常睿 张莹 杨娟 王杰 陈善敏 钟应富

摘 要 茶叶生产加工对促进茶产业发展具有重要作用，为克服传统“看茶制茶”弊端，客观、快速、无损的智能分级技术成为研究热点。综述计算机视觉技术的研究现状和基本原理，以及对茶叶外形、颜色和纹理等指标进行分级、监控和预测的研究情况，探讨其在茶叶加工产业应用中存在的问题及发展方向。

关键词 计算机视觉技术;茶叶加工;品质分级;研究进展

中图分类号：S571.1 文献标志码：A DOI：10.19415/j.cnki.1673-890x.2021.28.034

自动化、标准化、智能化是未来茶叶加工产业发展的必经之路，而茶叶作为我国主要特色农业产业，目前仍然是现代化发展程度较低的传统非“技术型”加工产业。近年来，随着茶叶消费量增加和消费观念日趋理性，茶叶品质日益受到大众关注。实时状态下根据茶叶的视觉特征对其进行分类分级，是茶叶加工生产过程中的重要环节之一。这些视觉信息可直接反映茶叶的物理特性，也可作为采摘标准、加工程度、感官审评的重要判断依据[1]。

传统茶叶加工主要采用“看茶制茶”的方式，基本依赖于制茶人员的生产经验，即先用眼睛观察茶叶表面的色泽变化程度，再用鼻子辨别叶片挥发出的气味特征和浓郁程度[2]。一方面，传统人工判定方法需要制茶人员经历长时间培训和校正，且具备丰富的加工经验，才能做出准确的判断。另一方面，制茶人员的感官能力和灵敏度极易受外界因素和主观因素的干扰。人的嗅觉、味觉和视觉等感官能力因地域、性别、身体状况、外界环境（气候、光照）等影响而产生很大差异，在实际生产加工中难以保证判定的准确性。因此，采用更为客观的评估技术手段，建立自动智能分级系统成为茶叶加工产业的研究重点。

计算机视觉技术（Computer vision，CV）是目前最具发展前景的食品质量客观评估方法之一，与人工视觉相比，其最大优势在于快速、精准和可量化。虽然不同茶类的加工方法和品质各不相同，但分级原理相通，其中3个视觉评估指标最为常见，即颜色、形状和纹理。因此，本文围绕计算机视觉技术的研究现状和原理，以及其在茶叶加工领域中的应用展开综述。

1  计算机视觉技术概述

1.1  计算机视觉技术研究现状

计算机视觉技术，也称机器视觉技术，是一门与计算机图形学、图像处理、模式识别、人工智能和机器学习等多种技术密切相关的新兴学科，具有快速、无损、实时、经济、一致等检测特点[3]。计算机视觉技术起源于20世纪50年代，早期目的是改善人的视觉效果和成像质量。1965年，Roberts利用计算机编程率先开始三维视觉研究。20世纪70年代，David Marr教授及其研究團队提出具有里程碑意义的计算视觉理论，此后，计算机视觉技术进入高速发展时期。近年来，由于巨量数据不断涌现、深度学习取得重大进展、计算能力快速提升，人工智能领域实现了巨大飞跃，其最热子领域之一的计算机视觉也因此成为各界公认的前瞻性研究，部分研究成果已投入实际应用，催生出人脸识别、无人驾驶、医学诊断、智能视频监控等多个极具显示度的商业化应用[4]。

1.2  计算机视觉技术原理

计算机视觉的基本原理是利用各种成像系统代替人的视觉，获取目标图像信息后传送到图像处理系统，将图像信息（颜色、纹理、亮度、像素分布等）转换成数字信息，对数字信息进行各种运算与处理后，提取目标特征信息进行分析、处理和理解，最终实现对目标物体的识别、检测和控制等[5]。计算机视觉处理系统主要由图像输入系统（图像采集器、样品池、均匀光源等）和图像处理系统（处理、分析信息的软件或硬件）两部分构成，其中核心在于图像处理，即将图像信息加工处理后输出为改善后图像或识别结果。常见图像处理方法及原理如表1所示。

