112883835B publication Critical patent/CN112883835B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于计算机视觉的茶叶品质等级确定方法、装置及设备，所述方法包括：获取待识别茶叶图像，对待识别茶叶图像进行预处理，获得茶叶特征信息；根据茶叶特征信息确定茶叶品种信息；根据茶叶品种信息和茶叶特征信息对待识别茶叶图像进行病害识别，以获得茶叶病害识别结果；在茶叶病害识别结果为无病害时，根据待识别茶叶图像确定茶叶轮廓信息，并根据茶叶轮廓信息确定茶叶品质等级。相较于现有技术中，需要将茶叶进行浸泡和品尝，才能得知茶叶的品质等级，导致茶叶品质等级的识别效率低下，而本发明中仅需要根据茶叶特征信息和茶叶品种信息确定茶叶品质等级，进而提高了茶叶品质等级的识别效率。

Description

基于计算机视觉的茶叶品质等级确定方法、装置及设备
技术领域
本发明涉及茶叶等级识别技术领域，尤其涉及一种基于计算机视觉的茶叶品质等级确定方法、装置及设备。
背景技术
在国内外，茶叶品质大多数是通过人的感官进行评定的，现有技术中，在进行茶叶品质等级评定时，需要对茶叶进行浸泡和品尝，才可确定茶叶品质等级，由于每人对茶叶的偏好不同，会导致茶叶品质等级的识别效率低下，还会降低茶叶品质等级评定结果的准确率。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种基于计算机视觉的茶叶品质等级确定方法、装置及设备，旨在解决如何提高茶叶品质等级评定结果的准确率的技术问题。
为实现上述目的，本发明提供了一种基于计算机视觉的茶叶品质等级确定方法，所述基于计算机视觉的茶叶品质等级确定方法包括：
获取待识别茶叶图像，对所述待识别茶叶图像进行预处理，获得茶叶特征信息；
根据所述茶叶特征信息确定茶叶品种信息；
根据所述茶叶品种信息和所述茶叶特征信息对所述待识别茶叶图像进行病害识别，以获得茶叶病害识别结果；
在所述茶叶病害识别结果为无病害时，根据所述待识别茶叶图像确定茶叶轮廓信息，并根据所述茶叶轮廓信息确定茶叶品质等级。
可选地，所述对所述待识别茶叶图像进行预处理，获得茶叶特征信息的步骤，包括：
对所述待识别茶叶图像进行灰度处理，获得灰度茶叶图像；
对所述灰度茶叶图像进行去噪，获得平滑茶叶图像；
根据所述平滑茶叶图像确定茶叶的最小外切圆面积和茶叶叶脉信息；
对所述待识别茶叶图像进行RGB通道变换，获得茶叶颜色分量参数；
根据所述茶叶颜色分量参数确定茶叶颜色信息；
将所述最小外切圆面积、茶叶叶脉信息及茶叶颜色信息作为茶叶特征信息。
可选地，所述根据所述平滑茶叶图像确定茶叶的最小外切圆面积和茶叶叶脉信息的步骤，包括：
根据所述平滑茶叶图像确定茶叶边缘轮廓线，并根据所述茶叶边缘轮廓线对所述平滑茶叶图像进行分割，获得茶叶形状图像；
根据所述茶叶形状图像确定茶叶的最小外切圆面积和茶叶叶脉信息。
可选地，所述根据所述茶叶形状图像确定茶叶的最小外切圆面积和茶叶叶脉信息的步骤，包括：
根据所述茶叶形状图像确定茶叶重心和茶叶直径，并根据所述茶叶重心和所述茶叶直径计算茶叶的最小外切圆面积；
对所述茶叶形状图像进行对比度调整，获得茶叶叶茎图像，并对所述茶叶叶茎图像进行透明化，获得茶叶叶脉图像；
根据所述茶叶叶脉图像获得茶叶叶脉信息。
可选地，所述在所述茶叶病害识别结果为无病害时，根据所述待识别茶叶图像确定茶叶轮廓信息，并根据所述茶叶轮廓信息确定茶叶品质等级的步骤，包括：
在所述茶叶病害识别结果为无病害时，根据所述待识别茶叶图像确定茶叶轮廓信息；
根据所述茶叶轮廓信息确定茶叶拟合多边形信息；
根据所述茶叶拟合多边形信息确定茶叶品质等级。
可选地，所述根据所述茶叶品种信息和所述茶叶特征信息对所述待识别茶叶图像进行病害识别，以获得茶叶病害识别结果的步骤之后，还包括：
在所述茶叶病害识别结果为存在病害时，根据所述茶叶品种信息和所述茶叶特征信息确定所述待识别茶叶图像的目标病害名称，并根据所述目标病害名称和所述茶叶品种信息生成预防茶叶病害策略。
可选地，所述根据所述茶叶品种信息和所述茶叶特征信息确定所述待识别茶叶图像的目标病害名称的步骤，包括：
根据所述茶叶品种信息确定病害信息映射关系表，并从所述茶叶特征信息中提取茶叶叶脉信息；
根据所述茶叶叶脉信息确定叶脉缺失信息；
根据所述叶脉缺失信息从所述病害信息映射关系表中查找样本病害名称，并将所述病害名称作为所述待识别茶叶图像的目标病害名称；
