專利名稱：基于近紅外光譜和機(jī)器視覺技術(shù)的茶葉品質(zhì)無損檢測(cè)方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種針對(duì)茶葉品質(zhì)的無損檢測(cè)方法，特指基于近紅外光譜和機(jī)器視覺技術(shù)
的茶葉品質(zhì)無檢測(cè)方法及其裝置。
背景技術(shù)：
長(zhǎng)期以來，茶葉品質(zhì)檢測(cè)主要有感官評(píng)判和理化分析兩種方法。感官評(píng)判是由訓(xùn)練有 素的專業(yè)評(píng)審人員對(duì)茶葉的外觀、香味和滋味等感官指標(biāo)進(jìn)行逐一評(píng)判來鑒別名優(yōu)茶的真 偽，但人的感覺器官的靈敏度受到經(jīng)驗(yàn)、性別、精神狀態(tài)、身體狀況甚至地域環(huán)境等外界因 素的干擾而改變，從而影響檢測(cè)結(jié)果的準(zhǔn)確性。理化分析方法是利用化學(xué)分析的手段分析茶 葉中的茶多酚、咖啡堿和自由氨基酸等有效成分含量來檢測(cè)茶葉的品質(zhì)。雖然理化分析方法 的結(jié)果客觀可信，但其步驟煩瑣、檢測(cè)時(shí)間長(zhǎng)、檢測(cè)費(fèi)用高，不利于茶葉流通過程中的快速 檢測(cè)。近年來無損檢測(cè)技術(shù)在茶葉品質(zhì)檢測(cè)上得到了越來越多的關(guān)注。
從所采用的技術(shù)手段看，目前，茶葉的品質(zhì)檢測(cè)所采用的無損檢測(cè)方法主要有近紅外 光譜分析技術(shù)和機(jī)器視覺技術(shù)等。但從目前所采用的技術(shù)手段及數(shù)據(jù)處理方法上看，它們都 有一定的局限性。經(jīng)過檢索，近紅外光譜在茶葉品質(zhì)無損檢測(cè)上，僅有國(guó)內(nèi)一篇相關(guān)專利(未 授權(quán))，專利申請(qǐng)?zhí)?00710069114.1，專利名稱為基于近紅外光譜技術(shù)無損測(cè)量茶葉中 茶多酚含量的方法；機(jī)器視覺技術(shù)在茶葉品質(zhì)無損檢測(cè)上，僅有相關(guān)的論文，但還沒有檢索 到相關(guān)的專利文獻(xiàn)；在基于近紅外光譜和機(jī)器視覺信息融合技術(shù)的茶葉品質(zhì)無損檢測(cè)方面， 這是一個(gè)全新的思路，沒有相關(guān)的專利文獻(xiàn)。
反映茶葉的品質(zhì)指標(biāo)是多方面的，既有外部品質(zhì)指標(biāo)(色澤和外形等)，又有內(nèi)部理化 指標(biāo)(多酚類、氨基酸和咖啡因等含量)。在茶葉品質(zhì)無損檢測(cè)方面，單一的檢測(cè)手段一般 不能全面地描述茶葉品質(zhì)，如近紅外光譜可以很好地表征茶葉的內(nèi)部品質(zhì)，但在茶葉外部品 質(zhì)特征的描述上，往往顯得無能為力；機(jī)器視覺技術(shù)能很好地表達(dá)茶葉的外部品質(zhì)特征，但 無法獲取反映茶葉內(nèi)部理化指標(biāo)的特征信息，信息反映的側(cè)重點(diǎn)不同所帶來的局限性必然影 響到結(jié)果的客觀性和穩(wěn)定性。所以，如何充分利用各種檢測(cè)方法的長(zhǎng)處，取長(zhǎng)補(bǔ)短，提高檢 測(cè)的全面性、可靠性和靈敏度，是茶葉品質(zhì)快速無損檢測(cè)一個(gè)新的研究趨勢(shì)。
