基于人工智能的茯砖茶发花动态检测方法与流程

本发明一般地涉及图像处理领域。更具体地，本发明涉及基于人工智能的茯砖茶发花动态检测方法。

背景技术：

1、茯砖茶加工中的发花过程是使得茯砖茶具有独特品质的关键工艺。发花的实质是通过控制茯砖茶加工环境的温湿度条件，促使有益菌种—冠突散囊菌在茯砖茶表面的生长与繁殖。冠突散囊菌的外观呈金光色的小球形，俗称“金花”。“金花”的含量能直接影响茯砖茶的品质，生产茯砖茶时会根据“金花”的数量来判断茯砖茶品质的优劣。

2、由于茯砖茶在发花的过程中，前期的“金花”较小且分布比较离散，后期的“金花”较大且分布比较密集，对“金花”的数量进行动态检测时，容易受茶砖表面茶叶、茶梗分布的干扰使得检测结果不准确，导致无法准确判断茯砖茶图像上“金花”的发酵程度，从而对评估生产的茯砖茶的品质造成影响。

技术实现思路

1、为解决上述一个或多个技术问题，本发明提出基于人工智能的茯砖茶发花动态检测方法。为此，本发明在如下的多个方面中提供方案。

2、基于人工智能的茯砖茶发花动态检测方法，包括以下步骤：获取预处理后的茯砖茶表面图；根据像素点的色相值将所述茯砖茶表面图中的像素点进行分类，并对分类结果进行筛选，获得第一结果；利用区域生长算法获取所述第一结果中所有像素点的生长区域，所述生长区域的个数至少为一；分别计算每个所述生长区域中所有边缘像素点的拉普拉斯响应值的均值，并将所有所述均值的中位数作为第一评判标准；根据所述第一评判标准对所述生长区域进行分类，获得第二结果，所述第二结果包括茶梗区域、发花区域和未知区域；分别计算目标未知区域的形状规则程度和面积差异程度，所述目标未知区域为任意一个所述未知区域；基于所述形状规则程度以及计算的第一权重和所述面积差异程度以及计算的第二权重，计算所述目标未知区域为发花区域的可能性，并将每个所述可能性的中位数作为第二评判标准；基于所述第一评判标准、所述第二评判标准、所述均值、所述可能性、预设的第三权重和预设的第四权重计算所述目标未知区域为发花区域的总概率，当所述总概率大于预设概率阈值，所述目标未知区域为准确发花区域；将所有准确发花区域的像素点和所述茯砖茶表面图的总像素点的占比作为发花密集程度，根据所述发花密集程度完成茯砖茶发花状态检测。

3、在一个实施例中，所述获得第一结果包括步骤：将预处理后的茯砖茶表面图转化为hsv颜色空间；预设金花颜色的分类色相值、茶叶颜色的分类色相值和茶梗颜色的分类色相值；分别将所述茯砖茶表面图中目标像素点的色相值与预设金花颜色的分类色相值、茶叶颜色的分类色相值和茶梗颜色的分类色相值做差，差值最小即为目标像素点对应的分类，所述目标像素点为所述茯砖茶表面图中任意一个像素点；遍历所述茯砖茶表面图中所有像素点，获得金花颜色的分类、茶叶颜色的分类和茶梗颜色的分类，将茶叶颜色的分类剔除后获得第一结果。

4、在一个实施例中，获得所述第一评判标准包括步骤：将任意一个所述生长区域的任意一个所述边缘像素点作为模板中心像素点；利用预设的拉普拉斯算子模板对所述模板中心像素点的8邻域中0度、90度、180度和270度方向上的4个像素点进行卷积运算，获得所述中心像素点的拉普拉斯响应值；遍历任意一个所述生长区域的所有所述边缘像素点，获得每个所述边缘像素点对应的拉普拉斯响应值；计算所有所述边缘像素点的拉普拉斯响应值的均值，并将所述均值排序，将所述均值的中位数作为所述第一评判标准。

5、在一个实施例中，计算所述目标未知区域的形状规则程度包括步骤：任选所述目标未知区域中两个所述边缘像素点作为椭圆的两个焦点，遍历所述目标未知区域中所有所述边缘像素点，获得所述目标未知区域的最小外接椭圆；计算所述目标未知区域的形状规则程度，所述形状规则程度满足关系式：

