基于移动溯源与图像分析的茶叶品级鉴定方法研究

doi:10.11924/j.issn.1000-6850.casb15050120

中国农学通报 ›› 2015, Vol. 31 ›› Issue (26): 261-265.doi: 10.11924/j.issn.1000-6850.casb15050120

所属专题：园艺

基于移动溯源与图像分析的茶叶品级鉴定方法研究

葛迪,李绍稳,魏同,徐静

(安徽农业大学信息与计算机学院,合肥 230036）

收稿日期:2015-05-22 修回日期:2015-06-20 接受日期:2015-07-13 出版日期:2015-09-23 发布日期:2015-09-23
通讯作者: 李绍稳

Research on the Identification Method of Tea Grade Based on Mobile Traceability and Image Analysis

Ge Di, Li Shaowen, Wei Tong, Xu Jing

(School of Information and Computer, Anhui Agriculture University, Hefei 230036)

Received:2015-05-22 Revised:2015-06-20 Accepted:2015-07-13 Online:2015-09-23 Published:2015-09-23

摘要/Abstract

摘要： 为解决茶叶在质量追溯时防伪和品质鉴定问题，以六安瓜片为研究对象，提出一种结合移动计算和图像分析的茶叶质量追溯方法。该方法的实现以 Android操作系统为平台，通过扫描茶叶质量追溯二维码查询溯源信息。在此基础上，利用智能终端拍照获取完整的单片茶叶正面照片并上传至后台服务器。后台编写的 MATLAB图像处理程序对采集的图像进行预处理和特征参数提取，将提取的颜色和形状共 7项特征参数作为参数集合，运用 SVM分类器对茶叶进行分类，最终将结果反馈到溯源客户端。测试结果证明，该方法能快速帮助消费者对茶叶品级进行初步鉴定。

关键词: 耕地, 耕地, 质量评价, GIS

Abstract: In order to solve the problem of anti-counterfeiting and quality identification in the process of tea quality traceability, we take Lu’ an Guapian as the research subject and propose a method of tea quality tracing combining mobile computing with image analysis. Based on Android operating system, the query traceability information was realized through scanning the quality of the tea two- dimensional code. On these basic, complete single photo of tea was obtained by the mobile terminal and then was uploaded to the server. Later, the MATLAB image processing program written by backstage preprocessed the collected images and extracted the feature parameter. Taking a total of seven parameters of the extracted colors and shapes as parameters sets, we utilized SVM classifier to classify the tea, and sent feedback results to the source client. Test results show that this method can help consumers to identify the tea varieties rapidly.

葛迪,李绍稳,魏同,徐静. 基于移动溯源与图像分析的茶叶品级鉴定方法研究[J]. 中国农学通报, 2015, 31(26): 261-265.

Ge Di,Li Shaowen,Wei Tong and Xu Jing. Research on the Identification Method of Tea Grade Based on Mobile Traceability and Image Analysis[J]. Chinese Agricultural Science Bulletin, 2015, 31(26): 261-265.

参考文献

[1] 王志强.NIRSA快速分析茶叶品质方法的研究[D].镇江:江苏大学,2009.
[2] 赵杰文,陈全胜,张海东,等.近红外光谱分析技术在茶叶鉴别中的应用研究[J].光谱学与光谱分析,2006,26(9):1601-1604.
[3] 杨福增,杨亮亮,田艳娜,等.基于颜色和形状特征的茶叶嫩芽识别方法[J].农业机械学报,2009,40.
[4] Yu Huichun, Wang Jun, Yao Cong, et al. Quality grade identification of green tea using E-nose by CA and ANN[J]. Lebensmittel-Wissenschaft and-Technologie, 2008, 41(7):1268-1273.
[5] Borah S, Bhuyan M, Borah S. Quality indexing by machine vision during fermentation in black tea manufacturing[R]. Sixth International Conference on Quality Control by Artificial Vision,2003:468-475.
[6] 徐海卫,胡常安,汤江文,等.基于机器视觉的神经网络在茶叶鉴别中的应用[J].中国测试技术,2014(3):89-92.
[7] 叶能胜,谷学新,张立芹,等.指纹图谱技术与茶叶分类鉴别研究[C].中国化学会学术年会,2010.
[8] 邵明.基于计算机视觉的龙井茶叶嫩芽识别方法研究[D].杭州:中国计量学院,2013.
[9] 陈大力.数字图像处理中去噪算法的研究[D].沈阳:东北大学,2008.
[10] 王吉林,赵力.数字图像形状特征提取的研究[J].微电子学与计算机,2010,27(5):118-120.
[11] 赵高长,张磊,武风波.改进的中值滤波算法在图像去噪中的应用[J].应用光学,2011,32(4):678-682.
[12] Bednar J B. Applications of median filtering to deconvolution, pulse estimation, and statistical editing of seismic data[J]. Geophysics,2012,48(12):1598-1610.
[13] 黄志开.彩色图像特征提取与植物分类研究[D].合肥:中国科学技术大学,2006.
[14] Chen W T, Liu W C, Chen M S. Adaptive color feature extraction based on image color distributions.[J]. IEEE Trans Image Process,2010,19(8):2005-2016.
[15] Fazli S, Pour H M, Bouzari H. Particle Filter Based Object Tracking with Sift and Color Feature[C]// 2009 Second International Conference on Machine Vision. IEEE Computer Society,2009:89-93.
[16] 杨涛,张森林.一种基于HSV颜色空间和SIFT特征的车牌提取算法[J].计算机应用研究,2011,28(10):3937-3939.
[17] 黄国祥.RGB颜色空间及其应用研究[D].长沙:中南大学,2002.
[18] 郑成勇.一种RGB颜色空间中的车牌定位新方法[J].中国图象图形学报,2010,15(11):1623-1628.
[19] Sural S, Qian G, Pramanik S. Segmentation and histogram generation using the HSV color space for image retrieval[C]// Image Processing. 2002. Proceedings. 2002 International Conference on. IEEE,2002:589-592.
[20] 侯铜,姚立红,阚江明.基于叶片外形特征的植物识别研究[J].湖南农业科学,2009(4):123-125.
[21] Chen Y, Zhou P. Research on Shape and Texture Feature Extraction of Plant Leaf Images[J]. Journal of Zhejiang Sci-Tech University,2013.
[22] 吴冰,秦志远.自动确定图像二值化最佳阈值的新方法[J].测绘学院学报,2001,18(4):283-286.
[23] 郎宇宁,蔺娟如.基于支持向量机的多分类方法研究[J].中国西部科技,2010,9(17):28-29.
[24] 丁世飞,齐丙娟,谭红艳.支持向量机理论与算法研究综述[J].电子科技大学学报:自然科学版,2011,40(1):2-10.
[25] Shai Shalev-Shwartz, Yoram Singer, Nathan Srebro, et al. Pegasos: primal estimated sub-gradient solver for SVM [J]. Mathematical Programming,2011,127(1):3-30.
[26] KB D, JC R, H W, et al. Multiple SVM-RFE for gene selection in cancer classification with expression data[C]. IEEE Trans Nanobioscience,2005:228-234.

