李莎莎，洪文娟，陈华才，董春旺，叶 阳

(1.中国计量大学 光学与电子科技学院，浙江 杭州 310018；2.中国农业科学院 茶叶研究所，浙江 杭州 310008)



R/G/B直方图对比算法判别红茶发酵适度

李莎莎1，洪文娟1，陈华才1，董春旺2，叶 阳2

(1.中国计量大学 光学与电子科技学院，浙江 杭州 310018；2.中国农业科学院 茶叶研究所，浙江 杭州 310008)

【摘要】提出了一种基于R/G/B直方图对比算法判别红茶发酵适度的方法.设计了一套采集红茶发酵图像采集系统采集红茶发酵叶的颜色图像.通过计算红茶发酵叶在制品图像颜色分量直方图与标准直方图的匹配度判别发酵适度，设定发酵适度的标准图像与阈值T，并实时采集分析红茶发酵过程中在制品图像的R/G/B三种颜色分量直方图，计算其与标准图像的Manhattan距离.当Manhattan距离D的均值小于设定阈值T时，则判别为发酵适度，并输出信号停止红茶继续发酵.研究结果表明，基于R/G/B直方图对比算法判别红茶发酵适度状态是可行的，与感官评审结果对比，其判别准确率达到 93.2 %.

【关键词】红茶；发酵适度；Manhattan 距离；图像处理；感官评价

现在我国工夫红茶的加工工艺为鲜叶→萎凋→揉捻→发酵→干燥，其中形成工夫红茶品质最关键工序就是发酵这一过程，若发酵程度不足将会导致茶叶有青草气、汤色不红、苦涩；而若发酵程度过度则茶叶的香气低熟不爽、汤色红暗、茶味淡薄.这些都会影响红茶的质量，所以只有发酵适度才会获得好的红茶[1-4]. 因此，只有准确地掌握发酵程度才能加工出优质的工夫红茶，这个过程十分关键. 传统上，人们主要依靠人眼来观察发酵叶的色泽等，以及用鼻子来判断发酵叶的香气变化作为发酵适度的依据[5-6].人的感觉器官的灵敏度容易受到外界因素的干扰而发生改变，从而会影响到茶叶评定的准确性.例如人的嗅觉分辨力容易受到外界的很多气味的干扰，人的味觉的敏感度容易受到其它刺激性食物或者其温度等很多因素的影响，人的视觉也容易受到光照环境、心理、生理等诸多因素的影响，不同人的辨色能力也会存在许多的差异[7-8].评审人员感觉器官的灵敏度还会受到地域性差别、性别不同、精神状态及身体状况等因素影响[9-10].由于人的感觉器官的灵敏度容易受到外界条件的变化而变化，没有一个客观的判定标准，从而影响红茶发酵适度评定的准确性[11-14].

本文提出了一种利用计算机视觉技术来判别红茶发酵适度的方法.通过计算机视觉系统来获取红茶发酵叶的可见光图像，从图像中提取出发酵叶的颜色特征，将提取的特征变量与茶叶成茶的外形感官评价得分值相关联，分析建立了一种判别红茶发酵适度的方法，从而实现发酵适度的在线快速无损检测.

1材料与方法

1.1实验材料

1)制茶原料：品种迎霜，小乔木型，中叶类，适制红茶、绿茶，鲜叶原料由遂昌精诚茶业有限公司提供.

2)在制品：将上述品种的鲜叶按照工夫红茶加工工艺制作，控制其发酵工序，从揉捻结束、发酵开始第一次取样，以后每隔 0.5 h 取样一次，所取发酵叶样直接用于图像采集.

1.2实验方法

设计了一套红茶发酵图像采集系统(如图1)，包括 CCD 摄像机、漫反射光源箱、光源、图像采集卡、计算机及 机器视觉软件等.光源由多个卤钨灯均匀地安置在漫反射光源箱的底部，所发出的光线经漫反射后均匀地照射在红茶发酵样品上.CCD摄像机安装在漫反射光源箱的顶部，实时获取红茶发酵样的图像和色彩信息.