随着计算机性能提高，大多关于计算机视觉技术的研究均是利用高级语言编写而成的图像处理软件来完成。一些通用图像处理系统，如Adobe Photoshop、Adobe illustrator、CorelDRAW、3D Studio Max等，为科技工作者在图像处理方面提供了良好而强大的处理平台。

2  计算机视觉技术在茶叶加工中的应用

随着科学技术不断提高，计算机视觉技术已经在农业物种资源检测、作物生长状态监测、农产品自动化收割及农产品品质检测等方面得到了广泛的应用，其在茶叶加工领域中的应用虽起步较晚，但发展前景极为广阔。

2.1  茶叶的视觉特征

茶叶品质由内部和外部构成。内部品质主要决定于滋味和香气两方面，与茶叶内部生理生化成分（如茶多酚、儿茶素、游离氨基酸、可溶性糖等）的组成和含量密切相关。外部品质则主要包括茶叶的形状、色泽和纹理。形状特征是对某个芽、叶片、在制品或成品的边缘、区域进行描述，如成茶形状有扁形、针形、卷曲形和球形等;颜色特征是基于颜色坐标和颜色空间分割方法的一种表达方式，茶叶色泽一般包括干茶、茶汤、叶底三部分，如干茶色泽主要有翠绿、深绿、乌褐等;纹理特征是图像中相邻像素的灰度或颜色的空间相关性，或是灰度和颜色随空间位置变化的视觉表现[7]。

2.2  茶鲜叶分级

鲜叶是制茶的原料，是茶叶品质的重要基础，鲜叶分级对于指导茶叶生产加工具有重要的现实意义。吴正敏等以谷雨前机采绿茶（含单芽、1芽1叶、1芽2叶、1芽多叶、茶梗、茶碎片）为研究对象，采用CCD相机获取样本图像，利用Labview vision和图像处理技术分析其凸包周长、凸包面积、长短轴长度等特征，通过BP神经网络算法实现了名优绿茶有效分级，其识别正确率可稳定在90%以上[8]。实验室相关研究为茶叶实际加工生产提供了理论基础。江才华等首先利用计算机视觉技术对茶鲜叶图片进行预处理（图像灰度化和滤波），再根据茶鲜叶纹理无规则性选择灰度共生矩阵提取其纹理特征，最后利用支持向量机（SVM）实现茶鲜叶在线分类，准确率可达到96%以上[9]。

2.3  加工监测

茶叶加工与茶叶视觉变化密切相关，在制品在水分散失、高温加热、外力作用、酶促反应等一系列反应下，会产生剧烈的化学、物理、生理变化，其颜色、形状、纹理等图像特征亦随之改变。加工过程中，茶叶视觉特征的变化是内含成分转化在外观上形成的反映，因此可作为判断加工适度与否的直接感官指标。李莎莎等以不同发酵时间红茶在制品为研究对象，通过计算机视觉系统实时采集其特征信息，将在制品图像与標准发酵图像（发酵感官品质最佳）进行相似度匹配分析，采用D值（Manhattan距离算法计算R/G/B颜色分量直方图相差度）作为相似度量准则，当D值小于设定阈值时，则判定为发酵适度，判别准确率可达93.2%[10]。伍洵等利用计算机视觉对绿茶炒干制品的外形和色泽变化进行实时监测，同时引入曲率半径描述茶叶干茶外形曲线弯曲变化程度，结果表明，在制品的曲率半径值随炒干时间的增加而逐渐下降[11]。叶玉龙利用计算机视觉对绿茶在制品纹理与色泽变化进行了分析研究，结果表明，摊放过程中因水分散失，叶片色泽变淡、亮度增加、灰度增加而绿色减少;而揉捻叶色泽变暗褐、色调均值下降、纹理趋于复杂;茶汤色泽逐渐由黄绿、淡而亮向黄微红、深而暗转变[12]。

