基于机器视觉的工夫红茶萎凋叶水分检测

来源：石河子大学学报·自然科学版杂志2019年第1期北京时间：

作者：梁高震, 胡斌, 董春旺, 江用文, 罗昕

单位：（1 石河子大学机械电气工程学院，新疆 石河子 832003；2 中国农业科学院茶叶研究所，浙江 杭州 310008）

摘要：萎凋是工夫红茶加工的首道工序，萎凋叶水分检测主要依赖于人工经验判断，难以做到精准、客观和量化评价。本文针对萎凋叶摊放工艺，以工夫红茶萎凋在制品为研究对象，基于机器视觉技术获取萎凋叶图像的色泽和纹理特征信息，分析图像特征变量的变化规律及其与水分的关联；采用偏最小二乘法PLS（Partialleastsquares）、极限学习机ELM（Extermelearningmachine）和支持向量机回归SVR（Supportvectormachineregression）方法，分别建立萎凋叶水分定量预测模型。结果表明：3种预测方法预测值和实际值的相关系数均大于0.95，非线性SVR模型明显优于PLS模型和ELM模型，其预测集的相关系数Rp（Correlationcoefficientofpredicationset）和预测均方根RMSEP（Root-mean-squareerrorofprediction）分别为0.9904和0.0118，预测集绝对误差均小于0.05，相对标准偏差RPD（Relativepercentdeviation）值为6.6264。这说明SVR方法能够更好表征图像信息与水分之间的量化解析关系，具有更优的泛化性和鲁棒性，为萎凋加工中水分含量快速无损检测提供了解决方案，为工夫红茶水分在线检测装置的开发提供理论基础，对茶叶机械智能化的发展具有重要意义。

关键词：工夫红茶；机器视觉；萎凋；水分；定量预测 

基金资助：国家重点研发项目（2017YFD0400800，2018YFD0700500），浙江省自然科学基金（Y16C160009）