颜色和形状特征的茶叶嫩芽识别方法
2009年9月
农业机械学报
第40卷增刊
基于颜色和形状特征的茶叶嫩芽识别方法*
杨福增1
杨亮亮1
田艳娜2
杨
青1
(1.西北农林科技大学机械与电子工程学院,陕西杨凌712100;2.西北农林科技大学信息工程学院,陕西杨凌712100)
【摘要】与人工采摘茶叶相比,现有采茶机械虽能提高采摘速度,但采摘时老叶、嫩叶一起采,缺乏选择性,并
有部分叶片遭破损,降低了原料品质。为此,需要研究具有选择性、低损伤率的自动采摘方法。本文采用基于颜色和形状特征的图像处理方法,实现茶叶嫩芽的计算机识别和检测。针对清明期陕西名茶“午子仙豪”茶叶,首先在RGB颜色空间中提取茶叶图像的G分量,并采用双阈值方法对图像进行分割;然后根据茶叶嫩芽的形状特征,检测茶叶嫩芽的边缘。实验结果表明:基于颜色和形状特征的识别方法能有效分辨出茶叶嫩芽,识别准确率为94%,为实现茶叶嫩芽的自动采摘提供了一种有效方法。
关键词:茶叶嫩芽识别颜色特征形状特征中图分类号:TP391.41;¥571.1
文献标识码:A
RecognitionoftheTeaSproutBased
on
ColorandShapeFeatures
YangQin91
YangFuzen91YangLianglian91
TianYanna2
(I.CollegeofMechanical&ElectronicEngineering,NorthwestA&FUniversity。Yangling,Shaan.ri712100,China
2.College
ofInformationEngineering,NorthwestA&FUniversity,Yangling。Shaanxi712100。China)
Abstract
Itis
a
bigproblemforChina
to
have
not
enoughworkforcesinpickingteasprouttoday,which
usuallyresultinmissingtheteasprout’Soptimumpickingperiod.Thepickingmachinecurrentlyusedimprovesthepickingefficiencyindeed.However,theoldleavesandthesproutisdamagedthat
can
at
are
pickedtogetherwiththesprout,
an
sometime.Henceitisnecessary
to
develop
intelligentpickingmachine
an
recognize
andpickthesproutwiththeminimumsproutdamage.Thispaperpresents
on
image
process
method
basedthe
teatea
sprout
colorandshapefeatures,whichwasused
sprout
to
recognize
the“Wuzi
Xianhao'’(afamous
green
ofShaanxi,China)tea
the
tea
grownatXixiangCountyofShaanxi
space
Province.Firstly,thegreen
componentof
Iear
imageinRGBcolor
wasextracted.
Secondly,greencomponentimagewassegmentedusingdoublethresholdmethod.Finally,theedgeof
tea
sprout
isdetectedaccording
tea
toon
itsshapefeature.Experimentalresultsindicatethatthisrecognizingcolorandshapefeatures
tea
can
method
ofthe
an
sprout
based
reachtherightdetection
rate
of94%.
andprovide
effectivemethodforautomatic
sproutpicking.
Keywords
Tea
sprout,Recognition,Color
feature,Shapefeature
引言
