名優(yōu)茶精確采摘芽葉識別及其中心定位的試驗研究.pdf

1、名優(yōu)茶是我國茶葉產(chǎn)業(yè)的重要組成部分和主要發(fā)展方向。名優(yōu)茶生產(chǎn)中的鮮葉采摘環(huán)節(jié)是其發(fā)展的主要瓶頸，存在勞動力成本高且勞動力不足等問題，而現(xiàn)有的大宗茶機械化采摘其無差異采摘不能滿足名優(yōu)茶的品質(zhì)要求，同時造成鮮葉資源的破損浪費。名優(yōu)茶鮮葉機械化精確采摘具有較高的實用性和經(jīng)濟價值。名優(yōu)茶芽葉識別和定位是名優(yōu)茶機械化精確采摘的前提條件和重要組成部分。
　　本文以福鼎大白春茶為研究對象，進行了基于顏色特征的名優(yōu)茶芽葉的識別和定位方法的研究，主

2、要內(nèi)容如下：
　　(1)基于灰度化分析的色彩因子選擇。本文在RGB、YIQ、HIS、Lab、YCbCr等色彩空間中選用多種色彩因子對原圖像進行灰度化處理并依據(jù)灰度化效果，最終確定RGB色彩空間中的R-B色彩因子作為灰度化色彩因子。
　　(2)芽葉識別與閾值分割方法選擇。在灰度化的基礎(chǔ)上，進行了基于直方圖分析的固定閾值分割、迭代法閾值分割以及Otsu法閾值分割的試驗研究，依據(jù)芽葉提取效果進行了閾值分割方法的判斷和選擇。結(jié)果迭代

3、法表現(xiàn)出極大不適應(yīng)性，Otsu法相對較優(yōu)選為基于閾值的分割方法?；陂撝档姆指罘椒ㄔ谘咳~的分割提取效果上仍有較大的進步空間。
　　(3)基于GrowCut算法的芽葉識別研究。將GrowCut算法應(yīng)用于芽葉圖像的分割研究中，并進行了算法中種子參數(shù)自動獲取的方法改進。并將結(jié)果與Otsu法進行了對比分析，芽葉識別與提取效果獲得提高，特別是芽葉與鄰近區(qū)域區(qū)分。
　　(4)基于濾波和形態(tài)學(xué)方法的圖像后處理。在二值化的基礎(chǔ)上，進行了濾波

4、處理和形態(tài)學(xué)運算研究，進一步降低噪聲干擾等優(yōu)化芽葉提取結(jié)果。在使用中值濾波和形態(tài)學(xué)閉運算后，芽葉識別結(jié)果中的大部分噪點被剔除。
　　(5)芽葉中心位置定位的研究。本文以質(zhì)心法為基礎(chǔ)，通過加權(quán)質(zhì)心法消除圖像亮度因素對灰度圖像影響，并結(jié)合最小外接矩形判斷實現(xiàn)了芽葉中心定位。
　　本文主要創(chuàng)新之處是將GrowCut算法應(yīng)用于芽葉圖像分割，并對GrowCut算法中的種子點參數(shù)獲取方法進行了改進，實現(xiàn)了一種新的基于GrowCut算法可