[發(fā)明專利]基于近紅外高光譜紋理特征建模的預(yù)測(cè)茶葉含水率的方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201310338087.9
• 申請(qǐng)日: 2013-08-05
• 公開(kāi)（公告）號(hào): CN103389255A
• 公開(kāi)（公告）日: 2013-11-13
• 發(fā)明（設(shè)計(jì)）人: 鄧水光;李浬;徐亦飛;尹建偉;李瑩;吳健;吳朝暉
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)
• 主分類號(hào): G01N5/04
• 分類號(hào): G01N5/04;G01N21/35
• 代理公司: 杭州裕陽(yáng)專利事務(wù)所(普通合伙) 33221
• 代理人: 應(yīng)圣義

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)圖像處理技術(shù)，特別涉及一種基于近紅外高光譜紋理特征建模的預(yù)測(cè)茶葉含水率的方法。

背景技術(shù)

近年來(lái)，茶葉含水率的預(yù)測(cè)方法在茶葉自動(dòng)化、信息化生產(chǎn)中起到了關(guān)鍵性的作用，對(duì)提高茶葉品質(zhì)，降低高品質(zhì)茶葉生產(chǎn)成本產(chǎn)生了巨大推進(jìn)作用。兩千多年前，茶葉起源于中國(guó)，是絲綢之路上的一種重要商品。今天，全中國(guó)范圍內(nèi)種植有超過(guò)600種不同品種的茶葉。龍井茶是中國(guó)十大茶葉之一，以“西湖龍井”為商品，西湖龍井中又以“獅峰龍井”為最，是一種非常昂貴的茶葉。龍井茶的炒制過(guò)程非常復(fù)雜，通常只能由有多年炒茶經(jīng)驗(yàn)的熟練炒茶師傅手工完成，在炒制過(guò)程中對(duì)水分的含量要求分廠嚴(yán)苛，各個(gè)過(guò)程的水分含量直接決定了最后龍井茶葉產(chǎn)品的品質(zhì)。當(dāng)前對(duì)茶葉水分的測(cè)量有兩大類方法，即實(shí)驗(yàn)室方法和傳統(tǒng)方法。其中，實(shí)驗(yàn)室方法包括烘烤法，電磁波法以及電容法等，這類方法測(cè)量結(jié)果比較準(zhǔn)確，但是普遍存在測(cè)量周期長(zhǎng)，損壞樣品，污染環(huán)境等特點(diǎn)。傳統(tǒng)方法主要依賴炒茶工人對(duì)茶葉的主觀感知評(píng)價(jià)，如觸感，顏色等信息對(duì)含水率進(jìn)行大致的估計(jì)，這類型的方法雖然具有快速，無(wú)損，環(huán)保等優(yōu)勢(shì)，但是過(guò)于主觀，過(guò)于依賴炒茶工人的經(jīng)驗(yàn)，無(wú)法進(jìn)行工業(yè)化自動(dòng)化的應(yīng)用推廣。因此有必要研究一種可以對(duì)茶葉葉片的含水率進(jìn)行準(zhǔn)確測(cè)量的方法。

發(fā)明內(nèi)容

本發(fā)明針對(duì)現(xiàn)有技術(shù)中無(wú)法對(duì)茶葉葉片含水率進(jìn)行快速、無(wú)損測(cè)定的缺點(diǎn)，提供了一種新型基于近紅外高光譜紋理特征建模的預(yù)測(cè)茶葉含水率的方法。

為實(shí)現(xiàn)上述目的，本發(fā)明可采取下述技術(shù)方案：

基于近紅外高光譜紋理特征建模的預(yù)測(cè)茶葉含水率的方法，包括以下具體步驟：

1）數(shù)據(jù)采集：

1.1）使用精密電子天平對(duì)茶葉葉片質(zhì)量進(jìn)行稱量，記為W_i,j，其中，i為稱量次數(shù)，j為茶葉葉片的順序標(biāo)號(hào)；

1.2）使用推帚式高光譜成像系統(tǒng)對(duì)茶葉葉片進(jìn)行高光譜數(shù)據(jù)采集，采集過(guò)程中，使用一個(gè)可以調(diào)節(jié)速度的傳送帶對(duì)茶葉葉片進(jìn)行傳輸從而令茶葉葉片產(chǎn)生位移，該位移垂直于所述推帚式高光譜成像系統(tǒng)的線性掃描，其中，以所述位移的距離為y軸，以線性掃描的采樣距離為x軸，以采樣時(shí)得到的光譜波長(zhǎng)為z軸，得到一組高光譜數(shù)據(jù)立方，記為D_i,j；

1.3）使用烘干爐對(duì)茶葉葉片進(jìn)行烘干，烘干溫度為55℃，使茶葉葉片脫去部分水分；

1.4）將烘干后的茶葉葉片置于預(yù)置有變色硅膠干燥劑的干燥器內(nèi)，冷卻至室溫后取出；

1.5）重復(fù)上述步驟1.1）-1.4）直至對(duì)茶葉葉片的兩次稱量所得改變小于3%wt，記最后一次稱量所得茶葉葉片的重量為茶葉葉片的干重W₀，分別計(jì)算每次稱量時(shí)的茶葉葉片的含水率，記為C_i,j；

2）光譜特征提取：在高光譜數(shù)據(jù)立方D_i,j范圍內(nèi)，計(jì)算該高光譜數(shù)據(jù)立方D_i，j所有像素點(diǎn)的平均波長(zhǎng)，記為光譜向量S_i,j；

3）紋理特征提取：將茶葉葉片的葉面分割成大小均勻的多個(gè)正方形區(qū)域，對(duì)分割后的正方形區(qū)域所對(duì)應(yīng)的高光譜數(shù)據(jù)立方D_i,j應(yīng)用GLCM算法提取用于代表該區(qū)域的紋理特征的特征值向量，所述特征值向量包括能量、對(duì)比度、相關(guān)性、熵值以及逆差距，所述能量為灰度共生矩陣元素值的平方和，所述對(duì)比度為圖像的清晰度和紋理溝紋深淺的程度，所述相關(guān)性為空間灰度共生矩陣元素在行或列方向上的相似程度，所述熵值為空間共生矩陣中圖像紋理的非均勻程度，逆差距為圖像紋理的同質(zhì)性，記所述特征值為T(mén)_i,j；

4）數(shù)據(jù)降維與特征選取：應(yīng)用連續(xù)投影法分別對(duì)光譜向量S和特征值向量T進(jìn)行特征變量選取，選取后的特征變量分別為S′和T′；

5）特征變量建模：分別將茶葉葉片的含水量C、光譜向量S′和特征值向量T′作為PLS算法的輸入變量，即X＝[S′T′]^T，Y=C，建立回歸模型M，所述回歸模型M包括一個(gè)系統(tǒng)向量A，令所有的X_i,j與Y_i,j均符合Y_i,j=AX_i,j；通過(guò)該回歸模型M即可求得茶葉葉片的含水率。