下载文档原格式
计算机图像处理技术在茶叶品质区分中的应用*胡 波（漳州科技职业学院，福建 漳州 363000）摘 要：随着社会主义市场经济体制的建立和发展，企业对于茶叶产品的品质越来越重视。
只有不断提高茶叶产品的品质，才能在激烈的市场竞争中立于不败之地。
在茶叶品质区分中运用计算机图像处理技术，能帮助企业树立良好的形象。
文章探讨了计算机图像处理技术的基本内容及发展前景，并对计算机图像处理技术在茶叶品质区分中的应用进行了分析。
关键词：计算机图像处理技术；茶叶；品质中图分类号：TS272.7 文献标志码：A 文章编号：1672-3872（2019）08-0007-02——————————————基金项目： 福建省精品在线开放课程《茶叶加工技术》作者简介： 胡波（1983—），男，辽宁辽阳人，硕士，讲师，研究方向：茶叶加工。
我国是茶的故乡，我国的茶文化距今已经有将近五千年的历史。
直到如今，我国的很多地方还保持着饮茶的习俗。
我国同时还是制茶、产茶的大国，不仅包含着物质文化层面，还包含着深厚的精神文明层面。
茶叶质量的好坏直接影响着我国茶叶文化的传承发展[1]。
1 计算机图像处理技术的基本内容以及发展前景1.1 基本内容计算机图像处理技术主要是指在图像处理的系统和过程中，将计算机技术运用到其中，进而形成一种新的计算机图像处理技术。
计算机图像处理技术在社会生产生活等各个领域都有着广泛的应用，不仅能够提高社会生产效率，还为人们的生活带来了更大的便利。
计算机图像处理技术最早应用术相互结合，能够为人们的生活、学习和工作带来更多的方便。
随着社会经济的高速发展，互联网信息技术也在快速发展和广泛普及，人们生活质量水平的不断提升，许多健康、养生、绿色生态问题逐渐受到了人们的关注。
而茶文化作为我国传统优秀文化之一，具有着非常深远的价值和丰富的精神内涵。
茶文化是通过历史不断积累而形成的，然后通过不断传承而发扬光大。
要将茶叶产品价值充分挖掘展现出来，就需要对茶叶产品的价值、内涵、质量进行充分挖掘[2]。
《基于计算机视觉的茶叶嫩芽识别方法研究》一、引言随着人工智能技术的不断发展，计算机视觉技术在农业、林业、畜牧业等领域的应用越来越广泛。
茶叶作为我国重要的经济作物之一，其品质的优劣直接影响着茶农的收入和茶企的竞争力。
茶叶嫩芽是决定茶叶品质的重要因素之一，因此，如何准确、快速地识别茶叶嫩芽成为了一个亟待解决的问题。
本文将介绍一种基于计算机视觉的茶叶嫩芽识别方法，以期为茶叶产业提供一种新的解决方案。
二、研究背景与意义随着信息技术的飞速发展，计算机视觉技术在植物生长监测、农产品质量检测等领域的应用越来越广泛。
茶叶嫩芽的识别是茶叶生产过程中的重要环节，传统的识别方法主要依靠人工观察和经验判断，不仅效率低下，而且易受人为因素的影响，难以保证识别的准确性和一致性。
因此，研究一种基于计算机视觉的茶叶嫩芽识别方法，具有重要的理论和实践意义。
该方法不仅可以提高茶叶嫩芽识别的准确性和效率，还可以为茶叶生产的自动化、智能化提供技术支持。
三、研究方法与技术路线本研究采用计算机视觉技术，结合图像处理和机器学习算法，实现茶叶嫩芽的自动识别。
技术路线主要包括以下几个步骤：1. 图像采集：使用高清摄像头对茶叶嫩芽进行图像采集，确保图像清晰、准确。
2. 图像预处理：对采集的图像进行灰度化、去噪、二值化等预处理操作，以便后续的图像分析和处理。
3. 特征提取：利用图像处理技术，提取茶叶嫩芽的形状、颜色、纹理等特征。
4. 机器学习算法：采用支持向量机（SVM）、神经网络等机器学习算法，对提取的特征进行训练和分类，建立茶叶嫩芽识别模型。
5. 模型测试与优化：对建立的模型进行测试和优化，提高识别的准确性和效率。
四、实验结果与分析本实验选取了不同品种、不同生长阶段的茶叶嫩芽作为研究对象，对基于计算机视觉的茶叶嫩芽识别方法进行了实验验证。
实验结果表明，该方法可以有效地提取茶叶嫩芽的特征，建立准确的识别模型，实现茶叶嫩芽的自动识别。
与传统的人工观察和经验判断相比，该方法具有更高的准确性和效率。
计算机视觉技术在农产品品质检测中的应用计算机视觉技术是一种利用摄像机和计算机对图像进行采集、处理、分析识别的技术。
在农产品品质检测中，计算机视觉技术主要包括图像采集、预处理、特征提取、分类识别等步骤。
首先是图像采集，该步骤通过摄像机对农产品进行图像的采集，获取农产品的外观特征。