多傳感信息融合就是充分利用多種傳感信息資源，得到描述同一對(duì)象不同品質(zhì)特征的 大量信息。依據(jù)某種準(zhǔn)則對(duì)這些信息進(jìn)行分析、綜合和平衡，以期獲得若干個(gè)最佳簡(jiǎn)化的綜 合變量。與單一檢測(cè)手段相比，它具有信息量大、容錯(cuò)性好以及與人類認(rèn)知過程相似等優(yōu)點(diǎn)。因此，有必要研制出一種基于近紅外光譜和機(jī)器視覺技術(shù)的茶葉品質(zhì)無損檢測(cè)方法和裝置， 以提高茶葉產(chǎn)品在產(chǎn)、供、銷等環(huán)節(jié)的檢測(cè)水平，以此督促茶葉企業(yè)生產(chǎn)出高效、優(yōu)質(zhì)、安 全的茶葉產(chǎn)品，維護(hù)消費(fèi)者的利益。

發(fā)明內(nèi)容
本發(fā)明的目的是要提供一種基于近紅外光譜和機(jī)器視覺信息融合技術(shù)的茶葉品質(zhì)無損 檢測(cè)方法及其裝置。通過近紅外光譜裝置采集得到能反應(yīng)茶葉內(nèi)在特征(茶葉的多酚類、游 離氨基酸、植物堿和蛋白質(zhì)含量)的光譜信息和能反應(yīng)茶葉外觀特征(茶葉的色澤、形狀和 紋理)的圖像信息，再將這些信息特征相互融合與知識(shí)庫(kù)中專家知識(shí)經(jīng)驗(yàn)相結(jié)合，建立判別 模型對(duì)茶葉的品質(zhì)進(jìn)行綜合評(píng)判。
本發(fā)明的目的是通過以下方法實(shí)現(xiàn)的
一種基于近紅外光譜和機(jī)器視覺信息融合技術(shù)的茶葉品質(zhì)無損檢測(cè)方法，是
(1) 首先建立知識(shí)庫(kù)
對(duì)所需測(cè)定的茶葉樣本，根據(jù)茶葉品質(zhì)檢測(cè)的標(biāo)準(zhǔn)，先對(duì)其中一部分樣品進(jìn)行感官評(píng)定， 并對(duì)它們進(jìn)行常規(guī)的理化分析，建立與茶葉品質(zhì)質(zhì)量相關(guān)的數(shù)據(jù)庫(kù)；利用近紅外光譜儀和 CCD攝像頭同時(shí)獲取這些樣品的光譜和圖像信息數(shù)據(jù)，經(jīng)數(shù)據(jù)采集卡傳入計(jì)算機(jī)；計(jì)算機(jī) 模擬人的大腦對(duì)能圖像信息和光譜信息進(jìn)行處理、融合，并與前面建立的數(shù)據(jù)庫(kù)聯(lián)系起來進(jìn) 行模式識(shí)別處理，從而在計(jì)算機(jī)中形成能夠決定被測(cè)茶葉樣本品質(zhì)質(zhì)量的優(yōu)劣、等級(jí)及合格 與否的不同規(guī)格質(zhì)量的知識(shí)庫(kù)；
(2) 然后進(jìn)行樣本測(cè)試
① 在穩(wěn)定的條件下對(duì)待測(cè)茶葉樣本進(jìn)行光譜和圖像信息數(shù)據(jù)的采集，分別將信息送至計(jì) 算機(jī)；
② 將系統(tǒng)采集得到的數(shù)據(jù)進(jìn)行預(yù)處理后，分別提取能表達(dá)茶葉外部品質(zhì)的圖像特征和能 表達(dá)茶葉內(nèi)部品質(zhì)的光譜特征；
