自然条件下茶叶嫩芽图像分割方法的研究

探讨茶叶嫩芽自动分割方法,为茶叶智能采摘提供技术支持。以自然环境下茶叶嫩芽图像为研究对象,比较了基于颜色的阈值分割与聚类分割方法对茶叶嫩芽自动分割的影响。首先,选择了R-B和b分量进行茶叶阈值分割;其次在Lab颜色模型下进行K-means聚类分割;最后,通过形态学处理实现茶叶嫩芽自动识别。基于聚类的茶叶分割方法不仅能够抑制颜色阈值分割受光照的影响,且实现了自然环境下茶叶嫩芽的有效分割。     

基于清晰度的茶叶嫩芽聚类分割方法

针对自然环境下茶叶嫩芽图像分割易出现过分割和欠分割等问题,提出一种基于清晰度评价和颜色聚类级联的嫩芽图像分割方法,并结合Tenengrad梯度评价和滑动分割获取清晰度较高的图像区域,然后在RGB、HSV、Lab、YCbCr颜色模型下进行聚类分割。结果表明,选取Tenengrad梯度值的上四分位数作为清晰度初选阈值,漏选率为25%;在HSV颜色模型下,利用K-means聚类方法完成嫩芽图像分割,晴天和阴天环境下嫩芽图像分割精度分别为72.48%和77.83%,较直接K-means分割方法相比,假阳性率分别减少5.19%和2.03%。该方法能够实现自然环境下茶叶嫩芽图像的有效分割,减少欠分割和过分割,为茶叶智能采摘提供理论参考。     

基于图像信息的茶叶二维采摘坐标的提取

茶叶嫩芽识别是实现智能采摘的前提,茶叶识别之后采摘位置参数的提取也是实现智能采摘的关键所在。文章首先分析了机械采茶的整体实现方案,并论证了由茶叶图像获取二维采摘位置的可行性。然后针对图像处理后获取的茶叶嫩芽的二值图像,根据图像中每株嫩芽的外形轮廓去提取最小外接矩形,并标记该矩形的中心点,以该点作为采摘坐标点。得到了茶叶采摘的二维位置参数,为后续茶叶的智能采摘提供依据。     

基于AlexNet的茶叶嫩芽状态智能识别研究

为确定合理有效的茶叶嫩芽采摘时间,提出一种基于AlexNet卷积神经网络的茶叶嫩芽状态智能识别方法。首先,建立自然环境下全开面、半开面和未开面三种状态茶叶嫩芽图像集;然后,训练茶叶嫩芽状态AlexNet网络识别模型;最后,利用测试集样本进行模型检测,训练集和测试集中三种状态嫩芽平均识别率分别为97.8%和88%。实验结果表明,该方法能够有效地识别自然环境下茶叶嫩芽状态,为嫩芽智能采摘提供理论依据。     

葡萄采摘机器人采摘点的视觉定位

针对葡萄采摘机器人在自然环境下采摘点定位困难的问题,本研究提出了一种基于分水岭果梗图像分割和最小角度约束的采摘点定位方法。第一,将采集的葡萄果实图像变换到YUV颜色模型,对U通道灰度图进行均衡化处理,然后进行双阈值分割和形态学开操作去掉干扰区域,再对二值图像进行填充;第二,以检测到的葡萄果实位置为参考,确定葡萄串果梗感兴趣区域,对该感兴趣区域进行分水岭操作;第三,对果梗二值图像进行角点检测,然后分别对每个果梗检测到的角点数据进行线性回归,将拟合到的直线分别与垂直于地面直线进行角度计算,将夹角角度最小的拟合直线所在的果梗确定为葡萄串所连的果梗;第四,对该果梗检测到的角点数据进行K均值聚类分析,聚类中心为最佳采摘点。对采集于晴天顺光、晴天逆光和晴天遮阳这3种条件下各40幅夏黑葡萄图像进行验证,采摘点定位成功率为89.2%,单张葡萄图像的采摘点平均定位时间为0.65 s。说明该方法可以为葡萄采摘机器人提供准确的采摘点坐标信息。     