所述病害信息映射关系表中存在多个叶脉缺失信息和多个病害名称。
此外，为实现上述目的，本发明还提出一种基于计算机视觉的茶叶品质等级确定装置，所述基于计算机视觉的茶叶品质等级确定装置包括：
获取模块，用于获取待识别茶叶图像，对所述待识别茶叶图像进行预处理，获得茶叶特征信息；
确定模块，用于根据所述茶叶特征信息确定茶叶品种信息；
识别模块，用于根据所述茶叶品种信息和所述茶叶特征信息对所述待识别茶叶图像进行病害识别，以获得茶叶病害识别结果；
所述确定模块，还用于在所述茶叶病害识别结果为无病害时，根据所述待识别茶叶图像确定茶叶轮廓信息，并根据所述茶叶轮廓信息确定茶叶品质等级。
此外，为实现上述目的，本发明还提出一种基于计算机视觉的茶叶品质等级确定设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于计算机视觉的茶叶品质等级确定程序，所述基于计算机视觉的茶叶品质等级确定程序配置为实现如上文所述的基于计算机视觉的茶叶品质等级确定方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有基于计算机视觉的茶叶品质等级确定程序，所述基于计算机视觉的茶叶品质等级确定程序被处理器执行时实现如上文所述的基于计算机视觉的茶叶品质等级确定方法的步骤。
本发明首先获取待识别茶叶图像，对待识别茶叶图像进行预处理，获得茶叶特征信息，然后根据茶叶特征信息确定茶叶品种信息，之后根据茶叶品种信息和茶叶特征信息对待识别茶叶图像进行病害识别，以获得茶叶病害识别结果，最后在茶叶病害识别结果为无病害时，根据待识别茶叶图像确定茶叶轮廓信息，并根据茶叶轮廓信息确定茶叶品质等级。相较于现有技术中，需要将茶叶进行浸泡和品尝，才能得知茶叶的品质等级，导致茶叶品质等级的识别效率低下，而本发明中仅需要根据茶叶特征信息和茶叶品种信息确定茶叶品质等级，从而提高了茶叶品质等级的识别效率，进而提高了茶叶品质等级评定结果的准确率。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的基于计算机视觉的茶叶品质等级确定设备的结构示意图；
图2为本发明基于计算机视觉的茶叶品质等级确定方法第一实施例的流程示意图；
图3为本发明基于计算机视觉的茶叶品质等级确定方法第二实施例的流程示意图；
图4为本发明基于计算机视觉的茶叶品质等级确定装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的基于计算机视觉的茶叶品质等级确定设备结构示意图。
如图1所示，该基于计算机视觉的茶叶品质等级确定设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-VolatileMemory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对基于计算机视觉的茶叶品质等级确定设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及基于计算机视觉的茶叶品质等级确定程序。
在图1所示的基于计算机视觉的茶叶品质等级确定设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明基于计算机视觉的茶叶品质等级确定设备中的处理器1001、存储器1005可以设置在基于计算机视觉的茶叶品质等级确定设备中，所述基于计算机视觉的茶叶品质等级确定设备通过处理器1001调用存储器1005中存储的基于计算机视觉的茶叶品质等级确定程序，并执行本发明实施例提供的基于计算机视觉的茶叶品质等级确定方法。
本发明实施例提供了一种基于计算机视觉的茶叶品质等级确定方法，参照图2，图2为本发明基于计算机视觉的茶叶品质等级确定方法第一实施例的流程示意图。
本实施例中，所述基于计算机视觉的茶叶品质等级确定方法包括以下步骤：
步骤S10：获取待识别茶叶图像，对所述待识别茶叶图像进行预处理，获得茶叶特征信息。
易于理解的是，本实施例的执行主体可以是具有图像处理、数据处理、网络通讯和程序运行等功能的基于计算机视觉的茶叶品质等级确定设备，也可以为其他具有相似功能的计算机设备，本实施例并不加以限制，其中，基于计算机视觉的茶叶品质等级确定设备可以对待识别茶叶图像进行预处理，并根据茶叶品质信息和茶叶特征信息对待识别茶叶图像进行病害识别等，本实施例并不加以限制。