基于移动溯源与图像分析的茶叶品级鉴定方法研究

Research on the Identification Method of Tea Grade Based on Mobile Traceability and Image Analysis

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

[1]	卢丽兰, 王玉萍, 尹欣幸, 黄英凯, 范海阔. 海南省水果型椰子园土壤养分调查与评价[J]. 中国农学通报, 2022, 38(8): 72-80.
[2]	陈慧, 周晓月, 谭诚, 张永春, 汪吉东, 马洪波. 紫云英还田对土壤养分和重金属含量的影响[J]. 中国农学通报, 2022, 38(7): 80-85.
[3]	丁琪洵, 汤萌萌, 李子杰, 江文娟, 张学伟, 马友华. 涡阳县高标准农田耕地质量等级评价研究[J]. 中国农学通报, 2022, 38(4): 46-52.
[4]	孙喜军, 邓睿, 吕爽, 高莹, 蔡苗, 缑巧红, 赵娟. 西安市农用地土壤有机质空间变异特征[J]. 中国农学通报, 2022, 38(35): 43-53.
[5]	卢梦瑶, 刘德虎, 鲁雪丽, 梁衡, 孙媛媛, 刘亚林, 宋廷强, 范海生. 基于主成分分析的湖北省洪涝灾害风险评估模型构建[J]. 中国农学通报, 2022, 38(32): 119-127.
[6]	张慧敏, 鲍广灵, 周晓天, 高琳琳, 胡宏祥, 马友华. 严格管控类耕地特定农作物重金属安全性评估[J]. 中国农学通报, 2022, 38(3): 52-58.
[7]	姜玉琴, 谢先进, 黄达. 耕地质量对耕地生产力的影响[J]. 中国农学通报, 2022, 38(3): 75-80.
[8]	潘雪, 蔡立群, 董博, 乜光昀. 平川区耕地质量等级及养分特征分析研究[J]. 中国农学通报, 2022, 38(29): 118-128.
[9]	胡一, 王晶, 李刚. 渭北旱塬土地整治新增耕地土壤养分特征及肥力等级评价——以合阳县为例[J]. 中国农学通报, 2022, 38(27): 94-100.
[10]	权胜祥, 史学峰, 刘晓月, 李昌武, 葛燚, 张燕. 可降解螯合剂强化籽粒苋修复镉污染耕地的研究[J]. 中国农学通报, 2022, 38(25): 85-89.
[11]	桂苗, 汪甜甜, 马友华. 合肥市农田土壤质地空间特征分析与耕地质量提升[J]. 中国农学通报, 2022, 38(25): 114-119.
[12]	邓婷, 吴家龙. 耕地土壤酸化现状及治理路径探析——以广东省为例[J]. 中国农学通报, 2022, 38(24): 70-74.
[13]	骆美, 郭龙, 费坤, 张天恩, 李陈, 马友华. 耕地质量提升技术及其应用[J]. 中国农学通报, 2022, 38(21): 76-81.
[14]	索龙, 王鹏, 张俊丽, 景鹏娟, 李建宏, 董晓梅, 拜翊莎, 曹红霞, 李康, 赵晓进. 陕西省畜禽粪尿养分资源及耕地负荷分析[J]. 中国农学通报, 2022, 38(20): 117-123.
[15]	张羽丰, 孙江涛, 李青松, 范利瑶, 文倩. 豫东农区农户宅基地退出意愿及影响因素分析——以扶沟县为例[J]. 中国农学通报, 2022, 38(2): 150-156.