③ 計(jì)算機(jī)對(duì)所提取的特征信號(hào)進(jìn)行融合和模式識(shí)別處理，給出被測(cè)茶葉樣本品質(zhì)的優(yōu) 劣、等級(jí)及合格與否的識(shí)別結(jié)果；識(shí)別結(jié)果通過計(jì)算機(jī)顯示出來，本輪測(cè)試結(jié)束。
所述的光譜和圖像信息數(shù)據(jù)采集，具體是將待測(cè)茶葉樣本稱取10克左右，均勻地平鋪 在規(guī)格為OIO xl cm的樣品池中，然后將其置于光源像內(nèi)；CCD在上方進(jìn)行茶葉樣本的圖 像數(shù)據(jù)采集；近紅外光譜儀通過Y型光纖與漫反射式密閉光箱相連接，基于漫反射的近紅 外光譜信號(hào)通過Y型光纖進(jìn)入近紅外光譜儀；采集得到的圖像和光譜信息分別通過各自數(shù) 據(jù)采集卡傳輸至計(jì)算機(jī)。
所述的原始數(shù)據(jù)預(yù)處理和特征提取，是在5155cm"以及6944cm"附近，有兩個(gè)水分的吸 收峰。為了減少水分的影響，選擇6500-5300 cm—1范圍內(nèi)的光譜數(shù)據(jù)進(jìn)行分析；為了消除茶葉樣 本粒徑的大小和均勻度不一致的影響，采用標(biāo)準(zhǔn)正態(tài)變量變換(SNV)方法對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理；CCD采集得到的原始數(shù)據(jù)是以RGB存放的數(shù)字圖像，首先找到原始圖像中心像素位置，以 該像素為中心，截取其周圍400x400的鄰域作為目標(biāo)圖像區(qū)域；光譜信息特征提取通過主成分 分析提取前幾個(gè)主成分得分向量作為光譜信息的特征變量，圖像信息的特征提取是對(duì)預(yù)處理后平 鋪茶葉圖像，在RGB空間分別提取三個(gè)顏色分量的均值和各自方差共6個(gè)變量來描述茶葉的色 澤特征，然后再提取描述茶葉的外部形狀特征的6個(gè)基于灰度統(tǒng)計(jì)矩的紋理變量(平均灰度級(jí)， 標(biāo)準(zhǔn)方差，平滑度，三階矩， 一致性，熵)。
所述的計(jì)算機(jī)對(duì)所提取的特征信號(hào)進(jìn)行融合和模式識(shí)別處理，就是將提取得到光譜信息 特征和圖像信息特征在特征層上進(jìn)行融合，然后再結(jié)合已經(jīng)建立的知識(shí)庫(kù)，通過模式識(shí)別的 方法給茶葉樣本一個(gè)綜合評(píng)價(jià)。
所述的基于近紅外光譜和機(jī)器視覺技術(shù)的茶葉品質(zhì)無損檢測(cè)裝置由三部分組成近紅 外光譜系統(tǒng)、機(jī)器視覺系統(tǒng)、信息融合和模式識(shí)別系統(tǒng)。其中，機(jī)器視覺系統(tǒng)由CCD攝像 頭、圖像采集卡、漫反射式密閉光箱和光源組成，CCD攝像頭和光源被固定在漫反射式密 閉光箱內(nèi)部，圖像采集卡固定在計(jì)算機(jī)內(nèi)部；近紅外光譜系統(tǒng)是由近紅外光譜儀、Y型光纖 和光譜采集卡等組成，Y型光纖是將近紅外光譜儀與漫反射式密閉光箱中的樣品池連接，光 譜采集卡固定在計(jì)算機(jī)內(nèi)部。工作時(shí)，光源發(fā)出的光在漫反射式密閉光箱中形成漫反射后均 勻地照射在茶葉樣本上，CCD攝像頭拍攝茶葉圖像時(shí)，通過RS232調(diào)節(jié)CCD攝像頭的景 深和焦距，采集得到的圖像信息數(shù)據(jù)通過圖像釆集卡傳輸?shù)接?jì)算機(jī)；近紅外光譜儀中鹵素?zé)?