茶叶识别方法、推荐方法、茶叶识别装置、设备及介质制造方法及图纸

本发明专利技术提供一种茶叶识别方法、推荐方法、茶叶识别装置、设备及介质，所述的茶叶识别方法包括：采集茶叶图像；经过预处理获取图像信息，将所述图像信息进行特征处理获取茶叶特征，所述特征处理至少包括以下之一：颜色特征处理、形状特征处理；根据所述茶叶特征确定相对应的茶叶种类。利用不同种类的茶叶的颜色或者形状存在特征差异，并通过颜色特征处理和/或形状特征处理获取该种类茶叶的特征，便于进行识别，利用图像识别技术对茶叶的种类进行识别，确定茶叶的种类，解决现有技术中的不容易知晓茶叶的种类、品用方法的问题。

【技术实现步骤摘要】
茶叶识别方法、推荐方法、茶叶识别装置、设备及介质
本专利技术涉及检测
，特别是涉及一种茶叶识别方法、推荐方法、茶叶识别装置、设备及介质。
技术介绍
我国是茶叶消费大国，也是茶文化大国，每年消费大量的茶叶。茶叶的种类繁多，对应的科普、文化、饮用方法、产品以服务也各有不同，消费者在刚开始接触茶叶或饮茶时，不容易知晓茶叶的种类、品用方法。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种茶叶识别方法、推荐方法、茶叶识别装置、设备及介质，用于解决现有技术中的不容易知晓茶叶的种类、品用方法的问题。为实现上述目的及其他相关目的，本专利技术提供一种茶叶识别方法，包括：采集茶叶图像；经过预处理获取图像信息，将所述图像信息进行特征处理获取茶叶特征，所述特征处理至少包括以下之一：颜色特征处理、形状特征处理；根据所述茶叶特征确定相对应的茶叶种类。可选的，所述预处理包括图像的二值化处理、特征值颜色处理，去掉茶叶图像的背景，获取图像信息。可选的，所述颜色特征处理包括：提供颜色特征算法提取茶叶片段的各个片段的颜色以及对应颜色片段的图像面积或面积百分比，所述颜色特征算法包括HSV模型、HIS模型、YUI模型。可选的，所述颜色特征处理还包括：提供BP神经网络模型；对于每一个图像信息i，颜色特征提取的特征值为M个，并作为输入层，且所述输入层为1*M的矩阵；隐含层为1*P的矩阵；输出层为1*N的矩阵，当该图像信息i属于第n类茶叶时，输出层n取1，否则取0，其中，N为茶叶颜色种类数量，茶叶类型记为n，n的取值从1至N；设置激励函数，并对各个图像信息进行BP神经网络模型进行训练。可选的，将待测的图像信息的特征值输入BP神经网络模型，得到结果为1*N的向量，取值均为0-1的实数，获取茶叶颜色种类概率序列{Ci}，i从1至N，通过茶叶颜色种类概率序列{Ci}与茶叶颜色种类数量N，确定茶叶种类。可选的，所述形状特征处理包括：按照茶叶形状进行分类，获取茶叶形状种类以及茶叶形状种类数量，提供卷积神经网络模型，通过所述图像信息对所述卷积神经网络模型进行训练，并将所述图像信息输入所述卷积神经网络模型获取茶叶形状种类概率序列{Dj}，j的取值从1至M，M为茶叶形状种类数量，通过茶叶形状种类概率序列{Dj}与茶叶形状种类数量M，确定茶叶种类。可选的，根据所述茶叶特征确定相对应的茶叶种类的步骤包括：通过茶叶颜色种类和茶叶形状种类确定茶叶的种类，其数学表达为：Ek＝Ci*Dj其中，Ek为茶叶种类概率，k为茶叶种类的数量。可选的，对于从茶叶图像中提取的x个图像信息进行分析，得到概率序列{{Ek}x}，其中k为茶叶种类，x为图像信息的个数，取{{Ek}x}中极大值的t％作为阈值，大于阈值记为1，小于阈值记为0，将其展开并合并同类项，得到{Ek′}，Ek′为0-l的整数，根据需要推荐的茶叶种类个数q，取{Ek′}中从大到小的前q个种类。一种茶叶推荐方法，包括：预设茶叶对应的茶叶信息，所述茶叶信息至少包括以下之一：茶叶信息、产品说明、商品广告；识别相应的茶叶种类，并依据该茶叶种类及概率推送相对应的茶叶信息。一种茶叶识别装置，包括：采集模块，用于采集茶叶图像；识别模块，用于将茶叶图像经过预处理获取图像信息，并将所述图像信息进行特征处理获取茶叶特征，所述特征处理至少包括以下之一：颜色特征处理、形状特征处理，根据所述茶叶特征确定相对应的茶叶种类。一种设备，包括：一个或多个处理器；和其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行一个或多个所述的方法。一个或多个机器可读介质，其特征在于，其上存储有指令，当由一个或多个处理器执行时，使得设备执行个或多个所述的方法。如上所述，本专利技术提供的一种茶叶识别方法、推荐方法、茶叶识别装置、设备及介质，具有以下有益效果：利用不同种类的茶叶的颜色或者形状存在特征差异，并通过颜色特征处理和/或形状特征处理获取该种类茶叶的特征，便于进行识别，利用图像识别技术对茶叶的种类进行识别，确定茶叶的种类，解决现有技术中的不容易知晓茶叶的种类、品用方法的问题。附图说明图1为本专利技术实施例提供的茶叶识别方法的流程示意图。图2为本专利技术实施例提供的茶叶推荐方法的流程示意图。图3为本专利技术实施例提供的茶叶识别装置的结构示意图。图4为一实施例提供的终端设备的硬件结构示意图。图5为另一实施例提供的终端设备的硬件结构示意图。元件标号说明1100输入设备1101第一处理器1102输出设备1103第一存储器1104通信总线1200处理组件1201第二处理器1202第二存储器1203通信组件1204电源组件1205多媒体组件1206语音组件1207输入/输出接口1208传感器组件具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。请参阅图1，本专利技术提供一种茶叶识别方法，包括：S1：采集茶叶图像，例如，可以通过移动终端、客户终端对茶叶进行图像采集，获取茶叶图像，采集的茶叶图像可以在终端进行解析也可以发送到云端进行解析；S2：经过预处理获取图像信息，将所述图像信息进行特征处理获取茶叶特征，所述特征处理至少包括以下之一：颜色特征处理、形状特征处理，利用不同种类的茶叶的颜色或者形状存在特征差异，并通过颜色特征处理和/或形状特征处理获取该种类茶叶的特征，便于进行识别；S3：根据所述茶叶特征确定相对应的茶叶种类。利用图像识别技术对茶叶的种类进行识别，确定茶叶的种类，解决现有技术中的不容易知晓茶叶的种类、品用方法的问题。进一步地，所述预处理包括图像的二值化处理、特征值颜色处理，去掉茶叶图像的背景，获取图像信息，在二值化处理步骤之后，特征颜色处理还可以通过设置茶叶特征图谱阈值滤镜进行过滤茶叶图像的背景，以避免背景图案对图像识别产生的噪声干扰，还可以结合分水岭算法、开运算或闭运算，去掉背景图像，提高茶叶识别的精确性。又例如，茶叶特征图谱阈值滤镜可采用色调H(0-120)饱和度S(0-255)明度本文档来自技高网...