接着是图像的预处理，主要包括图像去噪、增强、边缘检测、分割等处理，以提高图像质量，为后续的特征提取和分类识别做好准备。
然后是特征提取，通过对农产品图像的分析和处理，提取出与农产品品质相关的特征信息，比如颜色、形状、大小、纹理等。
最后是分类识别，利用机器学习算法对提取出的特征进行分析和识别，判断农产品的品质是否符合要求。
1. 水果品质检测水果的品质主要包括外观、大小、形状、颜色、瑕疵等多个方面。
传统的水果品质检测需要人工逐个进行，效率低下且容易出现主观偏差。
而利用计算机视觉技术，可以对水果进行自动化检测，通过摄像头采集水果的图像，利用图像处理技术提取水果的特征信息，并利用机器学习算法对水果的品质进行自动分类，从而实现水果自动化品质检测。
3. 农产品质量分析除了单一的水果和蔬菜品质检测外，计算机视觉技术还可以应用于农产品的质量分析。
比如通过对农产品的表面图像进行采集和处理，可以分析农产品的成熟度、均匀度、瑕疵度等多个方面的质量，为农产品的分类、分级、包装等提供有效的数据支持。
1. 高效性利用计算机视觉技术进行农产品品质检测可以实现自动化和高效化，大大提高了检测的效率，节约了人力成本。
2. 准确性计算机视觉技术可以对农产品的图片进行精细化处理，提取出丰富的特征信息，并且利用机器学习算法进行分析和识别，实现了对农产品品质的准确判断，避免了传统人工检测的主观性偏差问题。
3. 灵活性计算机视觉技术可以根据不同的农产品、不同的质量要求进行定制化的应用，具有很好的灵活性和适应性。
4. 数据化利用计算机视觉技术进行农产品品质检测可以得到大量的数字化数据，为农产品生产和质量管理提供了丰富的数据支持。
计算机视觉技术在农产品品质检测中的应用农业是国民经济的支柱产业，农产品的品质检测是农业生产中不可或缺的环节。
传统的农产品品质检测方式需要大量的人力和时间，而且存在主观性和不可靠性。
近年来，随着计算机视觉技术的不断发展和成熟，越来越多的研究表明，计算机视觉技术在农产品品质检测中具有广阔应用前景和潜力。
本文针对计算机视觉技术在农产品品质检测中的应用进行探讨。
计算机视觉技术是一种基于数字图像的信号处理和分析技术，在农产品品质检测中的具体应用流程为：首先，采用传感设备、相机等工具将农产品拍摄或扫描成数字图像；然后，通过图像处理、特征提取、分类识别等算法将数字图像转化为数值或类别信息；最后，根据识别结果评估农产品品质。
1. 水果品质检测计算机视觉技术结合图像处理和机器学习算法，可以实现对水果外观和内部结构的检测，具有非常广泛的应用前景。
例如，某研究团队将计算机视觉技术应用于苹果表面缺陷检测中，通过图像处理技术对苹果外观进行分割、预处理和特征提取，并通过基于支持向量机（SVM）的分类器对不同表面缺陷进行识别和分类，具有高精度和较好的实时性。
计算机视觉技术在粮食品质检测中可以实现对粮食含水率、杂质含量、破损率等特征的检测，对提高粮食品质和保障粮食安全具有重要意义。
例如，某研究团队将计算机视觉技术应用于米粉品质检测中，通过图像处理技术对米粉质量进行分割、预处理和特征提取，并采用基于决策树的分类器对米粉中杂质和颜色等特征进行分类和识别，具有高精度和高效率的特点。
1. 精度高：通过计算机视觉技术的图像处理、特征提取、分类识别等算法，可以准确识别生产线上的农产品，并对不同产品的品质特征进行精确评估。
2. 实时性强：计算机视觉技术能够实现快速捕捉和处理图像，并在短时间内反馈农产品品质信息，节省了检测时间，提高了检测效率。
3. 自动化程度高：计算机视觉技术采用自动化检测方式，不需要人工操作，减少了人力和时间成本，并能够避免人为错误的出现。
计算机视觉技术在农产品质量检测中的应用计算机视觉技术在农业领域的应用正日益受到重视，其中之一就是农产品质量检测。
传统的农产品质量检测方法通常依赖于人工操作，存在不稳定、效率低下以及主观性强等问题。
而计算机视觉技术通过图像处理和分析，能够实现对农产品的自动化、高效率、客观性的检测，有助于提升农产品质量控制的水平。
一、计算机视觉技术在农产品质量检测中的原理计算机视觉技术主要依靠图像处理和分析算法来实现对农产品质量的检测。
首先，通过专用设备（如高分辨率相机）对农产品进行拍摄获取图像。
接下来，利用图像处理算法对图像进行预处理，包括去噪、增强对比度等，以提高图像质量。
然后，通过提取图像中的特征，如颜色、形状、纹理等，来描述农产品的特性。