可以理解的是，待识别茶叶图像可以为包含单个茶叶的图像，还可以为包括多个茶叶的图像等，本实施例并不加以限制。
需要说明的是，茶叶特征信息可以为待识别茶叶图像中茶叶的最小外切圆面积、茶叶的形状信息、茶叶叶脉信息和茶叶颜色信息等，茶叶的最小外切圆面积可以为5平方厘米，还可以为9平方厘米等，茶叶的形状信息可以为椭圆形，还可以为圆形等，茶叶叶脉信息可以为该茶叶内的脉路信息等，茶叶颜色信息可以为翠绿，还可以墨绿等，本实施例并不加以限制。
在具体实现中，为了能够得到更加准确的茶叶特征信息，对待识别茶叶图像进行预处理，获得茶叶特征信息的操作可以为，对待识别茶叶图像进行灰度处理，获得灰度茶叶图像，然后对灰度茶叶图像进行去噪，获得平滑茶叶图像，之后根据平滑茶叶图像确定茶叶的最小外切圆面积和茶叶叶脉信息，对待识别茶叶图像进行RGB色彩模式通道变换，获得茶叶颜色分量参数，根据茶叶颜色分量参数确定茶叶颜色信息，将最小外切圆面积、茶叶叶脉信息及茶叶颜色信息作为茶叶特征信息。
需要说明的是，由于待识别茶叶图像在进行拍摄时，会存在光照、阴影及边界的问题，会导致重影、边缘模糊、噪声等，需要对图像进行预处理，进而提高特征提取精度。
由于RGB通道变换可以使待识别茶叶图像中的红、绿、蓝三颜色通道的相互叠加及变换，能得到不同颜色。分别取每个通道的值作为茶叶颜色分量参数，之后可根据茶叶颜色分量参数确定待识别茶叶图像中的茶叶颜色信息。
根据平滑茶叶图像确定茶叶的最小外切圆面积和茶叶叶脉信息的操作可以为，根据平滑茶叶图像确定茶叶边缘轮廓线，并根据茶叶边缘轮廓线对平滑茶叶图像进行分割，获得茶叶形状图像，然后根据茶叶形状图像确定茶叶的最小外切圆面积和茶叶叶脉信息，其中，茶叶形状图像可以茶叶完整图像，茶叶边缘轮廓线可以为茶叶的外边缘界线等。
根据茶叶形状图像确定茶叶的最小外切圆面积和茶叶叶脉信息的步骤可以为，根据茶叶形状图像确定茶叶重心和茶叶直径，并根据茶叶重心和所述茶叶直径计算茶叶的最小外切圆面积，然后对茶叶形状图像进行对比度调整，获得茶叶叶茎图像，并对茶叶叶茎图像进行透明化，获得茶叶叶脉图像，根据茶叶叶脉图像获得茶叶叶脉信息。
茶叶叶脉信息中可分为主脉、侧脉和细脉3种。主脉较粗，最为明显；若主脉一条位于叶片中央，则称为“中脉”或“中肋”。侧脉为主脉的分枝，一般较细。细脉为侧脉的分枝，较侧脉更细，分布在整个叶片中，且常错综交织。脉表皮以内为叶脉的机械组织(厚角组织)，以便支持叶片的伸展；再内为基本组织和叶脉维管束。维管束主要由韧皮部、形成层和木质部构成，并排成一环(在横切面上)。韧皮部都在下，或外，木质部在上，或内。二者为叶内水分和养分运输的通道，中央为髓。侧脉越细，其内的维管束越简单，有的仅由几个导管、筛管和薄壁细胞组成。各级侧脉均埋藏、贯穿在叶肉组织中。
步骤S20：根据所述茶叶特征信息确定茶叶品种信息。
茶叶品种信息为该茶叶的名称，可以为毛尖，还可以为铁观音等，本实施例并不加以限制。
由于每种茶叶的特征信息都不同，故而可以根据茶叶的最小外切圆面积、茶叶叶脉信息及茶叶颜色信息确定茶叶品种信息。
步骤S30：根据所述茶叶品种信息和所述茶叶特征信息对所述待识别茶叶图像进行病害识别，以获得茶叶病害识别结果。
茶叶病害识别结果可以为存在病害和无病害等。
根据茶叶品种信息和茶叶特征信息对待识别茶叶图像进行病害识别的内容可以为，通过感官识别茶叶是否出现病害，还可以通过茶叶特征信息与该茶叶品种信息的正常特征信息进行比对，进而获得茶叶病害识别结果。也就是说，在茶叶特征信息与该茶叶品种信息的正常特征信息不一致时，判定该茶叶存在病害，在茶叶特征信息与该茶叶品种信息的正常特征信息一致时，判定该茶叶无病害等，本实施例并不加以限制。
步骤S40：在所述茶叶病害识别结果为无病害时，根据所述待识别茶叶图像确定茶叶轮廓信息，并根据所述茶叶轮廓信息确定茶叶品质等级。
根据茶叶品种信息和茶叶特征信息对待识别茶叶图像进行病害识别，以获得茶叶病害识别结果的步骤之后，还可以在茶叶病害识别结果为存在病害时，根据茶叶品种信息和茶叶特征信息确定待识别茶叶图像的目标病害名称，并根据目标病害名称和茶叶品种信息生成预防茶叶病害策略。
预防茶叶病害策略可以为专家根据当前茶叶品种信息和目标病害名称及茶叶叶脉缺失信息研究的预防茶叶病害策略等。
根据茶叶品种信息和茶叶特征信息确定待识别茶叶图像的目标病害名称的操作可以为，根据茶叶品种信息确定病害信息映射关系表，并从茶叶特征信息中提取茶叶叶脉信息，然后根据茶叶叶脉信息确定叶脉缺失信息，之后根据叶脉缺失信息从病害信息映射关系表中查找样本病害名称，并将病害名称作为待识别茶叶图像的目标病害名称，病害信息映射关系表中存在多个叶脉缺失信息和多个病害名称，其中叶脉缺失信息与病害名称一一对应。