图1　红茶发酵视觉采集系统 　Figure 1　Visual acquisition system of black tea fermentation

机器视觉软件包括：CCD DTControl 图像采集软件，用于设置图像增益、曝光时间、图像集成、 RGB 调节、图像分析等；图像处理软件，用于图像处理和发酵叶特征参数的提取，实现算法的编写.

发酵开始至结 束共5 h，每隔10 min 取样一次，每次取样200 g，将发酵叶样本均匀平铺在直径10 cm，高1 cm 的样品池中.打开光源，采集图像，调节摄像头的光圈、焦距到适当位置，使得摄像头能清晰的对茶叶成像.在调制完整个系统之后，先采用系统的白平衡功能对摄像头成像进行标定，然后再对茶叶样品进行成像.每个样本分别采集3次，取平均值作为采集的原始数据.

1.3红茶感官评审

保持鲜叶原料、萎凋、揉捻、干燥等实验条件一致，按照工夫红茶工艺发酵，温度28 ℃、湿度大于90%，发酵5 h. 试验重复3次.自发酵开始至结束，每隔10 min 取样200 g，然后干燥、冷却、制成样茶，低温保存，审评备用.

依据 GB/T 23776采用密码审评，品质分数按加权平均法计算，其中外形占30%(色泽10%、其它20%)，内质占70 %(滋味20%、香气20%、汤色10%、叶底20%).

1.4数据处理

基于实时性等因素的考虑，采用Manhattan 距离进行目标图像的跟踪匹配，实现工夫红茶发酵过程检测.

设 H(I)和H(Q)分别为测试图像I与标准图像Q的颜色直方图；则 H(I)和H(Q)之间的Manhattan距离表示为[15]

(1)

式(1)中， NI×MI、NQ×MQ分别为测试图像I与标准图像Q的像素值大小，R、G、B分别表示RGB颜色分量的量化级. H(I)表示输入的样品图像的颜色分量直方图的频度值，H(Q)表示标准图像的颜色分量直方图的频度值，hI(r,g,b)为样品的颜色分量直方图中横坐标不同点对应的频度值，hQ(r,g,b)为标准图像的颜色分量直方图中横坐标不同点对应的频度值，r、g、b分别表示[0-255]灰度级区间内的任一点.本文对Manhattan距离公式进行改进，采用对三个颜色空间分量分别对直方图计算，采用Manhattan距离公式进行匹配，这样大大降低了计算量. 对两个目标图像的RGB三个分量计算各自的直方图，并进行直方图的量化，然后用Manhattan距离公式进行各个分量的计算.各个颜色分量的Manhattan距离计算公式如下：

(2)

式(2)中 hI(i) 和 hQ(i) 是发酵过程叶测试图像和标准参比图像对应分量的直方图.它们分别除以 NI×MI、NQ×MQ，是对分量直方图进行归一化，NI×MI和NQ×MQ分别表示连续两帧目标图像的总像素数，本文直方图量化级为 32.在对图像进行Manhattan距离相似度算法前，对图像进行预处理，保证了测试图像与标准图像的总像素相等.D{H(I),H(Q)}越小表示两幅目标图像的相似度越高.

分别计算3种颜色分量的Manhattan距离，如果3种分量的距离 D{H(I),H(Q)} 小于等于给定的阈值T，则认为工夫红茶发酵叶达到适度，否则认为是未到达发酵适度.即若三个分量的Manhattan距离

(3)

就认为图像匹配成功，测试样的发酵图像与标准图像相似.

2实验结果与讨论

发酵温度分别为 20 ℃、25 ℃、30 ℃ 和35 ℃ 单因素变化条件下，进行 4组发酵试验，对比不同温度下发酵叶色泽变化规律，感官品质最高得分所对应的H直方图轮廓几乎重叠，具有极高的相似度，如图2.在此基础上，说明根据测试图像与标准图像进行匹配的方法，适用于不同工艺发酵条件的检测.

图2　不同温度下Hue直方图相似度比较 Figure 2　Similarity comparison of Hue histogram under various temperatures

红茶发酵图像与标准红茶发酵图像(感官品质最佳茶样)通过直方图匹配方法进行相似度分析， 采用 Manhattan 距离算法计算 R/G/B 3种颜色分量直方图相差度D值作为相似度量准则.