最后，利用特定的分类算法或机器学习模型对特征进行分析和判别，以判断农产品是否符合质量要求。
二、1. 外观质量检测农产品的外观质量是消费者重视的一方面，计算机视觉技术可以通过图像处理和分析，对农产品的外观特征进行检测和评估。
例如，对水果的颜色、大小、形状进行分析，能够判断水果的成熟度和质量。
对蔬菜的表面缺陷、畸形进行检测，可以排除有病害或损伤的农产品，提高产品质量。
2. 内部品质检测农产品的内部品质是衡量其食用价值的重要指标，而计算机视觉技术可以通过透视图像或断面图像的分析，对农产品的内部品质进行评估。
例如，对粮食的杂质、虫蛀等进行检测，可以提高粮食的纯度和质量。
对蔬菜的贮藏部位进行断面图像分析，可以判断蔬菜是否存在腐烂或吸收过多水分。
3. 检测与分级农产品的大小、重量等指标是与质量直接相关的特征，计算机视觉技术可以通过分析图像中的对象大小、像素密度等特征来对农产品进行尺寸检测和分级。
例如，对水果进行尺寸检测，可以自动分选水果，提高生产效率和产品质量。
4. 植检与农药残留检测农产品的植检和农药残留检测是保证农产品质量和安全的重要环节，计算机视觉技术可以通过图像处理和分析，实现对农产品的植被与农药残留的检测。
《基于计算机视觉的茶叶嫩芽识别方法研究》一、引言随着计算机视觉技术的不断发展，其在农业、林业、畜牧业等众多领域得到了广泛应用。
在茶叶产业中，计算机视觉技术对于茶叶品质的判断与评估具有重要意义。
尤其是对茶叶嫩芽的识别，不仅能够提高茶叶的采摘效率，还可以确保茶叶的采摘品质，从而为茶农带来更大的经济效益。
因此，基于计算机视觉的茶叶嫩芽识别方法研究具有重要的实践意义。
二、计算机视觉技术概述计算机视觉技术是通过图像处理、模式识别和人工智能等技术，模拟人类的视觉系统对图像进行分析和识别。
在茶叶嫩芽识别中，计算机视觉技术主要利用图像处理算法和机器学习算法，对茶叶嫩芽的图像进行特征提取和分类识别。
三、茶叶嫩芽识别方法研究（一）图像获取与预处理首先，通过高清摄像头获取茶叶嫩芽的图像。
然后，对图像进行预处理，包括去噪、增强、二值化等操作，以便于后续的特征提取和识别。
（二）特征提取特征提取是茶叶嫩芽识别的关键步骤。
通过计算机视觉技术，可以提取出茶叶嫩芽的形状、颜色、纹理等特征。
其中，形状特征可以通过边缘检测、轮廓提取等方法获取；颜色特征可以通过颜色直方图、颜色矩等方法获取；纹理特征可以通过灰度共生矩阵、自相关函数等方法获取。
（三）机器学习与模式识别在特征提取的基础上，利用机器学习算法进行模式识别。
常见的机器学习算法包括支持向量机（SVM）、决策树、神经网络等。
通过训练样本的学习，建立茶叶嫩芽的识别模型，实现对茶叶嫩芽的自动识别。
四、实验与分析为了验证基于计算机视觉的茶叶嫩芽识别方法的有效性，我们进行了实验分析。
首先，采集了大量不同品种、不同生长阶段的茶叶嫩芽图像作为实验数据。
然后，通过计算机视觉技术和机器学习算法，对实验数据进行处理和分析。
实验结果表明，该方法能够有效地提取出茶叶嫩芽的特征，并实现高精度的识别。
五、结论与展望基于计算机视觉的茶叶嫩芽识别方法研究具有重要的实践意义。
通过图像处理和机器学习等技术，可以实现对茶叶嫩芽的高效、准确识别。
基于机器视觉的茶叶品质数字化评估方法研究发布时间：2023-02-20T07:32:45.173Z 来源：《新型城镇化》2022年24期作者：魏东[导读] 机器视觉技术是用机器模拟人的视觉功能，将目标转换成图像数据，并利用图像处理系统进行信息提取，应用于物体识别、检测和控制的数字化技术。
四川移动雅安分公司四川雅安 625000摘要：机器视觉技术是用机器模拟人的视觉功能，将目标转换成图像数据，并利用图像处理系统进行信息提取，应用于物体识别、检测和控制的数字化技术。
本文从当前鲜叶和成品茶叶品质评估的基本方法和要素研究入手，提出利用多个摄像机采集多视角的茶叶图像，并进行二维、三维单片茶叶重建，从而实现茶叶单体物理参数的量化，进而构建品质因子的计算数学模型，实现茶叶品质评估的数字化。
通过进一步构建BP神经网络，对计算过程进行优化迭代，提升品质评估的精度和算法的适应性。
数字化的茶叶品质评估方法，有效地减少了茶叶人工品质评审过程中的外界干扰及主观意识的影响，形成品质评定的量化体系，提升了茶叶品质评估的科学性。
