陈林，孙豪宗，黄 欢

（景德镇陶瓷大学，江西 景德镇 333000）

随着中国建成小康社会持续推进，旅游已经成为人民大众日常生活的重要组成部分，我国旅游业进入全民旅游的新时代。在国家加速推进供给侧结构性改革的大框架下，我国旅游产业将加快由传统性旅游发展模式向智慧旅游发展模式进行转变。有的采摘技术和采茶设备不能满足鲜叶原料和成品茶高质量的要求，机采茶鲜叶技术往往存在新嫩不均、长短不齐、匀净度低、茎梗含量高等一系列的问题和困扰[1]，因此在这里我们选取最新型的智能算法进行茶叶图像的智能处理，将识别出我们的茶叶的不同新嫩程度，为我们的游客提供一个智能化体验。

目前关于国内采摘的方法是往复收割，该采摘方式无差别地将茶叶采取，导致茶叶的完整性低，口感不好等一系列问题，因此我们采用智能MobelNetV2 算法采用卷积神经网络来识别采摘，使用该智能算法来识别我们的茶叶的新鲜程度与生长程度的识别具有更加便捷与更加可靠的操作。

1 材料与方法

1.1 材料图片筛选

老芽型、一芽一叶型、一芽二叶型等生长状态不同的茶叶图像来自景德镇浮梁县寒溪村李子园的拍摄图片，共收录茶叶共2500 张，其中包含若干老型茶叶、新鲜茶叶一芽一叶型茶叶、一芽二叶型茶叶，用于构建卷积神经网络模型并对其进行智能识别与分类操作。并将他们收录进不同的文件夹内，以便于以后分类进行识别操作。图像进行去噪、分割、特征提取等处理的技术和方法，在阶段中研究者准备利用图像处理技术处理和提取成品图像的茶叶中茶鲜叶颜色、形状、纹理等多种特征，对其进行分类识别，取得了较好的效果[2]。筛选出含有茶叶不相关联的部分照片，通过图像的处理技术进行简单的图片处理，保留清晰度高、含有茶叶成长特征程度高的图片，排除无关信息的干扰，提升训练的准确度与测试的速度与效果[3]。本研究通过一定的筛选排除茶叶系列无用信息的区域进行有效的裁剪，最终得出以老型茶叶、一芽一叶型茶叶、一芽二叶型茶叶等若干张分类茶叶进行之后的智能识别操作。

1.2 智能识别下的茶叶分类技术

智能识别在运行过程中，主要采取的是图像数字化采集技术，利用智能算法识别技术和利用图像分类处理技术，测定出当前操控空间内的各类数据，确保图像捕捉、数字图像处理可支撑整个识别的模块化操作。智能识别大致流程如图1 所示，首先在我们目的茶园拍照收集2500 张照片，之后将这些照片进行样本化处理，剪切掉照片上含有的与茶叶不相符的信息，利用茶叶的颜色、区域生长以及形状等手段提取茶叶细嫩程度的不同[4]，进行样本的分类操作，之后建立MobileNetV2 神经网络模型，利用MobileNetV2 神经网络模型进行训练茶叶，训练出我们想要的数据模型，最后可以利用该模型把茶叶形态进行智能识别分出若干类型的图片来构造出数据，最后给出实验结果进行网络评价[5]。

图1 智能识别茶叶流程

2 软件智能识别设计

作为机器学习领域中研究的热点，深度网络的学习在图像特征性进行提取、目标物观测和智能识别等方面都有巨大的研究性成果，茶叶细嫩程度在特征性观察的方面尤为突出，生长时期不同的茶叶在颜色色泽、嫩叶数量、茶叶形状等方面都有不同异性。MobileNetV2 神经网络在茶叶细嫩程度识别更加准确，其中交叉验证训练中的网络训练方法能使得网络从数据中可以得到充分学习目标的特征，在一定程度上避免训练时发生拟合、欠拟合等一系列的问题，同时还对网络泛化性能有了一部分的提高，让我们的原先的网络继承训练更加快速和有效[6]，因此智能识别茶叶就采用MobileNetV2 算法进行茶叶生长程度的识别操作。

3 硬件设计部分

系统主要使用了树莓派3B+作为主控部件，光照传感器以及LCD 显示屏组成，光照传感器负责感应附近光照强弱的变化，LCD 屏主要显示数据。

3.1 树莓派3B+

本系统的主控制器的选型为树莓派3B+平台，该平台具有蓝牙和WIFI 等无线网络接口，可供本茶叶识别检测系统的网络搭建，为本系统的联网提供了技术条件。

树莓派的连接方式有很多种，本系统采用的是WiFi连接，首先把烧录系统完成后的SD 卡插入树莓派SD卡槽中，将树莓派和LCD 显示屏连接，启动树莓派，在屏幕中找到WiFi 图标，连接无线网。