根 据感官评审，得分大于80分设定为发酵适度样(Y)，其余均为发酵非适度样(N).结合感官评审得分，T值阈值取0.05，当D>T时，判断此时发酵叶为非适度状态(N)当D≤T时，则此时发酵叶达到发酵适度状态(Y).

样品编号 A、B、C、D 分别表示4组不同发酵温度(20 ℃、25 ℃、30 ℃和35 ℃)条件下每隔30 min 取的连续发酵茶叶样品，每组取11个样品，得到每个样品的感官评审结果和R/G/B 直方图与标准直方图距离均值D，如表1.

表1　红茶发酵样品D值与感官评审结果

对比每个样品的感官评审结果和R/G/B直方图与标准直方图距离均值D，对比结果如表2所示.由表2可知，基于R/G/B直方图D值判断红茶样品的发酵适度，44个样品中41个样品判断结果与感官评审结果相一致，符合率为93.2%.3个样品判断结果不一致，分别是B5、C10、D6号样品.以感官评审结果为标准，图像识别法将发酵不适度的B5和C10样品误判为发酵适度，将发酵适度的D6号样品误判为发酵不适度.表明采用机器视觉结合基于Manhattan距离算法的图像处理评判红茶发酵适度的方法是可行的且具有较高的判别准确率.

表2感官评审得分与均值D对比

Table 2Comparison of sensory evaluation scores and values ofD

感官评审得分>80(Y)≤80(N)D值≤0.05(Y)>0.05(N)符合率/%AA9A1～A8,A10,A11A9A1～A8,A10,A11100BB9,B10B1～B8,B11B5,B9,B10B1～B4,B6～B8,B1190.9CC5,C8,C9C1～C4,C6,C7,C10,C11C5,C8,C9,C10C1～C4,C6,C7,C1190.9DD4,D5,D6,D8D1～D3,D7,D9～D11D4,D5,D8D1～D3,D7,D6,D9～D1190.9

3结论

研究建立了基于R/G/B直方图对比算法判断红茶发酵适度的方法.采用机器视觉技术获取红茶特征信息，将红茶发酵样品图像与标准图像(感官品质最佳茶样所对应直方图)通过R/G/B直方图进行相似度匹配分析，采用Manhattan距离作为相似度量准则，得到红茶发酵叶图像的直方图与感官审评结果有显著相关性.当RGB直方图差异度值都低于阈值的样品判定为发酵适度样品.研究结果表明，基于R/G/B直方图对比算法评判红茶发酵适度的方法得到的结果与感官审评结果，判别准确率达到93.2%.基于R/G/B直方图对比算法评判红茶发酵适度，可以提高红茶发酵感官品质，且此方法简便、实用性强.

【参考文献】

[1]刘玉芳. 工夫红茶发酵适度检测方法的研究[J].中国农学通报，2011，27(4)：345-349.

LIU Yufang. Study on the detecting method of optimum fermentation of Kungfu black tea[J].Chinese Agricultural Science Bulletin，2011，27(4)：345-349.

[2]吴瑞梅. 名优绿茶品质感官评价的仪器化表征研究[D].镇江:江苏大学，2012.

WU Ruimei. Quantification of sensory evaluation of the famous green tea quality using modern instruments[D]. Zhenjiang： Jiangsu University，2012.

[3]方世辉，王先锋，汪惜生.不同发酵温度和程度对工夫红茶品质的影响[J].中国茶叶加工，2004 (2)：19-21.

FANG Shihui，WANG Xianfeng，WANG Xisheng. Influence of different fermentation temperature and degree on the quality of black tea[J].China Tea Processing，2004 (2)：19-21.

[4]陈以义，江光辉.红茶变温发酵的理论探讨[J].茶叶科学，1993，13(2)：81-86.

CHEN Yiyi，JIANG Guanghui. Exploration of the Black tea temperature fermentation theory[J].Journal of Tea Science，1993，13(2)：81-86.

[5]钱园凤.工夫红茶发酵适度判定方法研究[D].北京:中国农业科学院，2013.

QIAN Yuanfeng. Research on the determination method of the appropriate fermentation of Kungfu black tea[D].Beijing: Chinese Academy of Agriculture Science，2013.

[6]BORAH S，BHUYAN M.A computer based system for matching colors during the monitoring of tea fermentation[J].International Journal of Food Science & Technology，2005，40(6)：675-682.