关键词：机器视觉，图像分割，图像重建，数学模型，BP神经网络我国是世界上最早发现并利用茶树的国家。
两千多年前，四川、云南一带已经人工栽培茶树，而后又推广到其他地区，主要是秦岭和淮河以南的丘陵地带。
中国制茶历史悠久，自发现野生茶树，从生煮羹饮，到饼茶、散茶，从绿茶到各种茶类，从手工制茶到机械化制茶，期间经历了复杂的变革。
各种茶类的品质特征形成，除了茶树品种和鲜叶原料的影响外，加工条件和加工工艺也是重要的决定因素。
茶叶品质的好坏、等级的划分、价值的高低，主要依据国家标准《GB/T23776一2018茶叶感官评审方法》及中国茶叶学会制定的《中国茶叶学会茶叶品质评价办法》，对每个茶样的外形、汤色、香气、滋味、叶底进行五因子审评。
当前的茶叶评审过程，主要由专业的评茶师根据眼观其颜色、口尝其汤感、鼻闻其香气、手摸其茶形等来综合性评价，评审过程依赖于评茶师的主观感受，缺乏统一量化的科学标准。
计算机图像处理技术在茶领域中的运用摘要：随着计算机技术的不断发展，当今技术人员可以利用计算机技术在农业领域大施拳脚。
近年来，计算机视觉图像处理技术的不断完善可以帮助农业进行多种鉴别、鉴定工作。
茶叶在审评、加工、栽培方面主要通过自身的色泽来进行甄别和判断，这就给计算机视觉图像处理技术在茶叶领域中的运用提供了技术上的支撑和可行性。
利用计算机视觉图像处理技术对茶叶进行审评和甄别可以达到远高于传统人工的效率和结果。
关键词：计算机视觉图像处理技术；茶领域；运用1计算机视觉图像处理技术概述随着计算机技术的飞速发展，计算机作为重要的生产工具应用到了工农业生产的各个领域。
随着各种成像原件、成像技术的发展，当前的计算机图像处理技术已经具备了高精度、高色差地分析物体之间细微的差异和变化的能力。
通过对物体细微差异在图像上的分析使得技术人员可以通过计算机视觉图像处理技术进行高效的形状判定。
计算机视觉处理系统由图像输入、处理、存储、输出各部分组成，主要通过ccD（chargedcoupledDevice，电荷耦合器件）传感器拍摄获取所检测物的具体图像信号，并通过模数转换的形式将图像信号转换为数字型号。
通过计算机硬件与软件对图像数字信号进行处理、转换，对数字信号中的关键信息进行提取与分析，得出全面的对于目标信号的图像特征值，进而实现对检测物的甄别、监控和判定。
与传统的人工视觉甄别相比，计算机视觉图像处理技术具有精准、快速、相关性状可量化等特点。
2计算机视觉图像处理技术在茶领域的应用现状由于外观特征是茶叶在培育、加工、评审方面需要评判的重要依据，而外观特征在人工肉眼判断方面又缺乏一个量化的定性标准，所以计算机视觉图像处理技术在茶领域的运用就成为了一种快捷有效的方法。
2.1计算机视觉图像处理技术在茶叶培育方面的具体应用在培育阶段，计算机视觉图像技术可以有效地对茶叶的叶面积进行测量。
通过photoshop软件和相关算法程序，技术人员可以通过取相、对比、分析等一系列过程来对茶叶的具体叶面积进行全面的分析和判定。
计算机视觉技术在农产品品质检测中的应用随着农业生产的发展和技术的进步，人们对农产品品质的要求越来越高。
传统的农产品品质检测方法通常需要依赖人工操作，存在人为主观因素的干扰，且效率低下。
而计算机视觉技术在农产品品质检测中的应用，能够有效解决这些问题，提高农产品品质检测的准确性和效率。
计算机视觉技术是指计算机通过图像采集、处理和分析等技术来模拟和提取人类视觉信息，从而实现对物体形状、颜色、纹理等特征的获取和识别。
在农产品品质检测中，计算机视觉技术可以通过自动化、高速和非接触的方式对农产品的大小、形状、颜色、纹理、缺陷等进行精准的分析和评价。
农产品的大小、形状等特征是农产品品质的重要指标。
传统的方法通常需要人工测量或者使用专用的测量仪器，耗时费力且准确性有限。
而计算机视觉技术可以通过图像处理和分析，快速准确地获取农产品的大小和形状信息。
利用计算机视觉技术，可以对水果的大小进行测量，检测出果实的直径、周长等指标，从而可以判断出果实的等级和质量。
农产品的颜色和纹理是评估农产品品质的重要指标之一。
通过计算机视觉技术，可以对农产品的颜色和纹理特征进行全面、快速的分析。
利用计算机视觉技术，可以对水果的颜色进行检测和分析，通过色彩模型来判断水果的成熟度和存储期限。
通过纹理特征的提取和分析，可以评估水果的口感和质地，从而判断出水果的新鲜程度。
农产品的缺陷和病虫害是影响农产品品质的重要因素。