为了解决我国茶叶采摘劳动力缺乏、人力采摘速度低等问题,目前已有机械式采摘方法[IJ,这种
方法虽能提高采摘速度,但采摘时老、嫩叶一起采,缺乏选择性,并有部分叶片遭破损,降低了原料品质。为此,需要研制具有选择性、低损伤率的自动采摘机械,其中最基础和最重要的工作之一是研究嫩
收稿日期:2009—07—10修回日期:2009—08一01
*国家“863”高技术研究发展计划资助项目(2008AAl00903—7)、陕西省科技攻关项目(14210110)、中国博士后科学基金资助项目(20060401012)和学校青年学术骨干项目(01140303)
作者简介:杨福增.副教授,博士后。主要从事农业工程现代化、图像处理与小波变换研究,E.mail:yfz0701@163.colll通讯作者:杨青,教授,主要从事智能化农业装备与精细农业研究,E.mail:yangtin@public.xa.sn.cn
万方数据
120
农业机械学报
2009焦
芽的自动识别方法。对茶叶嫩芽的识别国内外目前尚无相应研究。农业工程界的其他相关研究,如田间杂草的识别、植物叶片形状识别等,多为单一叶片的颜色或形状的识别,较少有对同一植株上不同特征叶片的识别研究[2--8]。本文采用图像处理的方法,根据茶叶叶片的颜色和形状特征实现对茶叶嫩芽的识别。
1茶叶图像的采集
在白色背景下,采用SONY(R)DSC—T900相机拍摄清明期陕西省汉中市西乡县产“午子仙毫”茶叶图像,拍摄时茶叶枝条朝上,相机正对枝条。图像尺寸为512×512像素。
2茶叶嫩芽识别方法
2.1茶叶叶片颜色与形状特征分析
图1a为采集的一幅茶叶枝条的彩色图像。由图可见,新叶颜色较浅,G分量特征较明显。图1b~图1d分别为提取的R、G和B分量图像。由图可见,从G分量图像中能清晰分辨出新叶与老叶,而R分量图像分辨性次之,B分量图像较难分辨。因此,将彩色图像转换为灰度图像时,仅提取G分量,略去R和B分量。图2为G分量图像(图lc)对应的灰度直方图。图2中存在4个波峰,分别为50级附近2个、150级和180级各一个。由于前两个波峰相距很近,且跨度较小,为简化计算,可近似地看成1个波峰,忽略第2个波峰。只保留第1个波峰(50级)。灰度值第1个波峰左侧(0~50级)的像素对应图1c中的老叶片和叶柄部位,灰度值在第1个
图1茶叶图像
Fig.1
Teaimage
(a)原始彩色图像(b)红色R分量图像
(c)绿色G分量图像(d)蓝色B分量图像
1.新叶2.老叶
万
方数据波峰和第2个波峰之间(50~150级)的像素对应图1c中的嫩叶和部分叶脉,而灰度值在第2个波峰右侧(大于150级)的像素对应图1c中的灰色背景,且集中于最右波峰(180级)处。
从形状特征来看,图1a所示新叶(包括嫩芽)在竖直方向上一般处于较高的位置,且叶片呈细长形,宽度窄于老叶。嫩芽的芽尖往往为整幅图像的最高点,其两侧分别有一片新叶,通常称之为“两瓣一心”,这里的一心即为中心嫩芽,两瓣则为两片新叶。在人工采茶时,对于高质量的茶叶。因“两瓣”的茶叶质量次之,仅采摘“一心”。本文将采用图像处理方法识别出“一心”的位置,为高品质茶叶的自动化采摘设备研究提供技术支撑。
2.2基于颜色特征的茶叶叶片图像分割
采用阈值分割法对老叶与新叶进行分割时,分割结果主要取决于阈值的大小,对阈值确定的方法研究目前已经有较多的成果[9-11】。通过上述对颜色特征的分析可知,在嫩芽识别中有两个关键的阈值,一是灰度直方图(图2)中左起第1个峰值(记为T】),另一是右起第1个峰值(记为T2)。为此提出灰度直方图中存在多峰值条件下的双阈值确定方法。
图2
G分量图像的灰度直方图
Fig.2
Grayhistogramofthe
green
componentimage
设图像的灰度级为M,灰度级为i的像素点的数量为竹i,则总像素数为
N=r/0+以1+…+挖M—l
(1)
首先,取M/2作为硬阈值,将图像灰度级分为高、低2部分。其次,在低灰度值区域,即灰度级为(0,M/2),求出包含最多像素点的灰度级tl
nf.=max(7"/i)(i=0~M/2)
(2)
式中t1——图2所示的阈值T,
最后,类似地在高灰度值区域,即灰度级为(M/2,
M一1),求出包含最多像素点的灰度级t2
卵f.=max(ni)(i=M/2+1~M一1)
(3)
式中
£2——图2所示的阈值T2
对于图1c所示图像,根据上述算法得阈值T.
