| 基于计算机视觉技术的茶叶品质随机森林感官评价方法研究 |
| |
| 引用本文： | 刘鹏,吴瑞梅,杨普香,李文金,文建萍,童阳,胡潇,艾施荣. 基于计算机视觉技术的茶叶品质随机森林感官评价方法研究[J]. 光谱学与光谱分析, 2019, 39(1): 193-198. DOI: 10.3964/j.issn.1000-0593(2019)01-0193-06 |
| |
| 作者姓名： | 刘鹏 吴瑞梅 杨普香 李文金 文建萍 童阳 胡潇 艾施荣 |
| |
| 作者单位： | 江西农业大学工学院 ,江西 南昌,330045;江西省蚕桑茶叶研究所 ,江西 南昌,330203;江西农业大学软件学院 ,江西 南昌,330045 |
| |
| 基金项目： | 国家自然科学基金项目(31460315)，江西省重点研发计划项目(20171ACF60004)，江西省现代农业产业技术体系专项资金(JXARS-02)资助 |
| |
| 摘 要： | 为弥补茶叶品质感官审评存在的缺陷,利用计算机视觉技术对茶叶品质进行快速无损评价研究。以碧螺春绿茶为对象,依据专家感官审评结果,将茶样分成4个等级;采用中值滤波及拉普拉斯算子对茶样图像进行预处理,并提取预处理后的茶样图像的颜色特征和纹理特征以表征茶叶图像的外形特征,利用随机森林算法对茶叶外形特征属性进行重要性排序;筛选出重要性较大的特征及随机森林算法中最优的决策树棵数建立感官评价模型,并与建立的支持向量机(SVM)模型性能相比较。结果表明:色调均值、色调标准差、绿体均值、平均灰度级、饱和度均值、红体均值、饱和度标准差、亮度均值、一致性等9个特征属性的重要性较大,且与感官审评特征描述结果相一致;当采用优选出的9个重要性较大的特征及决策数棵数为500时,建立的模型性能最优,模型总体判别率为95.75%,Kappa系数为0.933,OOB误差为5%,较SVM模型分别提高了3.5%,0.066,优选的9个重要性较大的图像特征与感官审评特征描述相一致。研究表明:利用随机森林方法筛选出对茶叶外形特征属性贡献最大的少数几个特征建立模型,模型性能就能达到很好的识别效果,模型得到简化,同时模型精度和稳定性都高于其他方法。
|
| 关 键 词： | 计算机视觉 茶叶品质 感官审评 随机森林 支持向量机 |
| 收稿时间： | 2017-12-01 |
Study of Sensory Quality Evaluation of Tea Using Computer Vision Technology and Forest Random Method |
| |
| LIU Peng,WU Rui-mei,YANG Pu-xiang,LI Wen-jin,WEN Jian-ping,TONG Yang,HU Xiao,AI Shi-rong. Study of Sensory Quality Evaluation of Tea Using Computer Vision Technology and Forest Random Method[J]. Spectroscopy and Spectral Analysis, 2019, 39(1): 193-198. DOI: 10.3964/j.issn.1000-0593(2019)01-0193-06 |
| |
| Authors: | LIU Peng WU Rui-mei YANG Pu-xiang LI Wen-jin WEN Jian-ping TONG Yang HU Xiao AI Shi-rong |
| |
| Affiliation: | 1. College of Engineering, Jiangxi Agricultural University, Nanchang 330045, China2. Sericulture and Tea Research Institute of Jiangxi Province, Nanchang 330203, China3. College of Software, Jiangxi Agricultural University, Nanchang 330045, China |
| |
| Abstract: | |
| |
| Keywords: | Computer vision Tea quality Sensory evaluation Random forestalgorithm Support vector machine |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《光谱学与光谱分析》浏览原始摘要信息 |
|
点击此处可从《光谱学与光谱分析》下载全文 |
|