【技术保护点】
1.一种茶叶识别方法，其特征在于，包括：/n采集茶叶图像；/n经过预处理获取图像信息，将所述图像信息进行特征处理获取茶叶特征，所述特征处理至少包括以下之一：颜色特征处理、形状特征处理；/n根据所述茶叶特征确定相对应的茶叶种类。/n

【技术特征摘要】
1.一种茶叶识别方法，其特征在于，包括：
采集茶叶图像；
经过预处理获取图像信息，将所述图像信息进行特征处理获取茶叶特征，所述特征处理至少包括以下之一：颜色特征处理、形状特征处理；
根据所述茶叶特征确定相对应的茶叶种类。


2.根据权利要求1所述的茶叶识别方法，其特征在于，所述预处理包括图像的二值化处理、特征值颜色处理，去掉茶叶图像的背景，获取图像信息。


3.根据权利要求1所述的茶叶识别方法，其特征在于，所述颜色特征处理包括：提供颜色特征算法提取茶叶片段的各个片段的颜色以及对应颜色片段的图像面积或面积百分比，所述颜色特征算法包括HSV模型、HIS模型、YUI模型。


4.根据权利要求3所述的茶叶识别方法，其特征在于，所述颜色特征处理还包括：提供BP神经网络模型训练；
对于每一个图像信息i，颜色特征提取的特征值为M个，并作为输入层，且所述输入层为1*M的矩阵；
隐含层为1*P的矩阵；
输出层为1*N的矩阵，当该图像信息i属于第n类茶叶时，输出层n取1，否则取0，其中，N为茶叶颜色种类数量，茶叶类型记为n，n的取值从1至N；
设置激励函数，并对各个图像信息进行BP神经网络模型进行训练。


5.根据权利要求4所述的茶叶识别方法，其特征在于，将待测的图像信息的特征值输入BP神经网络模型，得到结果为1*N的向量，取值均为0-1的实数，获取茶叶颜色种类概率序列{Ci}，i从1至N，通过茶叶颜色种类概率序列{Ci}与茶叶颜色种类数量N，确定茶叶种类。


6.根据权利要求1或者5所述的茶叶识别方法，其特征在于，所述形状特征处理包括：按照茶叶形状进行分类，获取茶叶形状种类以及茶叶形状种类数量，提供卷积神经网络模型，通过所述图像信息对所述卷积神经网络模型进行训练，并将所述图像信息输入所述卷积神经网络模型获取茶叶形状种类概...

【专利技术属性】
技术研发人员：黄亮，李治友，邓敏，杨帅，徐泽，张洪，罗一诺，甘博文，雷东，
申请(专利权)人：重庆赛迪益农数据科技有限公司，重庆市农业科学院，中冶赛迪工程技术股份有限公司，
类型：发明
国别省市：重庆;50