[7]刘玉芳，杨春，林朝赐.发酵时间对工夫红茶品质的影响研究初报[J].福建茶叶，2008，30(2)：21-22..

LIU Yufang, YANG Chun，LIN Chaoci，et al.Research on the effect of fermentation time on the quality of Black tea [J].Tea in Fujian，2008，30(2)：21-22.

[8]赵和涛.红茶发酵时主要化学变化及不同发酵方法对工夫红茶品质的影响[J].蚕桑茶叶通讯，1989(2)：10-13.

ZHAO Hetao. Effects of main chemical changes and different fermentation methods on quality of black tea[J].Newsletter of Sericulture and Tea，1989(2)：10-13.

[9]GILL G S，KUMAR A，AGARWAL R.Monitoring and grading of tea by computer vision-a review[J].Journal of Food Engineering，2011，106(1)：13-19.

[10]DUTTA R，HINES E L，GARDNER J W，et al. Tea quality prediction using a tin oxide-based electronic nose: an artificial intelligence approach[J].Sensors and Actuators，2003，94：228-237.

[11]朱磊.一种基于直方图统计特征的直方图匹配算法的研究[J].计算技术与自动化，2004，23(2)：48-51.

ZHU Lei. Application of digital library technology in the integrated management platform for military information[J]. Computing Technology and Automation，2004，23(2)：48-51.

[12]鲁伟奇，郭永洪. 一种识别不同种类葡萄的无损检测方法[J]. 中国计量学院学报，2012，23 (1)： 20-24.

LU Weiqi，GUO Yonghong. A nondestructive detection method to distinguish different kinds of grapes [J].Journal of China University of Metrology，2012，23 (1)： 20-24.

[13]YANG Xuqiang，FENG Yong，LIU Hongcheng. An object extraction method based on HIS color model[J].Optical Technique，2006，2(2)：290-292.

[14]BHATTACHARYYA N，SETH S，TUDU B，et al. Monitoring of black tea fermentation process using electronic nose[J].Journal of Food Engineering，2007，80(4)：1146-1156.

[15]付永会，张风超.一种改进的基于颜色直方图的实时目标跟踪算法[J]. 数据采集与处理，2001，16(3)：309-314.

FU Yonghui，ZHANG Fengchao. Improved algorithm for object tracking based on color histogram[J]. Journal of Data Acquisition & Processing，2001，16(3)：309-314.

【文章编号】1004-1540(2016)02-0172-05

DOI:10.3969/j.issn.1004-1540.2016.02.009

【收稿日期】2015-12-01《中国计量学院学报》网址：zgjl.cbpt.cnki.net

【基金项目】国家科技支撑计划项目(No.2012BAF07B05),浙江省重点科技创新团队项目(No.2010R50028).

【作者简介】李莎莎(1993-)，女，浙江省台州人，硕士研究生，主要研究方向为光谱检测技术.E-mail:lisasa113232@qq.com 通信联系人：陈华才，男，研究员.E-mail: huacatichen@jlu.edu.cn

【中图分类号】TS272

【文献标志码】A

Black tea fermentation degree monitoring with histogram comparison algorithm

LI Shasha1， HONG Wenjuan1， CHEN Huacai1， DONG Chunwang2， YE Yang2

(1.College of Optical and Electronic Technology， China Jiliang University， Hangzhou 310018， China;2.Tea Research Institute， Chinese Academy of Agricultural Sciences， Hangzhou 310008， China)

Abstract:We proposed a method to discriminate black tea fermentation degree with the image color component R/G/B histogram. An image acquisition system was established to collect the images of the fermenting black tea. The standard image of moderate fermentation and the threshold value of T were preset. Then the R/G/B component histograms of black tea images in the fermentation process were collected. The Manhattan distances of the images from the standard image were calculated. When the average Manhattan distance D was less than the threshold value T, the fermentation was moderate. The results show that it is feasible to discriminate the black tea fermentation moderate condition base on the R/G/B histogram comparison algorithm. The overall discrimination accuracy rate is 93.2% compared with the results of sensory evaluation.

Key words:black tea； fermentation degree； Manhattan distance； image processing； sensory assessing