详情

原文传递基于电子鼻和机器视觉的茶叶等级快速无损检测方法

专利名称：	基于电子鼻和机器视觉的茶叶等级快速无损检测方法
摘要：	本发明公开了一种基于电子鼻和机器视觉的茶叶等级快速无损检测方法。收集不同等级的龙井茶样品，分别用电子鼻和机器视觉采集样品的气味和图像信息，提取用于描述不同等级茶叶香气和外观的特征值，分别采用特征级融合策略和决策级融合策略基于电子鼻信号和视觉图像信号建立茶叶等级区分模型。本发明同时考虑了茶叶的香气和茶叶的外观对茶叶品质的影响，能够准确和快速的对茶叶的品质等级进行客观的评价和鉴别，并且不需要对茶叶样品进行任何的预处理，具有较高的实际应用和推广价值。
专利类型：	发明专利
国家地区组织代码：	浙江;33
申请人：	浙江大学
发明人：	王俊;徐敏
专利状态：	有效
申请日期：	2019-04-10T00:00:00+0800
发布日期：	2019-08-16T00:00:00+0800
申请号：	CN201910286808.3
公开号：	CN110133049A
代理机构：	杭州求是专利事务所有限公司
代理人：	林松海
分类号：	G01N27/04(2006.01);G;G01;G01N;G01N27
申请人地址：	310058 浙江省杭州市西湖区余杭塘路866号
主权项：	1.一种基于电子鼻和机器视觉的茶叶等级快速无损检测方法，其特征在于，采集不同等级的茶叶样品，分别用电子鼻采集样品的气味信息和机器视觉采集样品的图像信息，提取用于描述茶叶的气味特征值和外观特征值，分别采用特征级融合策略和决策级融合策略建立茶叶等级区分模型，其中特征级融合具体为：将从电子鼻信号和图像信号中得到的特征值经过PCA预处理，然后直接串联作为原始数据输入，采用支持向量机建立茶叶品质区分模型；决策级融合具体为：将经过PCA处理后的电子鼻信号特征与图像信号特征分别作为支持向量机模型的输入，建立基于电子鼻特征信息的茶叶等级区分模型与基于视觉图像信息的茶叶等级区分模型，将依据这两个区分模型得到的鉴别结果串联融合形成新的特征矩阵，然后基于融合信息的特征矩阵，采用多元逻辑回归建立最终的茶叶品质等级区分模型。 2.根据权利要求1所述的茶叶等级快速无损检测方法，其特征在于，所述的茶叶等级根据国家标准(GB/T23776-2009,2377)确定。 3.根据权利要求1所述的茶叶等级快速无损检测方法，其特征在于，所述的电子鼻采集样品的气味信息，其步骤如下：将待检测茶叶样品5g放入500mL烧杯中，密封，室温静置60min，使烧杯中的顶空气体达到饱和，然后用电子鼻抽取顶空气体进行检测，抽取顶空气体的流速、抽取时间和电子鼻清洗时间分别为200mL/min、70s和70s。 4.根据权利要求1所述的茶叶等级快速无损检测方法，其特征在于，所述的机器视觉采集样品的图像信息，其步骤如下：将经过电子鼻检测后的茶叶样品放入机器视觉图像采集系统以获取茶叶的视觉图像信息，该机器视觉图像采集系统主要包括样品台、CMOS工业相机、LED光源系统和电脑。 5.根据权利要求1所述的茶叶等级快速无损检测方法，其特征在于，所述的气味特征值由电子鼻传感器信号的第35s值、第70s值和面积值组成。 6.根据权利要求1所述的茶叶等级快速无损检测方法，其特征在于，所述的外观特征值由茶叶视觉图像信息中的颜色RGB色彩特征信号和采用离散小波处理后获取的纹理特征组成，对于色彩特征，分别计算出图像的R，G和B通道中各像素点灰度值的均值和方差用于表示图像的颜色特征，具体如公式(1)和(2)所示；图像的纹理信息采用离散小波技术获取，通过小波分解将每根传感器的信号分解为2层，分别将次级频带HH1和HH2中包含的信息用于统计纹理特征计算，提取每根频带中的均值(Mv)，标准差(Sd)和能量(En)信息作为描述茶叶纹理的特征值，具体如公式(3)，(4)和(5)所示：其中m表示总的像素点数，xij表示第i个颜色通道中的第j个像素点；其中p(x,y)表示坐标点(x,y)处的像素值，X和Y分别表示图像二维平面两个维度的像数的数目。 7.根据权利要求1所述的茶叶等级快速无损检测方法，其特征在于，对于未知样本，分别用电子鼻采集待测样品的气味信息和机器视觉采集待测样品的图像信息，提取用于茶叶香气特征值和外观特征值，输入所述的茶叶快速无损检测模型进行检测，得到未知茶叶样品所属品质等级。 8.根据权利要求1所述的茶叶等级快速无损检测方法，其特征在于，应用于茶叶工业生产中品质的快速实时检测。
所属类别：	发明专利