每种茶叶都有对应的病害信息映射关系表，也就是说，假设茶叶为铁观音，那病害信息映射关系表为铁观音对应的样本病害名称和样本病害名称对应的叶脉缺失信息等。
样本病害名称可以为茶白星病、茶轮斑病，还可以为茶煤病等，本实施例并不加以限制。
每种病害名称都具有对应的样本叶脉缺失信息，可以将待识别茶叶的叶脉缺失信息与病害信息映射关系表中的样本叶脉缺失信息进行比对，在比对一致时，可将样本缺失信息对应的样本病害名称作为该待识别茶叶的目标病害名称等。
需要说明的是，在茶叶病害识别结果为无病害时，根据待识别茶叶图像确定茶叶轮廓信息，之后根据茶叶轮廓信息确定茶叶拟合多边形信息，最后根据茶叶拟合多边形信息确定茶叶品质等级。
根据茶叶轮廓信息确定茶叶拟合多边形信息的操作，可以为对茶叶轮廓信息进行拟合多边形处理，之后获得具有多边形的茶叶轮廓信息即茶叶拟合多边形信息等。
茶叶品质等级也可以为一级、二级或三级等，茶叶拟合多边形信息可以为一芽一叶，还可以为一芽二叶等，本实施例并不加以限制。
假设拟合多边形信息为一芽一叶时，可以判定当前的茶叶品质等级为一级，假设拟合多边形信息为一芽二叶时，可以判定当前的茶叶品质等级为二级等。
在本实施例中，首先获取待识别茶叶图像，对待识别茶叶图像进行预处理，获得茶叶特征信息，然后根据茶叶特征信息确定茶叶品种信息，之后根据茶叶品种信息和茶叶特征信息对待识别茶叶图像进行病害识别，以获得茶叶病害识别结果，最后在茶叶病害识别结果为无病害时，根据待识别茶叶图像确定茶叶轮廓信息，并根据茶叶轮廓信息确定茶叶品质等级。相较于现有技术中，需要将茶叶进行浸泡和品尝，才能得知茶叶的品质等级，导致茶叶品质等级的识别效率低下，而本实施例中仅需要根据茶叶特征信息和茶叶品种信息确定茶叶品质等级，从而提高了茶叶品质等级的识别效率，进而提高了茶叶品质等级评定结果的准确率。
参考图3，图3为本发明基于计算机视觉的茶叶品质等级确定方法第二实施例的流程示意图。
基于上述第一实施例，在本实施例中，所述步骤S40，还包括：
步骤S401：在所述茶叶病害识别结果为无病害时，根据所述待识别茶叶图像确定茶叶轮廓信息。
茶叶轮廓信息可以待识别茶叶图像中茶叶的边缘勾勒的线条信息等。
在具体实现中，判定茶叶病害识别结果为无病害的操作可以为通过感官识别茶叶是否出现病害，还可以通过茶叶特征信息与该茶叶品种信息的正常特征信息进行比对，进而获得茶叶病害识别结果。也就是说，在茶叶特征信息与该茶叶品种信息的正常特征信息不一致时，判定该茶叶存在病害，在茶叶特征信息与该茶叶品种信息的正常特征信息一致时，判定该茶叶无病害等，本实施例并不加以限制。
在茶叶病害识别结果为存在病害时，根据茶叶品种信息和茶叶特征信息确定待识别茶叶图像的目标病害名称，并根据目标病害名称和茶叶品种信息生成预防茶叶病害策略。
预防茶叶病害策略可以为专家根据当前茶叶品种信息和目标病害名称及茶叶叶脉缺失信息研究的预防茶叶病害策略等。
根据茶叶品种信息和茶叶特征信息确定待识别茶叶图像的目标病害名称的操作可以为，根据茶叶品种信息确定病害信息映射关系表，并从茶叶特征信息中提取茶叶叶脉信息，然后根据茶叶叶脉信息确定叶脉缺失信息，之后根据叶脉缺失信息从病害信息映射关系表中查找样本病害名称，并将病害名称作为待识别茶叶图像的目标病害名称，病害信息映射关系表中存在多个叶脉缺失信息和多个病害名称，其中叶脉缺失信息与病害名称一一对应。
每种茶叶都有对应的病害信息映射关系表，也就是说，假设茶叶为铁观音，那病害信息映射关系表为铁观音对应的样本病害名称和样本病害名称对应的叶脉缺失信息等。
样本病害名称可以为茶白星病、茶轮斑病，还可以为茶煤病等，本实施例并不加以限制。
每种病害名称都具有对应的样本叶脉缺失信息，可以将待识别茶叶的叶脉缺失信息与病害信息映射关系表中的样本叶脉缺失信息进行比对，在比对一致时，可将样本缺失信息对应的样本病害名称作为该待识别茶叶的目标病害名称等。
步骤S402：根据所述茶叶轮廓信息确定茶叶拟合多边形信息。
根据茶叶轮廓信息确定茶叶拟合多边形信息的操作，可以为对茶叶轮廓信息进行拟合多边形处理，之后获得具有多边形的茶叶轮廓信息即茶叶拟合多边形信息等。
步骤S403：根据所述茶叶拟合多边形信息确定茶叶品质等级。
茶叶品质等级也可以为一级、二级或三级等，茶叶拟合多边形信息可以为一芽一叶，还可以为一芽二叶等，本实施例并不加以限制。