传统的方法通常需要人工观察和判断，准确性和效率有限。
而计算机视觉技术可以通过图像处理和分析，快速准确地检测和识别农产品的缺陷和病虫害。
利用计算机视觉技术，可以对蔬菜的外观进行检测，识别出腐烂、破损等缺陷，从而可以及时进行处理和分类。
通过图像处理和分析，可以对农作物的病虫害进行自动化监测和预警，提早发现并采取措施防止病虫害的传播。
计算机视觉技术在农产品品质检测中具有广阔的应用前景。
它可以提高农产品品质检测的准确性和效率，减少人工操作，降低成本。
计算机视觉分级技术在茶叶品质检验中的应用胡志明【摘要】茶叶是现今我们最为常见的饮料,具有保健的作用,深爱大家的喜爱.其茶叶品质的判定主要通过人类的感官器官对其色、香、味、形等等的观察,由于每个人受外界的影响所喜爱的茶叶及经验不同,在对茶叶审评时其结果也将会有所不同.随着计算机技术的不断提高,计算机技术的应用领域也越来越广泛,计算机视觉技术也有很大的提升.在计算机视觉基础上,运用图像处理技术分析出茶叶外形对茶叶品质的影响,以及通过彩色图像处理技术检测出不同加工工艺下的茶叶品质.通过这些研究发现,计算机视觉分级技术对于茶叶品质检测有着很好的作用.【期刊名称】《福建茶叶》【年(卷),期】2016(038)005【总页数】2页(P22-23)【关键词】计算机视觉;茶叶;品质检验;神经网络【作者】胡志明【作者单位】宁波职业技术学院,浙江宁波315800【正文语种】中文茶已成为人们生活中不可或缺的一部分，我国作为一个礼仪之邦，敬茶也是我们的传统美德。
其茶叶也有好坏之分，在商品经济体制下需划分出茶叶优劣等级，以区别于它们之间的价值，这都需要我们感官器官进行鉴别。
在对茶叶进行检验时我们一般通过视觉感官来判定其品质的好坏，但我们的感觉器官有可能受外界环境的影响辨别上出现一定的偏差，不能够保证茶叶品质的准确性，也不能为我们鉴别茶叶提供可靠的依据。
为避免这些偏差的发生，可通过仪器来检测茶叶的品质减少那些冲突的发生。
随之计算机领域不断的扩大，计算机应用技术进一步的提高，在农业中应用也越来越广泛。
现阶段通过计算机对茶叶品质的检验主要通过感官分析为主，计算机视觉技术对茶叶检验的品质带来了帮助，让其检验结果的准确性有所提高。
计算机视觉技术领域在20世纪70年代后期有很大的提升，对图像数据的处理技术也有很大的改善，通常应用于医学图像的处理、工农制造业的质量控制与测量、车辆视觉导航、军事等各个领域。
现今计算机视觉技术对茶叶的检验主要是在加工和存储过程中对其色译的研究，通过茶叶的色形外在特征，运用计算机视觉技术对茶叶品质检验的分级研究比较少。
2019，41（3）：601-609DOI ：10.13836/j.jjau.2019070江西农业大学学报Acta Agriculturae Universitatis Jiangxiensishttp ://胡潇，熊爱华，黄俊仕，等.计算机视觉结合引导滤波方法快速量化茶叶叶底品质［J ］.江西农业大学学报，2019，41（3）：601-609.计算机视觉结合引导滤波方法快速量化茶叶叶底品质胡潇1，熊爱华2，黄俊仕2，吴瑞梅2，文建萍2，童阳1，刘鹏2，艾施荣1，2*（1.江西农业大学计算机与信息工程学院，江西南昌330045；2.江西农业大学工学院，江西南昌330045）摘要：针对茶叶品质感官审评存在的缺陷，基于茶评师审评结果，采用计算机视觉技术快速评价茶叶叶底感官品质。
以碧螺春茶为研究对象，采用引导滤波方法去除茶叶叶底图像的镜面反射等噪声信息，提取图像的颜色和纹理特征，利用连续投影算法（SPA ）优选特征变量，建立茶叶叶底感官品质的SVM 量化分析模型，并与PLS 模型性能比较。
结果表明，引导滤波方法能很好地去除叶底图像的镜面反射及边缘模糊等噪音信息；优选的9个特征变量与感官审评标准中叶底品质感官审评术语描述相一致；所建SVM 模型性能好于PLS ，模型对预测集的R P 为0.92，RMSEP 为2.159，RPD 为2.537，RSD 为2.528%。
研究表明，采用计算机视觉技术能量化分析茶叶叶底感官品质，但分析精度有待进一步提高，为茶叶感官品质的仪器化表征提供了研究基础。