3.2 TSL25911 数字光照传感器

这是一款高灵敏度的数字环境光传感器，具有600M:1 宽动态范围，可检测高达 88000Lux 的光强，I2C 接口控制，低功耗，适合在各种光照条件下工作。采用TSL25911FN，可测量红外光及人类可见光（相比TSL2561 测量范围更广）。内置ADC，通过I2C 接口可直接输出光强度，不易受噪声干扰，灵敏度高达188uLux，内置含有红外光敏二极管，即使在红外噪声干扰大的复杂环境中也能较准确地进行检测，内部具有中断输出，可编程的上下限阈值，板载电平转换电路，可兼容3.3V/5V 的工作电平。

3.3 LCD 显示屏

LCD 显示屏是一种借助于薄膜晶体管技术所驱动的有源矩阵液晶显示器。其工作原理为：首先是进行内部电能转换到光能的功能，通过电场的变化来改变其内部结构中各个液晶分子的方向，进而影响外部光源对屏内结构的透光率。然后，通过激励来影响三基色的光膜，进而实现彩色重显。

在本系统中的作用主要是用于网页界面的显示，更方便、快捷地向使用者展现各种数据以及环境参数的变化。

4 实验与分析

准备树莓派、摄像头、USB 连接口、光源传感器等一系列硬件设备。连接电源，启动树莓派、LCD 显示屏，预设WiFi 热点，使硬件连接外网，将树莓派环境配置为Ubuntu 24.04 的系统中，树莓派设备上面的摄像头将采集到的茶叶图像传输到茶叶识别模块，之后在对茶叶的新老程度进行检测前，对周边的环境光照强弱情况进行系统性的定位处理，再对图像进行预处理操作，通过对采集到的茶叶图像的预处理可以有效地提高模型识别的准确率，减少光照的暗弱因素对茶叶识别质量产生的影响，将茶叶识别模块上的图像使用训练好的MobileNetV2 神经网络模型进行训练和识别，数据训练模集如图2 所示，并将识别后茶叶种类的结果输出到树莓派的显示屏上，以便更加直观地进行观察[7]。最后采用TCP 网络通信，将识别的结果放到我们的电脑上面，以便于我们之后的观察。

图2 茶叶数据训练集

研究样本选自景德镇市浮梁县茶园里的茶叶的图片，含有晴天时拍摄的图片、雨天时拍摄的图片以及阴雨天拍摄的图片若干张，其中景德镇的浮梁茶采集于2021 年秋至2022 年清明节前后。在晴天、雨天、阴天不同的环境下利用数码照相机、华为P40 和苹果12 等手机采集水平角度下的茶叶嫩芽清晰图像，筛选出最清楚的图片加以收集保存。在window10 系统下64位计算机搭建MobileNetV2 卷积算法神经网络，计算机CPU 型号Intel(R) Core(TM) i7-8750H CPU@2.20GHz。运行内存（RAM）16GB，最后得出表1 中的数据。

表1 茶叶识别情况

5 结论

智能识别茶叶的研究为茶园的智能化和智能旅游提供了基础，针对目前识别设备的便携性问题，本文将树莓派和MobileNetV2 神经网络模型相结合，利用便携的树莓派硬件，将实时数据上传到电脑上，给茶叶的识别提供了一种便利的智能系统，对茶园中的茶叶生长状况和细嫩程度进行有效的识别，采集并标注了茶叶的数据集，针对茶叶新老程度、一芽一叶和一芽二叶等多种状态，初步研究和构建了基于MobelNetV2卷积神经网络的茶叶状态识别模型。该模型的方法有效地避免了传统机器视觉识别对有效特征的依赖性，可以很好地识别自然环境下茶叶细嫩程度状态。此方法还存在着许多的不足之处，其中不同角度的茶叶展现出状态存在很大的误差性。后期将根据不同角度下茶叶状态进行改善处理，在数据收集处理的步骤中，增加不同角度拍摄样本数据，选择光线角度充足无阴影的区域，以提高嫩芽状态识别能力[8]，为茶叶嫩芽采摘提供理论性的基础和参考的依据。不过，本系统还面临着一些问题的困扰，其中需要在同一网络环境下才能实现数据的实时检测还不是很便捷，还需进行改进。