万 广，陈忠辉，方洪波，闫建伟，张文勇，谢本亮

(1 贵州大学 大数据与信息工程学院，贵州 贵阳 550025； 2 贵州大学 机械工程学院，贵州 贵阳 550025； 3 贵州大学 计算机科学与技术学院，贵州 贵阳 550025)

作为茶叶的原产地之一，中国有着历史悠久的茶文化底蕴[1]，茶鲜叶质量的优劣基本决定着茶叶品质的高低。随着劳动力的短缺以及劳动成本的提升，茶产业机械化、工业化进程的不断推进，茶鲜叶的机械化采摘技术和装备日趋成熟。但机采茶鲜叶混杂度高，包含有各种等级的茶叶，因此在制茶工艺中，分选成为了一道费工、费时且关键的工序。早期根据茶鲜叶的物理特性，研制出了滚筛、圆筛、风选等分选方法[2]，虽然可以去除茶鲜叶中的杂物(如残叶、叶梗等)，但难以对茶鲜叶进行精确的等级划分。

近年来，随着机器视觉和机器学习技术的发展，茶叶的分类技术进入智能化时代。陈全胜等[3]利用颜色特征建立支持向量机(Support vector machines, SVM)分类模型，通过色泽来分辨茶叶品质的优次，模型的平均识别率达到95%左右；吴正敏等[4]以大红袍为例，通过提取夏秋季节茶叶各种形态特征参数，判断特征权重进行特征选择，并且设置不同的权重比来完成叶和梗的分离，最终识别准确率为93.8%；高震宇等[5]通过建立卷积神经网络，通过局部连接和权值共享等方法提高了网络的训练性能，最终识别的准确率不低于90%。余洪[6]通过 RGB(Red, green, blue)和 HIS(Hue, instensity,saturation)颜色模型提取颜色特征，通过统计矩和灰度共生矩提取纹理特征，共提取到12个颜色特征和22个纹理特征，建立基于主成分分析、遗传算法和BP神经网络的茶叶品质分级模型，识别准确率达到92.5%。……