关键词：引导滤波；计算机视觉；茶叶叶底品质；感官审评；SVM中图分类号：S126文献标志码：A 文章编号：1000-2286（2019）03-0601-09Fast Quantitative Analysis of Quality of Infused Tea Leaves byComputer Vision Combined with Guided Filtering MethodHU Xiao 1，XIONG Ai -hua 2，HUANG Jun -shi 2，WU Rui -mei 2，WEN Jian -ping 2，TONG Yang 1，LIU Peng 2，AI Shi -rong 1,2*(1.College of Computer and Information Engineering ，Jiangxi Agricultural University ，Nanchang 330045，China ；2.College of Engineering ，Jiangxi Agricultural University ，Nanchang 330045，China)Abstract ：Computer vision technology as a fast and nondestructive testing technology was used to establish a quantitative analysis model of sensory quality of infused leaf based on the sensory evaluation scores of tea to make up for the deficiency of sensory evaluation method for evaluating green tea quality.Biluochun tea samples were studied in this paper.Guided filtering method was applied to remove the specular reflection noise of the images of the infused leaf samples.The texture features and color features of the images of the preprocessed infused tea leaves were extracted.Successive projections algorithm （SPA ）was used to select the optimal feature variables.And support vector machine （SVM ）model was developed based on the optimal feature variables and the total score of sensory quality of tea.Simultaneously ，the partial least squares （PLS ）model was developed.The 收稿日期：2018⁃10⁃12修回日期：2019⁃01⁃02基金项目：国家自然科学基金项目（31460315）和江西省重点研发计划项目（20171ACF60004）作者简介：胡潇（1995—），女，硕士生，主要从事计算机视觉方面研究，/0000-0002-8965-8540，hxvena@ ；*通信作者：艾施荣，副教授，硕士，/0000-0002-7866-0565，aisrong@江西农业大学学报第41卷results showed that the guided filtering method could effectively remove the noise information such as specular reflection and edge blur of the images of the infused tea leaves.Based on SPA ，nine feature variables were consistent with the sensory evaluation description of the infused leaf quality.The performance of the SVM model was better than that of PLS.The