一种基于EGCG浓度差异的茶树嫩叶识别方法与流程

本发明涉及茶叶采摘加工领域，具体涉及一种茶叶嫩叶的识别方法。

背景技术：

茶叶采摘在茶叶生产中是一项颇费人力的劳作，一般要占茶园管理工作量的50％以上，而我国大部分茶区都以名优茶的生产为主，采摘精度要求较高，一般都要达到一芽两叶的标准，如制作一公斤特级君山银针干茶要采摘上万个芽头。

随着经济的不断发展，农村大批劳动力向第二产业、第三产业转移，不少茶区出现劳动力短缺问题。另外名优茶生产周期短，农谚道“茶叶是个时辰草，早采三天是个宝，迟采三天是根草”，说明采茶受到时间的限制很强，在短时期内很难集中足够的劳动力，而且由于采茶工在采摘过程中采摘标准不一，也会降低名优茶的质量。

为了解决茶叶采摘耗用大量人力的问题，人们尝试了茶叶机械化采摘，但目前的茶叶机械化采摘存在着很多问题，首先是影响茶叶的品质，因为现在的主流采摘机械不具备识别的功能，采用粗放的机械切割方式，嫩叶中混杂了很多老叶和老梗以及一些杂草，并且很多嫩叶会在采摘的过程中被打碎；其次是影响茶树的生长发育，茶树经过机械采摘后，冠层展叶数量减少，叶层变薄，生长势削弱速度加快。因此切割式的机械化采摘主要应用于经济效益和营养价值都较低的大宗茶生产。

而对于名优茶智能机械化的采摘，基本上还处在理论阶段，没有能够应用于实际生产的系统。这主要受限于目前的茶叶采摘部位识别系统基于嫩叶的颜色和形状特征，不能很好地适用于复杂的生产环境，如天气、日照的变化以及茶树的不同生长状态等。

技术实现要素：

本发明提供了一种基于EGCG浓度显著性分析的茶树嫩叶识别方法，能对茶树的老叶和鲜叶进行识别，准确度高、抗干扰能力强、适应性好。

一种基于EGCG浓度差异的茶树嫩叶识别方法，包括以下步骤：

(1)针对茶树鲜叶获取其特征波段处的反射率；

(2)基于茶叶中的儿茶素EGCG(以下简称EGCG)浓度与特征波段反射率的关系式，获取所述茶树鲜叶的EGCG浓度；

(3)基于茶树嫩叶的EGCG浓度阈值，对所述茶树鲜叶进行嫩叶识别。

任何外在的差异都有其内部原因，区分茶树的嫩叶与老叶不仅要从外观形态上入手，更要从其内在的化学成分差异入手，EGCG作为茶叶的主要功能内含物，是评价茶叶质量的标准之一，本发明采用高光谱成像技术结合化学计量学方法和图像处理技术可以形象地展现EGCG在茶树中的分布图，继而实现茶树嫩叶识别，客观上提高茶叶识别系统对不同品种茶树的适应性、增强对环境的鲁棒性，为研制名优绿茶叶智能识别系统提供了新的思路。

作为优选，所述茶树鲜叶来自的茶树品种为菊花春茶树、浙农25茶树或迎霜茶树。

作为优选，特征波段为516nm，517nm，520nm，543nm，643nm，649nm，676nm，685nm，692nm，704nm，726nm，763nm和943nm十三个波段。

作为优选，EGCG浓度与波段反射率的关系式为：

Y_EGCG浓度＝142.952-4.604λ₅₁₆+1.829λ₅₁₇+4.711λ₅₂₀-2.482λ₅₄₃+24.429λ₆₄₃-26.051λ₆₄₉-12.785λ₆₇₆+21.904λ₆₈₅-9.743λ₆₉₂+2.77λ₇₀₄+-1.52λ₇₂₆+3.055λ₇₆₃-2.33λ₉₄₃

式中：λ_a代表a nm波段处的反射率，Y_EGCG浓度代表EGCG浓度。

作为优选，针对不同茶树，所述EGCG浓度阈值为：

菊花春茶树，EGCG浓度值≥200mg/g为第一叶位叶片；

迎霜茶树，EGCG浓度值≥120mg/g为第一叶位叶片；

浙农25茶树，EGCG浓度值≥180mg/g为第一叶位叶片。

作为优选，步骤(1)所述茶树鲜叶为自茶树顶芽开始往下的第1-6叶位的叶片，中间不含鱼叶。

作为优选，步骤(2)中a nm波段处的反射率经过如下黑白板校正：

式中：

λ₀是在高光谱采集暗箱中获取的样本原始反射光谱，B是全黑环境下遮盖相机镜头采集的标定反射光谱(反射率为0)，W是白标准反射光谱(反射率为100％)，DN为放大倍数(值为4095)。

与现有技术相比，本发明具有以下有益的技术效果：

(1)适应性强，本发明方法通过分析不同品种茶树不同叶位的EGCG浓度差异显著性，为后续利用机器视觉识别嫩叶提供了普遍适应的标准，这个标准不会因为不同品种茶树嫩叶外观形态的差异而识别不出嫩叶；