假设拟合多边形信息为一芽一叶时，可以判定当前的茶叶品质等级为一级，假设拟合多边形信息为一芽二叶时，可以判定当前的茶叶品质等级为二级等。
在本实施例中，首先在茶叶病害识别结果为无病害时，根据待识别茶叶图像确定茶叶轮廓信息，然后根据茶叶轮廓信息确定茶叶拟合多边形信息，最后根据茶叶拟合多边形信息确定茶叶品质等级，相较于现有技术中，需要人为观察茶叶，之后根据人为观察对茶叶品质等级进行评定，导致茶叶品质等级评定效率低下，而本实施例中仅仅根据茶叶拟合多边形信息就可确定茶叶品质等级，进而提高了茶叶品质等级的评定效率。
参照图4，图4为本发明基于计算机视觉的茶叶品质等级确定装置第一实施例的结构框图。
如图4所示，本发明实施例提出的基于计算机视觉的茶叶品质等级确定装置包括：
获取模块4001，用于获取待识别茶叶图像，对所述待识别茶叶图像进行预处理，获得茶叶特征信息；
确定模块4002，用于根据所述茶叶特征信息确定茶叶品种信息；
识别模块4003，用于根据所述茶叶品种信息和所述茶叶特征信息对所述待识别茶叶图像进行病害识别，以获得茶叶病害识别结果；
所述确定模块4002，还用于在所述茶叶病害识别结果为无病害时，根据所述待识别茶叶图像确定茶叶轮廓信息，并根据所述茶叶轮廓信息确定茶叶品质等级。
在本实施例中，首先获取待识别茶叶图像，对待识别茶叶图像进行预处理，获得茶叶特征信息，然后根据茶叶特征信息确定茶叶品种信息，之后根据茶叶品种信息和茶叶特征信息对待识别茶叶图像进行病害识别，以获得茶叶病害识别结果，最后在茶叶病害识别结果为无病害时，根据待识别茶叶图像确定茶叶轮廓信息，并根据茶叶轮廓信息确定茶叶品质等级。相较于现有技术中，需要将茶叶进行浸泡和品尝，才能得知茶叶的品质等级，导致茶叶品质等级的识别效率低下，而本实施例中仅需要根据茶叶特征信息和茶叶品种信息确定茶叶品质等级，从而提高了茶叶品质等级的识别效率，进而提高了茶叶品质等级评定结果的准确率。
进一步地，所述获取模块4001，还用于对所述待识别茶叶图像进行灰度处理，获得灰度茶叶图像；
所述获取模块4001，还用于对所述灰度茶叶图像进行去噪，获得平滑茶叶图像；
所述获取模块4001，还用于根据所述平滑茶叶图像确定茶叶的最小外切圆面积和茶叶叶脉信息；
所述获取模块4001，还用于对所述待识别茶叶图像进行RGB通道变换，获得茶叶颜色分量参数；
所述获取模块4001，还用于根据所述茶叶颜色分量参数确定茶叶颜色信息；
所述获取模块4001，还用于将所述最小外切圆面积、茶叶叶脉信息及茶叶颜色信息作为茶叶特征信息。
进一步地，所述获取模块4001，还用于根据所述平滑茶叶图像确定茶叶边缘轮廓线，并根据所述茶叶边缘轮廓线对所述平滑茶叶图像进行分割，获得茶叶形状图像；
所述获取模块4001，还用于根据所述茶叶形状图像确定茶叶的最小外切圆面积和茶叶叶脉信息。
进一步地，所述获取模块4001，还用于根据所述茶叶形状图像确定茶叶重心和茶叶直径，并根据所述茶叶重心和所述茶叶直径计算茶叶的最小外切圆面积；
所述获取模块4001，还用于对所述茶叶形状图像进行对比度调整，获得茶叶叶茎图像，并对所述茶叶叶茎图像进行透明化，获得茶叶叶脉图像；
所述获取模块4001，还用于根据所述茶叶叶脉图像获得茶叶叶脉信息。
进一步地，所述确定模块4002，还用于在所述茶叶病害识别结果为无病害时，根据所述待识别茶叶图像确定茶叶轮廓信息；
所述确定模块4002，还用于根据所述茶叶轮廓信息确定茶叶拟合多边形信息；
所述确定模块4002，还用于根据所述茶叶拟合多边形信息确定茶叶品质等级。
进一步地，所述基于计算机视觉的茶叶品质等级确定装置，还包括策略模块；
所述策略模块，用于在所述茶叶病害识别结果为存在病害时，根据所述茶叶品种信息和所述茶叶特征信息确定所述待识别茶叶图像的目标病害名称，并根据所述目标病害名称和所述茶叶品种信息生成预防茶叶病害策略。
进一步地，所述策略模块，还用于根据所述茶叶品种信息确定病害信息映射关系表，并从所述茶叶特征信息中提取茶叶叶脉信息；
所述策略模块，还用于根据所述茶叶叶脉信息确定叶脉缺失信息；
所述策略模块，还用于根据所述叶脉缺失信息从所述病害信息映射关系表中查找样本病害名称，并将所述病害名称作为所述待识别茶叶图像的目标病害名称；
所述病害信息映射关系表中存在多个叶脉缺失信息和多个病害名称。
本发明基于计算机视觉的茶叶品质等级确定装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (7)