6、，其中，表示第个未知区域的形状规则程度，表示第个未知区域的最小外接椭圆的长轴半径，表示第个未知区域的最小外接椭圆的短轴半径，在形状规则程度关系式中，第个未知区域即为目标未知区域。

7、在一个实施例中，计算所述目标未知区域的面积差异程度包括步骤：获得所述目标未知区域的面积和所述目标未知区域最小外接圆的面积；计算所述目标未知区域的面积差异程度，所述面积差异程度满足关系式：

8、，其中，表示第个未知区域的面积差异程度，表示第个未知区域的面积，表示第个未知区域最小外接圆的面积，在面积差异程度关系式中，第个未知区域即为目标未知区域。

9、在一个实施例中，获取所述第二评判标准包括步骤：将所述目标未知区域的形状规则程度和所有未知区域形状规则程度的累加值的比值作为所述第一权重；将所述目标未知区域的面积差异程度和所有未知区域面积差异程度的累加值的比值作为所述第二权重；计算目标未知区域为发花区域的可能性，所述可能性满足关系式：

10、，其中，表示第个未知区域为发花区域的可能性，表示第个未知区域的第二权重，表示第个未知区域的面积差异程度，表示第个未知区域的第一权重，表示第个未知区域的形状规则程度，在可能性关系式中，第个未知区域即为目标未知区域。

11、遍历所有未知区域，获得每个未知区域对应的可能性，将每个所述可能性的中位数作为第二评判标准。

12、在一个实施例中，所述总概率满足关系式：

13、，其中，表示第个未知区域为发花区域的总概率，表示第个未知区域中所有边缘像素点的拉普拉斯响应值的均值，表示第个未知区域为发花区域的可能性，表示第一评判标准，表示第二评判标准，表示第三权重，表示第四权重，表示归一化函数。

14、本发明具有以下技术效果：

15、根据每个像素点的色相与金花颜色的分类色相值、茶叶颜色的分类色相值和茶梗颜色的分类色相值的差值，将像素点归类到差值较小的一部分。对筛选后的像素点进行区域生长，根据生长后的区域边缘特征，建立第一评判标准，根据第一评判标准将像素点进一步分类为茶梗区域、发花区域和未知区域。计算未知区域的形状规则程度和面积差异程度，从而建立第二评判标准。结合第一评判标准和第二评判标准得到准确判断聚类后的区域是发花区域的概率，最后根据发花密集程度完成茯砖茶发花状态检测，能够更加清晰的区分发花区域，降低茶叶、茶梗的背景的影响导致检测结果不准确的情况，提高发花检测的准确度。

技术特征：

1.基于人工智能的茯砖茶发花动态检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于人工智能的茯砖茶发花动态检测方法，其特征在于，所述获得第一结果包括步骤：

3.根据权利要求1所述的基于人工智能的茯砖茶发花动态检测方法，其特征在于，获得所述第一评判标准包括步骤：

4.根据权利要求1所述的基于人工智能的茯砖茶发花动态检测方法，其特征在于，计算所述目标未知区域的形状规则程度包括步骤：

5.根据权利要求1所述的基于人工智能的茯砖茶发花动态检测方法，其特征在于，计算所述目标未知区域的面积差异程度包括步骤：

6.根据权利要求1所述的基于人工智能的茯砖茶发花动态检测方法，其特征在于，获取所述第二评判标准包括步骤：

7.根据权利要求1所述的基于人工智能的茯砖茶发花动态检测方法，其特征在于，所述总概率满足关系式：

技术总结
本发明涉及图像处理领域，更具体地，本发明涉及基于人工智能的茯砖茶发花动态检测方法。所述方法包括：获取预处理后的茯砖茶表面图；根据像素点的色相值分类并筛选获得第一结果；获得第一评判标准，根据第一评判标准获得未知区域；计算目标未知区域的形状规则程度和面积差异程度，以获得目标未知区域为发花区域的可能性，进而获得第二评判标准；计算目标未知区域为发花区域的总概率，判断目标未知区域是否为准确发花区域，根据准确发花区域获得发花密集程度，完成茯砖茶发花状态检测。通过本发明的技术方案，能够更加清晰的区分发花区域，提高发花检测的准确度。

技术研发人员：周文富,马树政
受保护的技术使用者：陕西仙喜辣木茯茶有限公司
技术研发日：
技术公布日：2024/5/16