發(fā)出的光經(jīng)光纖照射到茶葉樣本上，在茶葉內(nèi)部形成漫反射，漫反射出來光經(jīng)Y型光纖進(jìn) 入近紅外光譜儀進(jìn)行近紅外光譜分析，得到的近紅外光譜信號(hào)通過光譜采集卡傳輸?shù)接?jì)算 機(jī)。計(jì)算機(jī)模擬人的大腦對(duì)近紅外光譜數(shù)據(jù)和圖像數(shù)據(jù)進(jìn)行融合和模式識(shí)別處理，最后由計(jì) 算機(jī)決定被測(cè)樣品的優(yōu)劣、等級(jí)及合格與否的質(zhì)量規(guī)格。
本發(fā)明的有益效果是
基于近紅外光譜和機(jī)器視覺融合技術(shù)的茶葉品質(zhì)無損檢測(cè)方法模仿人的信息處理功 能，將光譜信息和圖像信息融合起來，利用高精度實(shí)時(shí)模式分類系統(tǒng)來處理光譜和圖像數(shù)據(jù)， 并與經(jīng)學(xué)習(xí)建立的數(shù)據(jù)庫(kù)中的信息加以比較、判別，對(duì)茶葉樣品的質(zhì)量進(jìn)行綜合檢測(cè)。
本發(fā)明與人的感觀檢測(cè)相比，結(jié)果更客觀公正；與常規(guī)化學(xué)分析方法相比，檢測(cè)速度 快、操作簡(jiǎn)便方便；與單一的近紅外光譜或機(jī)器視覺檢測(cè)技術(shù)相比，得到的信息更全面，檢 測(cè)結(jié)果的精確性和穩(wěn)定性都有所提高。
本發(fā)明引入信息科學(xué)領(lǐng)喊中的高新技術(shù)——融合技術(shù)，將近紅外光譜和機(jī)器視覺融合起 來對(duì)茶葉品質(zhì)進(jìn)行較為全面的無損檢測(cè)，將基于多信息融合思想用于茶葉品質(zhì)快速檢測(cè)與自 動(dòng)分級(jí)過程中，既可以解放勞動(dòng)力，排除人的主觀因素干擾，該發(fā)明可以應(yīng)用于茶葉產(chǎn)品的 加工、貯藏和運(yùn)輸過程。


圖l:本發(fā)明的方法流程示意圖。 圖2:本發(fā)明的裝置示意圖
其中，1、樣品池；2、漫反射式密閉光箱；3、光源；4、 CCD檢測(cè)器；5、 RS232; 6、 圖像采集卡；7、光譜采集卡；8、近紅外光譜儀；9、 Y型光纖；10、計(jì)算機(jī)。
具體實(shí)施例方式
本發(fā)明對(duì)茶葉品質(zhì)的無損檢測(cè)具有通用性，但由于茶葉種類很多，因此本發(fā)明只舉一 個(gè)用于炒青綠茶品質(zhì)等級(jí)檢測(cè)的實(shí)施實(shí)例，其它茶葉的檢測(cè)可參照該實(shí)施實(shí)例的方法，具體 針對(duì)所測(cè)茶葉樣本的品質(zhì)指標(biāo)指標(biāo)，建立一個(gè)新的判別模型，就可以對(duì)茶葉樣本的品質(zhì)等級(jí) 進(jìn)行測(cè)試了。