基于VGG16网络的茶叶嫩芽自动检测研究

茶叶嫩芽检测是实现茶叶智能采摘的重要前提,基于图像处理的嫩芽检测效果受光照、生长环境和目标清晰度等因素影响较大,且自然环境下茶叶遮挡等增加了嫩芽检测难度。为快速、准确地检测茶叶嫩芽,提出了基于VGG16卷积神经网络的茶叶嫩芽自动检测方法。在Linux系统下配置Faster RCNN架构,标记嫩芽样本并训练VGG16检测网络,对晴天和阴天2种环境下20幅茶叶图像进行测试。实验结果表明,基于VGG16的茶叶嫩芽检测平均准确率和召回率分别为94. 84%和96%,能够有效地减少特征选择和重叠等对检测结果的影响,为后期智能采摘提供理论参考。     

图像处理在茶叶嫩芽智能采摘中的应用进展

茶叶嫩芽智能采摘是茶叶生产智能化、信息化的重要前提,基于图像的茶叶智能采摘已成为国内外研究热点。该文综述了图像处理技术在茶叶嫩芽分割、定位和智能采摘中的应用,比较了各方法的优缺点,并对图像处理技术在茶叶智能化采摘上的应用前景提出了展望。     

茶叶副产品的综合开发与利用

种茶主要以采收鲜嫩芽叶为主,而忽略了茶花、茶籽、茶梗、茶灰、废茶渣等副产品的利用,对茶树资源是一大浪费。本文综述了茶叶副产品的综合开发利用,以期为茶叶生产拓宽出路,并提高茶产业附加值。     

搞好冬季茶园管理 提高春茶效益

茶叶是以收获茶树上幼嫩芽叶为目的的经济作物,经过春、夏、秋三季采摘的茶园,冬季茶树的树势较弱、抗逆性差、正常叶芽易脱落易受病虫害侵害、而冬芽（包括潜伏芽）是茶树翌年产量的基础,又是最早采摘、价值最高的茶叶产品。近几年来福鼎市早春鲜茶芽针每kg均在50元以上,最低也达40元以上。所以茶农应突出抓好早茶生产,提高茶叶经济效益。     

巴迪可降解膜和芽接质量对橡胶树嫁接苗成活率及苗木生长的影响

【目的】改善茶叶嫩芽识别困难的问题,提高模型的识别准确率。茶叶嫩芽的识别是实现茶叶自 动化采摘的核心技术之一,而茶叶嫩芽生长的姿态以及采集图像时的拍摄角度等条件都会对茶叶嫩芽的识别带 来困难,造成识别准确率低的问题。【方法】提出一种改进的 YOLOX 茶叶嫩芽检测算法 SS-YOLOX,该方法能 准确地对一芽一叶、一芽二叶等茶叶嫩芽进行识别、分类。该方法通过添加注意力模块（Squeeze and excitation, SE）提高模型的特征提取能力,改善小目标漏检问题、引入 Soft NMS 算法改善检测框重叠度较高时的打分机 制,提高模型对不同场景下嫩芽的识别能力。【结果】消融试验表明,引入 Soft-NMS 算法、SE 模块均能提 高 YOLOX 模型模型的检测精度,以引入 SE 模块提升较为明显。通过不同嫩芽图像对比验证算法的可行性和 准确性,SS-YOLOX 模型的均值平均精度 mAP 比原 YOLOX 模型提高 2.2%,达到 86.3%,表明经过改进后, 模型的识别能力得到提升。在目标嫩芽数量较多的情况下,SS-YOLOX 模型能有效地降低漏检率和错检率。 【结论】SS-YOLOX 模型能准确识别茶叶嫩芽,且识别效果更好,可为茶叶智能化采摘提供技术基础。