2.4  品质评价

成品茶外形是其命名和分类的重要依据，也是内含成分在加工过程中产生不同程度降解和氧化聚合的总反映，更是分辨品质优劣的重要因素之一。金山峰等研发并设计了茶叶品质在线检测及自动分级和收集装置，采用机器视觉技术结合Open CV、Visual C++软件，开发了茶叶品质在线评价系统，系统运行稳定，对市售婺源仙芝绿茶、碧螺春绿茶的分级准确率达到93%以上[13]。童阳等以4个等级碧螺春绿茶为研究对象，采用小波变换和灰度共生矩阵提取茶叶图像的纹理特征，采用RGB和HIS颜色模型提取图像的颜色特征，利用遗传算法优化神经网络参数，建立茶叶感官品质的BP神经网络分级模型，模型总体识别率可达93.8%，结果表明计算机视觉分级模型具有较高的准确度和稳定性[14]。

3  结语

计算机视觉技术是一项可以客观评定茶叶等级的检测技术，具有快速、无损、客观、高效、成本低等特点，基于这一技术的分级系统已经在部分地区进入实际应用阶段。然而，要推广计算机视觉分级技术并取代人工评级，还有许多问题亟待解决。1）尽管计算机视觉技术在茶鲜叶分级、加工监测、品质评价等方面已取得一定进展，但由于茶叶种类众多、生长环境和加工工艺复杂，具有不易识别性，因此需要在图像处理、模式识别、分析软件设计等方面力求算法的快速性、精准性和有效性。2）目前计算机视觉在茶叶加工领域中的应用研究对象主要集中于静态个体，后续研究可考虑提升茶叶图像信息动态化获取效率。3）茶叶成像过程中会受光源、样品位置、环境反光等多种因素的影响，这些因素在实际生产环境中往往带有不可控性，导致采集的图片质量不一致，需要对图像采集装置进行优化设计，既要便于操作，又能屏蔽外界干扰，使之适应实际生产环境。

参考文献：

[1]  汤一平，王伟羊，朱威，等.基于机器视觉的茶陇识别与采茶机导航方法[J].农业机械学报，2016，47（1）：45-50.

[2]  董春旺.小叶种工夫红茶发酵品质智能感官评价方法研究[D].镇江：江苏大学，2017.

[3]  柳琦，涂郑禹，陈超，等.计算机视觉技术在食品品质检测中的应用[J].食品研究与开发，2020，41（16）：208.

[4]  余京蕾.浅谈计算机视觉技术进展及其新兴应用[J].北京联合大学学报，2020，34（1）： 63-69.

[5]  刘鹏，吴瑞梅，杨普香，等.基于计算机视觉技术的茶叶品质随机森林感官评价方法研究[J].光谱学与光谱分析，2019，39（1）：193.

[6]  张宇光.关于计算机视觉在茶叶等级检验中应用的研究[J].福建茶叶，2020，42（7）：2.

[7]  黄藩，刘飞，王云，等.计算机视觉技术在茶叶领域中的应用现状及展望[J].茶叶科学，2019，39（1）：81-87.

[8]  吴正敏，曹成茂，谢承健，等.基于图像处理技术和神经网络实现机采茶分级[J].茶叶科学，2019，37（2）：182-190.

[9]  江才华.基于纹理分析的茶青在线分类[D].长沙：中南大学，2014.

[10] 李莎莎，洪文娟，陈华才，等.R/G/B 直方图对比算法判别红茶发酵适度[J].中国计量学院学报，2016，27（2）：172-176.

[11] 伍洵，刘飞，陈之威，等.基于计算机视觉的绿茶炒干中在制品理化变化研究[J].茶叶科学，2020，40（2）：194-204.

[12] 叶玉龙.萎凋/摊放对茶叶在制品主要理化特性的影响[D].重庆：西南大学，2018.

[13] 金山峰，王冬欣，黄俊仕，等.基于计算机视觉的茶叶品质在线评价系统[J].食品工业科技，2021，42（14）：219-225.

[14] 童阳，艾施荣，吴瑞梅，等.茶叶外形感官品质的计算机视觉分级研究[J].江苏农业科学，2019，47（5）：178-181.

（责任编辑：敬廷桃）