增刊杨福增等:基于颜色和形状特征的茶叶嫩芽识别方法
121
和T2分别为59和182,与通过视觉分析的结果一致。通过阈值Tl(59)对图1c所示图像进行分割,提取低于阈值的灰度图像,得到图3所示老叶图像,为便于后续处理将其进行二值化处理,得到图4所示图像。至此完成了老叶的分割。
图3分割出的老叶图像
图4老叶二值化图像
Fig.3
Segmented
Fig.4
Binaryimageofthe
oldleavesoldleaves
2.3基于形状特征的嫩芽提取
由图1c与图4比较可见,新叶(包括嫩芽)区域为老叶的上边缘以上的区域,因此采用边缘轮廓提取。首先提取老叶的上边缘轮廓。提取方法为:首先,约定图像左下角坐标为(0,0);其次,对图4所示图像,从左上角开始逐行扫描,直至检测到老叶叶片的上边缘,并记录该坐标值。老叶叶片边缘的确定方法为
聪,={:乏糍暑
㈩
式中B(i)——记录的第i列边缘纵向坐标值,如
该列无边缘像素存在,则记录为零
‰(歹,i)——图4中第.『行、第i列的像素
值,1表示白色背景,0表示黑
色叶片
边缘检测的结果如图5所示。由于图4中不可避免地存在噪声,受这些噪声点的影响使图5中存在突变点,为此需对这些突变点进行消减运算,计算方法为
B(i)=
f篁
{+3
B(i)
.2一‘
I∑B(优)/4
∑B(
)/4}>5
f+3
IB(i)
B(i)
∑B(
)/4I≤5
L
(i=0~c一3)
(5)
式中c——图4所示图像的总列数
经过消减运算后得到图6所示的老叶边缘轮
廓,该轮廓作为分割老叶与新叶的分界线,该线以上部分为新叶。分割结果如图7所示。可见,新叶已被完全分割出来,但其不足之处在于因图6中仍存
万
方数据在个别突变点,使得嫩芽部位的检测不够完整。由图4分析可见,这些突变点是由中心叶柄引起的,不影响新叶的外轮廓检测,因此这里可不进行消噪处理,以节省计算机运行时间。
趔监刮糖轻主囊
横向像素举标值
图5老叶上边缘轮廓坐标
Fig.5
Edgeoftheoldleaves
趔雌哥懈鹱星《
横向像素举标值
图6消除突变点后的老叶上边缘轮廓坐标
Fig.6
Edgeoftheoldleaveswithlessbreakpoints
至此。对图7采用检测老叶边缘类似的法,提取新叶的边缘。同之处在于图4为二值图像,其像素值简单(仅括0、1),图7为灰度图(像素值为0~255)。其算方法为:首先,约定图左下角坐标为(0,0);次,对图7所示图像,从上角开始逐列扫描各行
n。”1eaf
(由于图7左右两侧无叶片,为减少计算量,实际计
算为第20-(512—20)列),直至检测到新叶叶片的上边缘,并记录该坐标值;新叶叶片边缘的确定方法
为
B
7
ci,={三{;:{:::;三;i;
c6,
式中
B
7(i)——记录的第i列边缘的纵向坐标
值,如果该列无边缘像素存在,则
记录值为零
T一(J,i)——图7中第J行、第i列像素值
识别结果如图8所示。进一步,仅提取中心的
122
农业机械学报
2009焦
“一心”部位,方法为:首先,根据对形状特征的分析。提取图8中的最高点,即为嫩芽的顶端,计算方法为
P(i)=max[B7(i)](i=0~z)
(7)
根据表1中计算出的嫩芽根部与顶部的像素坐标值。在图1c中提取嫩芽。结果如图9所示(为便于观察图像区域,增加外边框)。
在图像分析中,计算机为IBM(R)IntelliStation
Z
式中P(i)——计算所得图8的最高点纵坐标值
z——图7所示图像的总列数
480460
图9提取的茶叶“一心”部位嫩芽
Fig.9
tea
趔“0
攀420
瑚;400
Extractedsprout
Pro(MT:9228)。配置为
CPU:Intel(R)Xeon(R)
3.00
譬380
i;360
340320
GHz,内存:4GB。计算耗时如表2所示。
表2计算耗时
横向像素举标值
Tab.2
Timeconsumingofeachimage’Scalculation
图8新叶边缘轮廓
Fig.8
Edgeoftheflewleaf
序号
l
耗时/s
0.4190.4330.4360.4690.4520.453
498151
序号
7
耗时/s
0.43750.484
8
其次,由P(i)对应的列开始向两侧移动求出嫩芽的根部,根部的纵坐标为
Pi(i)=B7(i)
(B7(i)=0或B7(i一1)<B’(i+1);i<io)(8)
28910
3
4
0.4691
0.4668
56
均值0.4523
P;(i)=B7(i)
(B7(i)=0或B7(i+1)>B’(i一1);i≥io)(9)
式中
检测结果(图9)与原G分量图像(图lc)进行比较,可见能够完整地检测出嫩芽,并从实施的过程(图4、图7)可见,对老叶与新叶的分割效果也很好。以能否准确检测出嫩芽为评价标准,对实验中50幅图像进行检测,可以正确识别47幅,准确率为94%。检测失误的原因是由于光线的影响,使得老叶灰度值降低(少数情况下),从而导致新叶与老叶分割产生偏差。
Pi(i)——图8中嫩芽左侧根部纵坐标值P;(i)——图8中嫩芽右侧根部纵坐标值
fo——式(7)计算所得P(i)对应的横坐标值
最后,以式(10)的结果作为“一心”的根部纵坐标值,
P7(i)=rain[Pi(i),P;(i)]
(10)
3识别结果
至此,茶叶经济价值最高的中心嫩芽在图像中的位置被检测确定,位置如表1所示。
