[发明专利]一种基于集成算法的茶叶鲜叶等级评定方法

权利要求书

1.一种基于集成算法的茶叶鲜叶等级评定方法，其特征在于：该方法基于集成算法实现，获取一定时间内的图片并测试鲜叶含水率参数上传至处理器，对获取的图像进行分割并从每张图像中得到完整的鲜叶样本，从每个鲜叶样本中提取出特征参数，采用支持向量机算法(SVM)判定每张图像中完整的鲜叶样本所属等级，利用每张图像中获取完整的鲜叶样本所属等级作为特征，运用支持向量机分类算法判定每张取样图像所属的等级，综合该批次取样图像的等级情况综合判定该批次鲜叶等级，再将鲜叶等级和平均含水率特征参数输入至智能加工系统，自适应匹配茶叶加工工艺参数。

2.如权利要求1所述的一种基于集成算法的茶叶鲜叶等级评定方法，其特征在于：所述图像处理算法包括图像预处理、形态特征获取和颜色特征获取，将获取到的图片进行分割，二值化、去除小粒子、提取边缘、确定边缘和区域连通域，获取到多个样本图片形状特征参数，其中，面积A指茶叶图像边界线内包含的所有像素个数，周长C指茶叶样本图像边界像素点的总和，长轴L指区域最小外接矩形的长，短轴S指区域最小外接矩形的宽，复杂形状特征参数计算方法如下：

获取到多个样本图片的颜色特征参数，其中包括颜色基本特征参数R、G、B，复杂颜色特征参数H、I、S、H、S、V计算方法如下：

计算公式如下：

HSV是根据颜色的直观特性而建立的一种颜色空间；计算公式分别如下：

v＝max。

3.如权利要求1所述的一种基于集成算法的茶叶鲜叶等级评定方法，其特征在于：所述集成算法设计如下：

(1)、每批次茶叶图片分割得到多个样本的特征数据输入到支持向量机分类算法模型实现鲜叶老嫩程度的十级评定，具体步骤如下：

1)输入样本数据:Data，其中特征向量个数为17，类别标签为1-10；

2)将多个样本的形状和颜色特征原始数据进行归一化处理，预处理后的特征向量进行随机分割；

3)采用10折交叉验证，随机将训练数据集划分为10份，其中9份用于训练，剩下的1份用于验证。以准确率作为参数优化的评价参数，得到最优支持向量机多分类模型；

4)输入多个批次的多个样本特征参数，利用最优支持向量机多分类模型进行等级判定，得到每个批次多个样本的老嫩程度等级。

(2)、利用每个批次多个采样图像的等级综合判定每个批次的老嫩程度等级；

1)输入每个批次多个采样图像的等级数据:Out_data，其中特征向量个数为50，类别标签为1-10；

2)将Out_data进行归一化处理，预处理后的特征向量进行随机分割；

3)采用10折交叉验证，随机将训练数据集划分为10份，其中9份用于训练，剩下的1份用于验证，以准确率作为参数优化的评价参数，得到最优支持向量机多分类模型；

4)输入归一化后的数据，利用最优支持向量机多分类模型进行每个批次的综合等级判定，得到每个批次老嫩程度等级。

4.如权利要求1所述的一种基于集成算法的茶叶鲜叶等级评定方法，其特征在于：该方法实现依托装置包括供料机构、含水率检测系统、成像系统、鲜叶老嫩程度等级评定系统、模糊控制器输入系统。

5.如权利要求4所述的一种基于集成算法的茶叶鲜叶等级评定方法，其特征在于：还设置有支架、工控机、试验平台，所述的供料系统、含水率检测系统、成像系统、模糊控制器输入系统，所述的试验平台上还设置有上位机。

6.如权利要求4所述的一种基于集成算法的茶叶鲜叶等级评定方法，其特征在于：所述供料系统包括电磁式振动给料机，输送带和可调支架；所述的电磁式振动给料机和输送带用于调节给料速度和鲜叶的平铺厚度。

7.如权利要求4所述的一种基于集成算法的茶叶鲜叶等级评定方法，其特征在于：所述含水率检测系统包括含水率传感器、变送器、模拟量输入模块、上位机显示模块；所述含水率传感器分别在输送带的两侧布置，实现多点采样，采集数据传输到所述上位机后，采用LABVIEW开发多通道模拟量数据采集程序进行数据读取，信号调理后取均值作为模糊控制器输入。