實(shí)施實(shí)例步驟參閱圖l，實(shí)例實(shí)現(xiàn)裝置參閱圖2。先挑選一批茶葉樣本(一般每個(gè)等級(jí) 大于50個(gè)樣本)用來建立模型，用基于近紅外光譜和機(jī)器視覺技術(shù)的檢測(cè)裝置對(duì)茶葉樣本 進(jìn)行光譜和圖像采集掃描，把采集得到的數(shù)據(jù)傳輸?shù)接?jì)算機(jī)中。炒青綠茶綜合品質(zhì)等級(jí)通過 專業(yè)的感官評(píng)審人員感官評(píng)定和理化分析的結(jié)果來確定，感官評(píng)定和理化分析的過程嚴(yán)格按 照國(guó)家標(biāo)準(zhǔn)指定的各項(xiàng)指標(biāo)執(zhí)行。然后將這些樣本作為標(biāo)準(zhǔn)樣本建立一個(gè)標(biāo)準(zhǔn)庫(kù)，將這些樣 本的規(guī)格等級(jí)與無損檢測(cè)得到的光譜和圖像信息特征相關(guān)聯(lián)，建立一個(gè)評(píng)判模型。
接下來就可以對(duì)未知炒青綠茶的品質(zhì)等級(jí)進(jìn)行測(cè)定。每次稱取10g左右的炒青綠茶均 勻地平鋪在樣品池(玻璃容器)1中，然后將其置入密閉的漫反射式密閉光箱2中進(jìn)行原始 數(shù)據(jù)采集；工作時(shí)，光源3發(fā)出的光在漫反射式密閉光箱2中形成漫反射后均勻地照射在茶 葉樣本上，通過RS232 5調(diào)節(jié)CCD攝像頭4的景深和焦距，CCD攝像頭4拍攝得到茶葉 的圖像信息數(shù)據(jù)通過圖像采集卡6傳輸?shù)接?jì)算機(jī)]0;近紅外光譜儀8中鹵素?zé)舭l(fā)出的光經(jīng) 光纖照射到茶葉樣本上，在茶葉內(nèi)部形成漫反射，漫反射出來的光經(jīng)Y型光纖9進(jìn)入近紅 外光譜儀8，得到的近紅外光譜信號(hào)通過光譜釆集卡7傳輸?shù)接?jì)算機(jī)10。在計(jì)算機(jī)內(nèi)完成光 譜和圖像信息數(shù)據(jù)預(yù)處理、特征提取和信息融合，經(jīng)過標(biāo)準(zhǔn)庫(kù)中相應(yīng)的評(píng)判模型給出炒青綠 茶品質(zhì)等級(jí)的測(cè)定，結(jié)果在計(jì)算機(jī)界面上顯示。至此該炒青綠茶品質(zhì)等級(jí)測(cè)試結(jié)束。
權(quán)利要求
1. 一種基于近紅外光譜和機(jī)器視覺技術(shù)的茶葉品質(zhì)無損檢測(cè)方法，其特征是首先建立知識(shí)庫(kù)對(duì)所需測(cè)定的茶葉樣本，根據(jù)茶葉品質(zhì)檢測(cè)的標(biāo)準(zhǔn)，先對(duì)其中一部分樣品進(jìn)行感官評(píng)定，并對(duì)它們進(jìn)行常規(guī)的理化分析，建立與茶葉品質(zhì)質(zhì)量相關(guān)的數(shù)據(jù)庫(kù)；利用近紅外光譜儀和CCD攝像頭同時(shí)獲取這些樣品的光譜和圖像信息數(shù)據(jù)，經(jīng)數(shù)據(jù)采集卡傳入計(jì)算機(jī)；計(jì)算機(jī)模擬人的大腦對(duì)圖像信息和光譜信息進(jìn)行處理、融合，并與前面建立的數(shù)據(jù)庫(kù)聯(lián)系起來進(jìn)行模式識(shí)別處理，從而在計(jì)算機(jī)中形成能夠決定被測(cè)茶葉樣本品質(zhì)質(zhì)量的優(yōu)劣、等級(jí)及合格與否的不同規(guī)格質(zhì)量的知識(shí)庫(kù)；然后進(jìn)行樣本測(cè)試①在穩(wěn)定的條件下對(duì)待測(cè)茶葉樣本進(jìn)行光譜和圖像信息數(shù)據(jù)的采集，分別將信息送至計(jì)算機(jī)；②將系統(tǒng)采集得到的數(shù)據(jù)進(