表1
Tab.1
4结束语
本文根据茶叶的颜色和形状特征,实现了茶叶
中心嫩芽在图像中的像素坐标值
Pixel’scoordinatevalueaccording
tea
to
the
嫩芽目标的识别。实验结果表明:根据颜色特征提取的茶叶叶片绿色分量图像能够清晰地区分新叶与老叶的差异;根据颜色特征计算的阈值能够成功地
sproutintheimage
部位
坐标值
像素坐标值
坐标值
像素坐值标
纵坐标横坐标
分割出老叶图像;通过对嫩芽形状特征的分析和其边缘轮廓的提取,成功地实现了茶叶嫩芽的准确识别,准确率可达94%,计算耗时约为0.45s/幅,能满足实时识别的需要。
参考文献
1邹勇,胡根贵.茶叶采摘与管理[J].安徽农学通报,2005,11(1):71.
ZouYong,HuGengui.Pickingandmanagementofthe
tea[J].Anhui
AgriculturalScienceBulletin。2005,11(1):71
(inChinese)
2
Broadhead
JS,MuxworthyAR,OngCK,eta1.Comparisonofmethodsfordeterminingleaf
Meteorology,2003,115(3~4):151~161.
area
in
tree
rows[J]
AgriculturalandForest
万方数据
增刊杨福增等:基于颜色和形状特征的茶叶嫩芽识别方法
123
3
SinclairTR,GilbertRA,PerdomoRE,eta1.SugarcaneleafareadevelopmentunderfieldconditionsinFlorida,USA[J].
FieldCrops
Research,2004,88(2--3):171—178.
4
IgathinathaneC,PrakashVSS,PadmaU。eta1.Interactivecomputersoftwaredevelopmentforleafarea
measurement
[J].Computers
andElectronicsin
Agriculture,2006,51(1-2):1~16.
5李震。洪添胜。吴伟斌,等.植物多叶片图像目标识别和叶面积测量方法[J].华南农业大学学报,2007。28(3):105~
109.
LiZhen,Hong
Tiansheng,WuWeibin,eta1.Methodofobjectidentificationandleafareacalculationinmulti—leafscanned
image[J】.JournalofSouthChinaAgricultural
University。2007,28(3):105~109.(inChinese)
6黄林,贺鹏,王经民.基于概率神经网络和分形的植物叶片机器识别研究[J].西北农林科技大学学报:自然科学版,
2008,36(9):212--218.
HuangLin,He
Peng,WangJingmin.Leafrecognitionforplantbased
on
probabilistieneural
networksandfractal[J】.
JournalofNorthwestA&FUniversity:NaturalScienceEdition.2008,36(9):212~218.(inChinese)
7徐增辉。张彦娥.温室黄瓜叶片图像的白平衡处理[J].农业机械学报,2007,38(11):189~191.
XuZenghui,ZhangYan’e.Thewhitebalanceofthecucumberimageofgreenhouse[J].TransactionsoftheChineseSociety
forAgricultural
Machinery。2007,38(11):189~191.(inChinese)
8陈树人,沈宝国,毛罕平,等.基于颜色特征的棉田中铁苋菜识别技术[J].农业机械学报,2009,40(5):149~152.
ChenShuren,Shen
Baoguo,MaoHanping,et
a1.Copperleaf
herbdetectionfromcottonfieldbased
on
color
feature[J].
TransactionsoftheChineseSocietyfor
Agricultural
Machinery。2009。40(5):149~152.(inChinese)
9毛罕平,胡波,张艳诚,等.杂草识别中颜色特征和阈值分割算法的优化[J].农业工程学报,2007,23(9):154~158.
MaoHanping,Hu130,ZhangYancheng,eta1.Optimizationofcolorindexandthresholdsegmentationinweedrecognition
[J].Transactions
of
theChineseSocietyofAgriculturalEngineering,2007,23(9):154~158.(inChinese)
10
肖超云。朱伟兴.基于Otsu准则及图像熵的阈值分割算法[J].计算机工程,2007,33(14):188~189,209.