1.一种基于计算机视觉的茶叶品质等级确定方法，其特征在于，所述基于计算机视觉的茶叶品质等级确定方法包括：
获取待识别茶叶图像，对所述待识别茶叶图像进行预处理，获得茶叶特征信息；
根据所述茶叶特征信息确定茶叶品种信息；
根据所述茶叶品种信息和所述茶叶特征信息对所述待识别茶叶图像进行病害识别，以获得茶叶病害识别结果；
在所述茶叶病害识别结果为无病害时，根据所述待识别茶叶图像确定茶叶轮廓信息，并根据所述茶叶轮廓信息确定茶叶品质等级；
所述根据所述茶叶品种信息和所述茶叶特征信息对所述待识别茶叶图像进行病害识别，以获得茶叶病害识别结果的步骤之后，还包括：
在所述茶叶病害识别结果为存在病害时，根据所述茶叶品种信息和所述茶叶特征信息确定所述待识别茶叶图像的目标病害名称，并根据所述目标病害名称和所述茶叶品种信息生成预防茶叶病害策略；
所述根据所述茶叶品种信息和所述茶叶特征信息确定所述待识别茶叶图像的目标病害名称的步骤，包括：
根据所述茶叶品种信息确定病害信息映射关系表，并从所述茶叶特征信息中提取茶叶叶脉信息；
根据所述茶叶叶脉信息确定叶脉缺失信息；
根据所述叶脉缺失信息从所述病害信息映射关系表中查找样本病害名称，并将所述病害名称作为所述待识别茶叶图像的目标病害名称；
所述病害信息映射关系表中存在多个叶脉缺失信息和多个病害名称。
2.如权利要求1所述的方法，其特征在于，所述对所述待识别茶叶图像进行预处理，获得茶叶特征信息的步骤，包括：
对所述待识别茶叶图像进行灰度处理，获得灰度茶叶图像；
对所述灰度茶叶图像进行去噪，获得平滑茶叶图像；
根据所述平滑茶叶图像确定茶叶的最小外切圆面积和茶叶叶脉信息；
对所述待识别茶叶图像进行RGB通道变换，获得茶叶颜色分量参数；
根据所述茶叶颜色分量参数确定茶叶颜色信息；
将所述最小外切圆面积、茶叶叶脉信息及茶叶颜色信息作为茶叶特征信息。
3.如权利要求2所述的方法，其特征在于，所述根据所述平滑茶叶图像确定茶叶的最小外切圆面积和茶叶叶脉信息的步骤，包括：
根据所述平滑茶叶图像确定茶叶边缘轮廓线，并根据所述茶叶边缘轮廓线对所述平滑茶叶图像进行分割，获得茶叶形状图像；
根据所述茶叶形状图像确定茶叶的最小外切圆面积和茶叶叶脉信息。
4.如权利要求3所述的方法，其特征在于，所述根据所述茶叶形状图像确定茶叶的最小外切圆面积和茶叶叶脉信息的步骤，包括：
根据所述茶叶形状图像确定茶叶重心和茶叶直径，并根据所述茶叶重心和所述茶叶直径计算茶叶的最小外切圆面积；
对所述茶叶形状图像进行对比度调整，获得茶叶叶茎图像，并对所述茶叶叶茎图像进行透明化，获得茶叶叶脉图像；
根据所述茶叶叶脉图像获得茶叶叶脉信息。
5.如权利要求1-4任一项所述的方法，其特征在于，所述在所述茶叶病害识别结果为无病害时，根据所述待识别茶叶图像确定茶叶轮廓信息，并根据所述茶叶轮廓信息确定茶叶品质等级的步骤，包括：
在所述茶叶病害识别结果为无病害时，根据所述待识别茶叶图像确定茶叶轮廓信息；
根据所述茶叶轮廓信息确定茶叶拟合多边形信息；
根据所述茶叶拟合多边形信息确定茶叶品质等级。
6.一种基于计算机视觉的茶叶品质等级确定装置，其特征在于，所述基于计算机视觉的茶叶品质等级确定装置包括：
获取模块，用于获取待识别茶叶图像，对所述待识别茶叶图像进行预处理，获得茶叶特征信息；
确定模块，用于根据所述茶叶特征信息确定茶叶品种信息；
识别模块，用于根据所述茶叶品种信息和所述茶叶特征信息对所述待识别茶叶图像进行病害识别，以获得茶叶病害识别结果；
所述确定模块，还用于在所述茶叶病害识别结果为无病害时，根据所述待识别茶叶图像确定茶叶轮廓信息，并根据所述茶叶轮廓信息确定茶叶品质等级；
所述根据所述茶叶品种信息和所述茶叶特征信息对所述待识别茶叶图像进行病害识别，以获得茶叶病害识别结果之后，还包括：在所述茶叶病害识别结果为存在病害时，根据所述茶叶品种信息和所述茶叶特征信息确定所述待识别茶叶图像的目标病害名称，并根据所述目标病害名称和所述茶叶品种信息生成预防茶叶病害策略；
所述根据所述茶叶品种信息和所述茶叶特征信息确定所述待识别茶叶图像的目标病害名称，包括：根据所述茶叶品种信息确定病害信息映射关系表，并从所述茶叶特征信息中提取茶叶叶脉信息；根据所述茶叶叶脉信息确定叶脉缺失信息；根据所述叶脉缺失信息从所述病害信息映射关系表中查找样本病害名称，并将所述病害名称作为所述待识别茶叶图像的目标病害名称；所述病害信息映射关系表中存在多个叶脉缺失信息和多个病害名称。
7.一种基于计算机视觉的茶叶品质等级确定设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于计算机视觉的茶叶品质等级确定程序，所述基于计算机视觉的茶叶品质等级确定程序配置为实现如权利要求1至5中任一项所述的基于计算机视觉的茶叶品质等级确定方法的步骤。
CN202110132724.1A 2021-01-29 2021-01-29 基于计算机视觉的茶叶品质等级确定方法、装置及设备 Active CN112883835B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110132724.1A CN112883835B (zh) 2021-01-29 2021-01-29 基于计算机视觉的茶叶品质等级确定方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110132724.1A CN112883835B (zh) 2021-01-29 2021-01-29 基于计算机视觉的茶叶品质等级确定方法、装置及设备