jìn)行預(yù)處理后，分別提取能表達(dá)茶葉外部品質(zhì)的圖像特征和能表達(dá)茶葉內(nèi)部品質(zhì)的光譜特征；③計(jì)算機(jī)對(duì)所提取的特征信號(hào)進(jìn)行融合和模式識(shí)別處理，給出被測(cè)茶葉樣本品質(zhì)的優(yōu)劣、等級(jí)及合格與否的識(shí)別結(jié)果；識(shí)別結(jié)果通過計(jì)算機(jī)顯示出來，本輪測(cè)試結(jié)束。
2. 根據(jù)權(quán)利要求1所述的基于近紅外光譜和機(jī)器視覺技術(shù)的茶葉綜合品質(zhì)無損檢測(cè)方 法，其特征在于，步驟①中所述的光譜和圖像信息數(shù)據(jù)的采集；是將待測(cè)茶葉樣本稱取10 克左右，均勻地平鋪在玻璃容器中，然后將其置于光源箱內(nèi)；CCD在上方進(jìn)行茶葉樣本的 圖像數(shù)據(jù)采集；近紅外光譜儀通過Y型光纖與漫反射式密閉光箱相連接，基于漫反射的近 紅外光譜信號(hào)通過Y型光纖進(jìn)入近紅外光譜儀；采集得到的圖像和光譜信息分別通過各自 數(shù)據(jù)采集卡傳輸至計(jì)算機(jī)。
3. 根據(jù)權(quán)利要求1所述的基于近紅外光譜和機(jī)器視覺技術(shù)的茶葉綜合品質(zhì)無損檢測(cè)方 法，其特征在于，步驟②原始數(shù)據(jù)的預(yù)處理和特征信息的提??；是選擇6500-5300 cm"范圍 內(nèi)的光譜數(shù)據(jù)進(jìn)行分析；采用標(biāo)準(zhǔn)正態(tài)變量變換方法對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理；CCD釆集得到的 原始原始數(shù)據(jù)是以RGB存放的數(shù)字圖像，首先找到原始圖像中心像素位置，以該像素為中心， 截取其周圍400M00的鄰域作為目標(biāo)圖像區(qū)域；光譜信息特征提取通過主成分分析提取前幾個(gè) 主成分得分向量作為光譜信息的特征變量，圖像信息的特征提取是對(duì)預(yù)處理后平鋪茶葉圖像，在 RGB空間分別提取三個(gè)顏色分量的均值和各自方差共6個(gè)變量來描述茶葉的色澤特征，然后再 提取描述茶葉的外部形狀特征的平均灰度級(jí)，標(biāo)準(zhǔn)方差，平滑度，三階矩， 一致性和熵6個(gè)基于 灰度統(tǒng)計(jì)矩的紋理變量。
4. 根據(jù)權(quán)利要求1所述的基于近紅外光譜和機(jī)器視覺技術(shù)的茶葉綜合品質(zhì)無損檢測(cè)方 法，其特征在于，步驟③所說的計(jì)算機(jī)對(duì)所提取的特征信號(hào)進(jìn)行融合和模式識(shí)別處理，就是 將提取得到光譜信息特征和圖像信息特征在特征層上進(jìn)行融合，然后再結(jié)合已經(jīng)建立的知識(shí)庫(kù)，通過模式識(shí)別的方法對(duì)茶葉樣本一個(gè)綜合評(píng)價(jià)。
