王梦妮，顾寄南，王化佳，胡甜甜，方新领，潘知瑶

（江苏大学机械工程学院，镇江，212013）

0 引言

作为全球最大的茶叶生产和消费国，中国的人均年消费量已超过1 500 g[1]。茶产业属于季节性劳动密集型产业，其中人工采摘环节占整个茶园管理用工的60%左右[2]。人工采摘不但效率低还占用大量农时，人工成本高；市面上的传统采茶机效率高但仍处于嫩芽与老叶同时“一刀切”的水平，这种“无差别采摘”方式极可能造成茶嫩芽的损坏，采摘的茶叶完整度低、质量差，只能制作廉价的大宗茶[3]。因此，为了将茶农从繁重的采摘作业中解放出来，提高嫩芽采摘的准确率和效率，研究茶叶的智能化采摘具有重要意义，其前提和关键便是茶嫩芽的准确识别。

近年来，对茶嫩芽的识别检测方法研究主要集中在国内，其研究方法包括传统图像处理和深度学习方法。传统的图像处理方法是根据灰度、颜色、纹理和形状等基本特征对图像进行区域划分，使得区域间显差异性、区域内呈相似性[4]。吴雪梅等[5]根据嫩芽和老叶的G 和G-B 分量的颜色信息，利用改进的最大方差自动取阈法计算G 和G-B 分量的分割阈值，分割出嫩芽。张浩等[6]结合RGB 因子和Otsu 法对图像处理，通过滤波、腐蚀膨胀、阈值分割，面积筛选等得到嫩芽二值图。张可等[7]人基于传统阈值分割方法，结合K 聚类理论，提取茶叶图像RGB 模型中的R-B 分量以及Lab 模型中的b 分量，用于嫩芽图像的提取。张博等[8]通过RGB 色彩分量对图像灰度化，滤波去噪，然后进行图像分割，再通过面积筛选等只保留嫩芽的二值图，从而识别出茶叶嫩芽。……