XiaoChaoyun,Zhu
Weixing.Thresholdselectionalgorithmforimagesegmentationbased
on
Otsuruleandimageentropy
[J].ComputerEngineering,2007。33(14):188~189。209.(inChinese)
11刘志杰,田艳娜,杨亮亮,等.重叠条件下茶叶嫩芽的自动检测方法[J].中国体视学与图像分析,2009,14(2):129~
132.Liu
Zhijie。TianYanna,YangLiangliang,et
a1.Automatic
detectionofoverlapped
tea
leafsprouts[J].ChineseJournalof
StereologyandImageAnalysis,2009,14(2):129~132.(inChinese)
12王勇。沈明霞,姬长英.基于颜色信息和形状特征的棉桃识别方法[J].农业机械学报。2007,38(11):77~79,87.
WangYong,ShenMingxia。Ji
Changying.Using
colordata
and
shapepropertiesfor
cottonfruitrecognition[J】.
TransactionsoftheChineseSocietyfor
Agricultural
Machinery。2007,38(11):77~79,87.(inChinese)
(上接第149页)
6薛艳,沈振国.蔬菜对土壤重金属吸收的差异与机理[J].土壤,2005,37(1):32~36.
XueYan,ShenZhenguo.Differencein
heavymetaluptakebetweenvariousvegetablesanditsmechanism[J].Soils,2005,
37(1):32~36.(inChinese)
7温艳霞,李建科,张晓敏,等.植物酯酶法检测有机磷农药的敏感性和检测限的研究[J】.食品科学,2006,27(9):186~
188.
,
WenYanxia,LiJianke。ZhangXiaomin,eta1.Studies
on
sensitivityanddetectionlimitofphytoesterase
on
organophosphate
pesticides[J].FoodScience,2006,27(9):186~188.(inChinese)
万
方数据
基于颜色和形状特征的茶叶嫩芽识别方法
作者:作者单位:刊名:英文刊名:年,卷(期):
杨福增, 杨亮亮, 田艳娜, 杨青
杨福增,杨亮亮,杨青(西北农林科技大学机械与电子工程学院,陕西杨凌,712100), 田艳娜(西北农林科技大学信息工程学院,陕西杨凌,712100)
农业机械学报
TRANSACTIONS OF THE CHINESE SOCIETY FOR AGRICULTURAL MACHINERY2009,40(z1)
参考文献(12条)
1.毛罕平;胡波;张艳诚 杂草识别中颜色特征和阈值分割算法的优化[期刊论文]-农业工程学报 2007(09)2.陈树人;沈宝国;毛罕平 基于颜色特征的棉田中铁苋菜识别技术[期刊论文]-农业机械学报 2009(05)3.徐增辉;张彦娥 温室黄瓜叶片图像的白平衡处理[期刊论文]-农业机械学报 2007(11)
4.王勇;沈明霞;姬长英 基于颜色信息和形状特征的棉桃识别方法[期刊论文]-农业机械学报 2007(11)5.刘志杰;田艳娜;杨亮亮 重叠条件下茶叶嫩芽的自动检测方法[期刊论文]-中国体视学与图像分析 2009(02)6.肖超云;朱伟兴 基于Otsu准则及图像熵的阈值分割算法[期刊论文]-计算机工程 2007(14)
7.黄林;贺鹏;王经民 基于概率神经网络和分形的植物叶片机器识别研究[期刊论文]-西北农林科技大学学报(自然科学版) 2008(09)
8.李震;洪添胜;吴伟斌 植物多叶片图像目标识别和叶面积测量方法[期刊论文]-华南农业大学学报 2007(03)9.Igathinathane C;Prakash V S S;Padma U Interactive computer software development for leaf areameasurement[外文期刊] 2006(1-2)
10.Sinclair T R;Gilbert R A;Perdomo R E Sugarcane leaf area development under field conditions inFlorida,USA[外文期刊] 2004(2-3)
11.Broadhead J S;Muxworthy A R;Ong C K Comparison of methods for determining leaf area in tree rows2003(3-4)
12.邹勇;胡根贵 茶叶采摘与管理[期刊论文]-安徽农学通报 2005(01)
本文链接:http://d.g.wanfangdata.com.cn/Periodical_nyjxxb2009z1027.aspx