[发明专利]基于近红外高光谱纹理特征建模的预测茶叶含水率的方法

说明书

技术领域

本发明涉及计算机图像处理技术，特别涉及一种基于近红外高光谱纹理特征建模的预测茶叶含水率的方法。

背景技术

近年来，茶叶含水率的预测方法在茶叶自动化、信息化生产中起到了关键性的作用，对提高茶叶品质，降低高品质茶叶生产成本产生了巨大推进作用。两千多年前，茶叶起源于中国，是丝绸之路上的一种重要商品。今天，全中国范围内种植有超过600种不同品种的茶叶。龙井茶是中国十大茶叶之一，以“西湖龙井”为商品，西湖龙井中又以“狮峰龙井”为最，是一种非常昂贵的茶叶。龙井茶的炒制过程非常复杂，通常只能由有多年炒茶经验的熟练炒茶师傅手工完成，在炒制过程中对水分的含量要求分厂严苛，各个过程的水分含量直接决定了最后龙井茶叶产品的品质。当前对茶叶水分的测量有两大类方法，即实验室方法和传统方法。其中，实验室方法包括烘烤法，电磁波法以及电容法等，这类方法测量结果比较准确，但是普遍存在测量周期长，损坏样品，污染环境等特点。传统方法主要依赖炒茶工人对茶叶的主观感知评价，如触感，颜色等信息对含水率进行大致的估计，这类型的方法虽然具有快速，无损，环保等优势，但是过于主观，过于依赖炒茶工人的经验，无法进行工业化自动化的应用推广。因此有必要研究一种可以对茶叶叶片的含水率进行准确测量的方法。

发明内容

本发明针对现有技术中无法对茶叶叶片含水率进行快速、无损测定的缺点，提供了一种新型基于近红外高光谱纹理特征建模的预测茶叶含水率的方法。

为实现上述目的，本发明可采取下述技术方案：

基于近红外高光谱纹理特征建模的预测茶叶含水率的方法，包括以下具体步骤：

1）数据采集：

1.1）使用精密电子天平对茶叶叶片质量进行称量，记为W_i,j，其中，i为称量次数，j为茶叶叶片的顺序标号；

1.2）使用推帚式高光谱成像系统对茶叶叶片进行高光谱数据采集，采集过程中，使用一个可以调节速度的传送带对茶叶叶片进行传输从而令茶叶叶片产生位移，该位移垂直于所述推帚式高光谱成像系统的线性扫描，其中，以所述位移的距离为y轴，以线性扫描的采样距离为x轴，以采样时得到的光谱波长为z轴，得到一组高光谱数据立方，记为D_i,j；

1.3）使用烘干炉对茶叶叶片进行烘干，烘干温度为55℃，使茶叶叶片脱去部分水分；

1.4）将烘干后的茶叶叶片置于预置有变色硅胶干燥剂的干燥器内，冷却至室温后取出；

1.5）重复上述步骤1.1）-1.4）直至对茶叶叶片的两次称量所得改变小于3%wt，记最后一次称量所得茶叶叶片的重量为茶叶叶片的干重W₀，分别计算每次称量时的茶叶叶片的含水率，记为C_i,j；

2）光谱特征提取：在高光谱数据立方D_i,j范围内，计算该高光谱数据立方D_i，j所有像素点的平均波长，记为光谱向量S_i,j；

3）纹理特征提取：将茶叶叶片的叶面分割成大小均匀的多个正方形区域，对分割后的正方形区域所对应的高光谱数据立方D_i,j应用GLCM算法提取用于代表该区域的纹理特征的特征值向量，所述特征值向量包括能量、对比度、相关性、熵值以及逆差距，所述能量为灰度共生矩阵元素值的平方和，所述对比度为图像的清晰度和纹理沟纹深浅的程度，所述相关性为空间灰度共生矩阵元素在行或列方向上的相似程度，所述熵值为空间共生矩阵中图像纹理的非均匀程度，逆差距为图像纹理的同质性，记所述特征值为T_i,j；

4）数据降维与特征选取：应用连续投影法分别对光谱向量S和特征值向量T进行特征变量选取，选取后的特征变量分别为S′和T′；

5）特征变量建模：分别将茶叶叶片的含水量C、光谱向量S′和特征值向量T′作为PLS算法的输入变量，即X＝[S′T′]^T，Y=C，建立回归模型M，所述回归模型M包括一个系统向量A，令所有的X_i,j与Y_i,j均符合Y_i,j=AX_i,j；通过该回归模型M即可求得茶叶叶片的含水率。