5. —種實(shí)現(xiàn)權(quán)利要求1所述的基于近紅外光譜和機(jī)器視覺技術(shù)的茶葉品質(zhì)無損檢測(cè)方 法的裝置，其特征在于，該裝置由近紅外光譜系統(tǒng)、機(jī)器視覺系統(tǒng)和信息融合和模式識(shí)別系 統(tǒng)組成；其中，機(jī)器視覺系統(tǒng)由CCD攝像頭(4)、圖像采集卡(6)、漫反射式密閉光箱(2) 和光源(3)組成，CCD攝像頭(4)和光源(3)被固定在漫反射式密閉光箱內(nèi)部，圖像采 集卡(6)固定在計(jì)算機(jī)(10)內(nèi)部；近紅外光譜系統(tǒng)包括近紅外光譜儀(8)、 Y型光纖(9) 和光譜采集卡(7), Y型光纖(9)是將近紅外光譜儀(8)與漫反射式密閉光箱中的樣品池(1)連接，光譜采集卡(7)固定在計(jì)算機(jī)內(nèi)部；信號(hào)融合與模式識(shí)別系統(tǒng)是用于原始圖像 信息和光譜信息的與處理，特征提取，特征層融合以及模式識(shí)別處理；工作時(shí)，光源(3) 發(fā)出的光在漫反射式密閉光箱(2)中形成漫反射后均勻地照射在茶葉樣本上，CCD攝像頭(4)拍攝茶葉圖像時(shí)，通過RS232 (5)調(diào)節(jié)CCD攝像頭(4)的景深和焦距，采集得到的 圖像信息數(shù)據(jù)通過圖像采集卡(6)傳輸?shù)接?jì)算機(jī)(10);近紅外光譜儀中鹵素?zé)舭l(fā)出的光經(jīng) 光纖照射到茶葉樣本上，在茶葉內(nèi)部形成漫反射，漫反射出來光經(jīng)Y型光纖(9)進(jìn)入近紅 外光譜儀進(jìn)行近紅外光譜分析，得到的近紅外光譜信號(hào)通過光譜采集卡傳輸?shù)接?jì)算機(jī)(10); 計(jì)算機(jī)內(nèi)信號(hào)融合與模式識(shí)別系統(tǒng)模擬人的大腦對(duì)近紅外光譜數(shù)據(jù)和圖像數(shù)據(jù)進(jìn)行融合和 模式識(shí)別處理，最后由計(jì)算機(jī)決定被測(cè)樣品的優(yōu)劣、等級(jí)及合格與否的質(zhì)量規(guī)格。
全文摘要
本發(fā)明涉及一種基于近紅外光譜和機(jī)器視覺技術(shù)的茶葉品質(zhì)無損檢測(cè)方法及其裝置。所述檢測(cè)方法是，同時(shí)對(duì)茶葉進(jìn)行光譜和圖像采集，得到的原始數(shù)據(jù)經(jīng)過預(yù)處理、特征提取和融合，再結(jié)合專家評(píng)審結(jié)果建立茶葉的品質(zhì)等級(jí)評(píng)判模型，以快速無損地檢測(cè)茶葉的內(nèi)外綜合品質(zhì)。其檢測(cè)裝置包括光譜采集裝置、圖像采集裝置和計(jì)算機(jī)；其中，光譜和圖像采集裝置完成茶葉樣本的信號(hào)采集，然后傳輸?shù)接?jì)算機(jī)；計(jì)算機(jī)完成特征信息的提取和融合，再代入預(yù)先建立的模型，判別茶葉的品質(zhì)的最終結(jié)果。本發(fā)明將基于兩技術(shù)融合的無損檢測(cè)手段應(yīng)用于茶葉綜合品質(zhì)的檢測(cè)過程中，具有檢測(cè)精度高、結(jié)果一致性好和自動(dòng)化程度強(qiáng)等優(yōu)點(diǎn)，為茶葉品質(zhì)標(biāo)準(zhǔn)化分級(jí)創(chuàng)造條件。
文檔編號(hào)G01N21/84GK101419166SQ20081023622
公開日2009年4月29日 申請(qǐng)日期2008年11月18日 優(yōu)先權(quán)日2008年11月18日
發(fā)明者蔡健榮, 趙杰文, 鄒小波, 陳全勝, 黃新奕 申請(qǐng)人:江蘇大學(xué)