Publications (2)

Publication Number Publication Date
CN112883835A CN112883835A (zh) 2021-06-01
CN112883835B true CN112883835B (zh) 2022-11-25

Family

ID=76052149

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110132724.1A Active CN112883835B (zh) 2021-01-29 2021-01-29 基于计算机视觉的茶叶品质等级确定方法、装置及设备

Country Status (1)

Country Link
CN (1) CN112883835B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103207989A (zh) * 2013-03-18 2013-07-17 浙江科技学院 一种基于主成分分析的轻度虫害叶片的叶脉识别方法
CN109542957A (zh) * 2018-11-19 2019-03-29 天津市植物保护研究所 基于叶菜类蔬菜病害典型特征的互联网蔬菜病害自助诊断方法与系统
CN110378305A (zh) * 2019-07-24 2019-10-25 中南民族大学 茶叶病害识别方法、设备、存储介质及装置
CN110458109A (zh) * 2019-08-13 2019-11-15 西南林业大学 一种基于图像识别技术的茶叶病害识别系统及工作方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015035448A1 (en) * 2013-09-13 2015-03-19 Avicennia Investments Pty Ltd An apparatus and method for identifying plant varieties from leaf samples taken whilst in the field.
CN103988923B (zh) * 2014-04-01 2016-06-01 安徽省屯溪实验茶场 一种清花香条型优质绿茶的加工方法
CN104034710B (zh) * 2014-06-25 2016-08-24 浙江大学 基于叶绿素荧光及成像技术的植物病害检测方法
WO2020086774A1 (en) * 2018-10-24 2020-04-30 The Climate Corporation Detecting infection of plant diseases with improved machine learning
CN111414971B (zh) * 2020-03-27 2023-05-02 南京工业大学 一种基于卷积神经网络的成品茶叶种类及品级识别方法
CN111861103B (zh) * 2020-06-05 2024-01-12 中南民族大学 一种基于多特征与多分类器的鲜茶叶分类方法
AU2020102883A4 (en) * 2020-10-20 2020-12-17 Zhengzhou Sias University Apple disease identification method based on the histogram of layered gradient directions in logarithmic frequency domain

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103207989A (zh) * 2013-03-18 2013-07-17 浙江科技学院 一种基于主成分分析的轻度虫害叶片的叶脉识别方法
CN109542957A (zh) * 2018-11-19 2019-03-29 天津市植物保护研究所 基于叶菜类蔬菜病害典型特征的互联网蔬菜病害自助诊断方法与系统
CN110378305A (zh) * 2019-07-24 2019-10-25 中南民族大学 茶叶病害识别方法、设备、存储介质及装置
CN110458109A (zh) * 2019-08-13 2019-11-15 西南林业大学 一种基于图像识别技术的茶叶病害识别系统及工作方法