correlation coefficient （R p ）of the SVM model in the prediction set was 0.92，and the root mean square error of prediction （RMSEP ）was 2.159，and the relative prediction deviation （RPD ）was 2.537，and the relative standard deviation （RSD ）was 2.528%.The results indicated that the SVM model could be used for quantitative analysis of the sensory quality of infused tea leaves based on computer vision technology ，but the analysis accuracy should be further improved.The study results can provide the researchfoundation for the instrumental characterization of the sensory quality of tea.Keywords ：guided filter ；computer vision ；quality of infused tea leaves ；sensory evaluation ；SVM 国内外茶叶品质评价仍以人工感官审评为主，结合理化检测进行综合评价，但感官评价方法存在主观性强等缺陷，理化检测结果客观准确，也存在检测时间长、成本高等缺陷。
计算机视觉技术已广泛应用于苹果[1]、梨[2]、水稻[3]、马铃薯[4]等农产品品质快速无损检测，在茶叶品质快速无损评价也得到广泛应用。
Laddi 等[5]利用计算机视觉技术，提取不同等级茶叶图像的纹理特征，对茶叶品质进行快速无损评价。
Wang 等[6]采用计算机视觉技术提取茶叶的颜色和纹理特征，建立茶叶种类的支持向量机识别模型，识别率达到97.9%。
高振宇等[7]利用计算机视觉技术识别鲜茶叶种类，识别率高于90%。
也有研究基于专家感官审评结果，利用计算机视觉技术快速无损评价茶叶的感官品质。
董春旺等[8]采用计算机视觉技术提取针芽形绿茶图像颜色和纹理特征，基于专家感官审评结果，建立了绿茶外形感官品质的评价模型，识别率达到89.2%。
余洪等[9]基于茶叶品质的专家审评结果，将茶叶分成4个等级，建立了茶叶等级评价的最小二乘支持向量机识别模型，识别率达到91.67%。
Zhu 等[10]采用计算机视觉技术，建立了茶叶图像特征值与专家感官评价结果的识别模型，识别率达到92.6%，与感官审评结果一致。
茶叶品质感官审评包括茶叶外形、汤色、香气、滋味和叶底5个评价指标，每个评价指标在茶叶品质总得分值中占有一定权值，审评专家对每个评价指标给以相应分值，茶叶审评总得分值为各评价指标分值乘以相应权值之和[11]。
在5个评价指标中，叶底指标评分只占茶叶感官品质总评分的10%，但从叶底品质上能体现出因鲜茶叶嫩度、匀整度不同及加工工艺不同所导致茶叶品质的差异，观察叶底品质状况对茶叶品质评价也至关重要。
因此，可采用计算机视觉技术量化分析茶叶的叶底品质。
茶叶叶底为干茶叶加盖冲泡后滤干茶水剩下的茶渣，叶底存在残留未完全滤干的水分，故采用计算机视觉技术获取的图像存在镜面反射现象，导致采集图像模糊，影响结果分析。
目前，有研究者采用引导滤波方法去除图像的镜面反射[12]。
引导滤波方法[12]是一种局部线性保边去噪方法，该方法能有效平滑图像噪声，同时又能有效去除图像的镜面反射等噪声信息，广泛运用于浓雾图像去雾[13]和红外图像的除噪、增强和融合等[14-16]。
本文以碧螺春茶为研究对象，由计算机视觉技术获取茶叶叶底图像，运用引导滤波方法去除采集图像的镜面反射及边缘模糊等噪音信息，利用连续投影算法优选特征信息，采用支持向量机方法建立基于计算机视觉技术的茶叶叶底感官品质的量化分析模型，为茶叶感官品质的仪器化快速量化分析装置开发提供研究基础。
1材料与方法1.1茶叶样本收集及感官审评试验茶叶样本采集于苏州洞庭山的碧螺春茶，共收集了不同品质的茶样120个，每个茶样200g 。