(2)鲁棒性好，本发明方法通过提取EGCG的特征波段生成EGCG的浓度分布图，在茶园中，除了茶树中含有EGCG，天空、土壤和杂草中基本上不含有EGCG，因此本发明方法可以很好地屏蔽背景干扰；

(3)准确度高，本发明提出的方法通过茶叶内在的EGCG差异区分老叶与嫩叶，可以解决近色系生物信息的识别难题，综合利用内部化学成分信息和外观形态信息，从而提高嫩叶识别的准确率。

附图说明

图1为茶树不同叶位EGCG含量差异图；

图2为菊花春茶树叶片EGCG浓度分布伪彩图；

图3为图2中EGCG浓度分布伪彩图的R分量图；

图4为图2中EGCG浓度分布伪彩图的G分量图；

图5为图2中EGCG浓度分布伪彩图的B分量图。

具体实施方式

实施例

首先采集菊花春、浙农25、迎霜3个品种茶树6个叶位各30片鲜叶，共计3*6*30＝540片，把这些茶叶叶片按茶树种类与叶位分成54个样本，即每个样本10个鲜叶叶片，采用高光谱成像仪(ImSpector V10E，Spectral Imaging Ltd.，Oulu，Finland)扫描叶片的高光谱图像，扫描结束后，将鲜叶冷冻干燥24小时，研磨成粉，采用高效液相色谱仪(岛津LC-20，日本)测量每个样本的EGCG浓度，叶片的EGCG浓度值统计结果如表1所示。

表1EGCG统计结果(J表示菊花春、Z表示浙农25、Y表示迎霜)

通过SPSS软件分别对不同品种茶树的不同叶位的EGCG浓度差异进行显著性分析，分析结果如表2-4所示。

表2菊花春不同叶位EGCG浓度差异显著性分析结果

表3迎霜不同叶位EGCG浓度差异显著性分析结果

表4浙农25不同叶位EGCG浓度差异显著性分析结果

结合图1，图1中：纵坐标为EGCG浓度(mg/g)，横坐标中的J表示菊花春茶树、Z表示浙农25茶树、Y表示迎霜茶树，例如J-1表示菊花春茶树上第一叶位叶片，J-n表示菊花春茶树上第n叶位叶片，其他同理。

a1、b1、c1、d1表示菊花春不同叶位间EGCG浓度的显著性差异(P<0.05)；

a2、b2、c2、d2、e2、f2表示浙农25不同叶位间EGCG浓度的显著性差异(P<0.05)；

a3、b3、c3、d3表示迎霜不同叶位间EGCG浓度的显著性差异(P<0.05)。由显著性分析结果可见，三个品种茶树的第一叶位叶片的EGCG浓度值与其他叶位叶片的EGCG浓度值差异显著性值为1，显著水平为极显著。因此，EGCG的浓度值可以作为区分三个品种茶树嫩叶与老叶的标准。

基于茶叶嫩叶EGCG浓度阈值，进行嫩叶识别，具体阈值为：菊花春茶树，EGCG浓度值≥200mg/g为第一叶位叶片；迎霜茶树，EGCG浓度值≥120mg/g为第一叶位叶片；浙农25茶树，EGCG浓度值≥180mg/g为第一叶位叶片。

通过公式(1)对采集的原始高光谱图像进行黑白板校正，然后使用ENVI 5.1软件选择高光谱图像的感兴趣区域并提取平均光谱。

利用叶片的平均EGCG含量和平均反射光谱特征波段拟合得到平均反射光谱特征波段和平均EGCG的关系如下式所示：

参见图2，依据特征波段相对反射率与EGCG浓度的关系，将每个茶叶叶片在5个特征波长处的相对反射率图像转化为EGCG浓度分布图像。以菊花春茶树叶片EGCG浓度分布图像为例。图中由左至右依次为第一叶位叶片～第六叶位叶片。

提取EGCG浓度分布伪彩图的R分量图、G分量图和B分量图(如图2～5所示)，从图中可以看出，R分量图和B分量图中第一叶位叶片叶与其它叶位叶片的灰度存在着显著的区别。

获得适宜的模型以及阈值后，进行实际检测识别时，包括：

(1)利用阈值分割法去除图像背景从而提取图像中的目标区域；

(2)对目标区域进行灰度化和平滑处理；

(3)二值化灰度图像并进行数学形态学方法处理以消除孔洞；

(4)通过canny算子检测图像中的边界线，并进行多边形拟合，标记闭合边界线内部的区域；

(5)根据特征波段与浓度的关系模型预测不同区域内每个像素点的EGCG浓度值；

(6)统计不同区域内的EGCG浓度均值，然后以EGCG浓度阈值作为标准判定该区域是否为第一叶位叶片。

最后，扫描茶树冠层高光谱图像，通过已建立的光谱反射率与EGCG浓度的关系，得到茶树冠层EGCG浓度分布图，根据上述步骤1～6的方法分割出第一叶位叶片。