Also Published As

Publication number Publication date
CN112883835A (zh) 2021-06-01

Similar Documents

Publication Publication Date Title
WO2020107717A1 (zh) 视觉显著性区域检测方法及装置
CN110264443B (zh) 基于特征可视化的眼底图像病变标注方法、装置及介质
JP2009211179A (ja) 画像処理方法、パターン検出方法、パターン認識方法及び画像処理装置
CN108280448B (zh) 指静脉按压图的判别方法及装置、指静脉识别方法
CN112883835B (zh) 基于计算机视觉的茶叶品质等级确定方法、装置及设备
CN112164030A (zh) 水稻穗粒快速检测方法、装置、计算机设备及存储介质
JPWO2020207423A5 (zh)
CN108171229A (zh) 一种空心粘连验证码的识别方法及系统
CN105975955B (zh) 一种图像中文本区域的检测方法
JP2019057066A (ja) 線画自動着色プログラム、線画自動着色装置及び線画自動着色方法
US20050271260A1 (en) Device, method and program for removing pores
CN111062345B (zh) 静脉识别模型的训练方法、装置和静脉图像识别装置
CN105373781A (zh) 用于身份认证的二值图像处理方法
CN108984730A (zh) 一种搜索方法和搜索设备
CN113065553A (zh) 数据处理方法、装置、三维扫描系统和电子装置
CN111986155A (zh) 一种通用场景文字识别方法及装置
CN111507774A (zh) 一种数据处理方法及装置
EP3048580B1 (en) Method of extracting the optic disc of a retinal image
CN109211919A (zh) 磁瓦崩缺区域的识别方法及装置
CN114494765B (zh) 真假烟鉴别点的识别方法、装置、电子设备及存储介质
CN106682627B (zh) 一种掌纹数据的识别方法和装置
JP4991278B2 (ja) 画像処理装置
JPH09161062A (ja) パターン認識方法
CN107193526A (zh) 一种语音播放的方法及终端
CN107046561B (zh) 一种基于掌纹数据的业务处理方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20210601

Assignee: Yunnan Ziying economic and Trade Co.,Ltd.

Assignor: SOUTH CENTRAL University FOR NATIONALITIES

Contract record no.: X2023420000234

Denomination of invention: Method, device, and equipment for determining the quality level of tea based on computer vision

Granted publication date: 20221125

License type: Common License

Record date: 20230710

Application publication date: 20210601

Assignee: Qingnong Internet of Things Technology Research Institute (Luoyang) Co.,Ltd.

Assignor: SOUTH CENTRAL University FOR NATIONALITIES

Contract record no.: X2023420000230

Denomination of invention: Method, device, and equipment for determining the quality level of tea based on computer vision

Granted publication date: 20221125

License type: Common License

Record date: 20230707

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20210601

Assignee: YUNNAN HANGYUE AGRICULTURE TECHNOLOGY CO.,LTD.

Assignor: SOUTH CENTRAL University FOR NATIONALITIES

Contract record no.: X2023420000267

Denomination of invention: Method, device, and equipment for determining the quality level of tea based on computer vision

Granted publication date: 20221125

License type: Common License

Record date: 20230802

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20210601

Assignee: Yunnan Shuai Toudou Agricultural Technology Co.,Ltd.

Assignor: SOUTH CENTRAL University FOR NATIONALITIES

Contract record no.: X2023420000274

Denomination of invention: Method, device, and equipment for determining the quality level of tea based on computer vision

Granted publication date: 20221125

License type: Common License

Record date: 20230804

Application publication date: 20210601

Assignee: Yunnan Shalang Rural Tourism Resources Development Co.,Ltd.

Assignor: SOUTH CENTRAL University FOR NATIONALITIES

Contract record no.: X2023420000273

Denomination of invention: Method, device, and equipment for determining the quality level of tea based on computer vision

Granted publication date: 20221125

License type: Common License

Record date: 20230804

Application publication date: 20210601

Assignee: Yunnan Shengmai Agricultural Technology Co.,Ltd.

Assignor: SOUTH CENTRAL University FOR NATIONALITIES

Contract record no.: X2023420000275

Denomination of invention: Method, device, and equipment for determining the quality level of tea based on computer vision

Granted publication date: 20221125

License type: Common License

Record date: 20230804

Application publication date: 20210601

Assignee: Yunnan Shuaixiao Sauce Agricultural Technology Co.,Ltd.

Assignor: SOUTH CENTRAL University FOR NATIONALITIES

Contract record no.: X2023420000272

Denomination of invention: Method, device, and equipment for determining the quality level of tea based on computer vision

Granted publication date: 20221125

License type: Common License

Record date: 20230804

EE01 Entry into force of recordation of patent licensing contract