一种基于多特征与多分类器的鲜茶叶分类方法技术

本发明专利技术提供一种基于多特征与多分类器的鲜茶叶分类方法，包括以下：对茶叶图像训练样本提取几何特征和纹理特征，并输入SVM训练，得到训练好的SVM模型；利用训练好的SVM模型预测待预测茶叶图像，得到基于SVM分类器的茶叶各类型分类概率；对茶叶图像训练样本进行角点检测和距离矩阵相似度计算，并依据角点检测结果和距离矩阵相似度，得到基于特殊角度数量及距离矩阵的茶叶各类型分类概率；将基于SVM分类器的茶叶各类型分类概率和基于特殊角度数量及距离矩阵的茶叶各类型分类概率采用基于KNN结果融合，得到最终茶叶各类型分类概率；最终菜叶各类型分类概率中，最大概率值对应的类别标签即为最终分类结果；本发明专利技术提供的有益效果是：提高了茶叶分类的准确率。

【技术实现步骤摘要】
一种基于多特征与多分类器的鲜茶叶分类方法
本专利技术涉及图像分类领域，尤其涉及一种基于多特征与多分类器的鲜茶叶分类方法。
技术介绍
近年来，随着采茶人工成本不断增加以及采茶工人力紧缺，为了降低生产成本，提高生产效率，越来越多的茶场开始采用机械采茶。但是机采茶中参杂叶梗等杂物，同时无法按照生产加工需求采集特定等级的鲜叶，各个等级鲜叶(如单芽、一芽一叶、一芽二叶、一芽三叶)混合在一起，大大降低了茶叶的质量，导致只能作为低价茶生产销售，这成为了制约机械采茶发展与推广的主要原因。目前存在一些基于物理方式的茶叶分级方法，如振动筛选式茶叶分级机，在将茶叶从输送端向输出端振动前进的过程中使不同等级茶叶在重力作用下通过分选装置不同孔径落在下方的接料器上实现鲜叶分级，准确率在70％左右；茶叶风选机通过吹风将不同轻重的鲜叶区分开来,较轻的芽叶抛落距离较远,较重的芽叶抛落距离较近，准确率在70％左右。可见通过物理方式对鲜叶进行分级准确率低、误差大。另外基于光电传感器的茶叶色选机可在茶叶加工后有效分离杂质、叶梗等物质，准确在90％以上，但只能剔除杂质，依然无法本文档来自技高网...

【技术保护点】
1.一种基于多特征与多分类器的鲜茶叶分类方法，其特征在于：具体包括：/nS101：获取茶叶图像，作为训练数据集；/nS102：对茶叶图像进行预处理，得到预处理后的茶叶图像；/nS103：对预处理后的茶叶图像进行几何特征提取，得到预处理后的茶叶图像的5个相对几何特征和7个Hu不变矩相对几何特征；/n对预处理后的茶叶图像进行轮廓提取，得到茶叶轮廓，并根据茶叶轮廓进行多边形拟合，得到拟合的多边形；/nS104：对茶叶图像的灰度图进行纹理特征提取，得到茶叶图像的1个纹理特征；/n对拟合的多边形进行角点检测，根据角点检测得到的特殊角点数量，并结合茶叶样本数据统计，得到茶叶类别及茶叶类别对应的分类概率；/...

【技术特征摘要】
1.一种基于多特征与多分类器的鲜茶叶分类方法，其特征在于：具体包括：
S101：获取茶叶图像，作为训练数据集；
S102：对茶叶图像进行预处理，得到预处理后的茶叶图像；
S103：对预处理后的茶叶图像进行几何特征提取，得到预处理后的茶叶图像的5个相对几何特征和7个Hu不变矩相对几何特征；
对预处理后的茶叶图像进行轮廓提取，得到茶叶轮廓，并根据茶叶轮廓进行多边形拟合，得到拟合的多边形；
S104：对茶叶图像的灰度图进行纹理特征提取，得到茶叶图像的1个纹理特征；
对拟合的多边形进行角点检测，根据角点检测得到的特殊角点数量，并结合茶叶样本数据统计，得到茶叶类别及茶叶类别对应的分类概率；
S105：利用12个相对几何特征和1个纹理特征训练SVM分类器，得到基于SVM的鲜茶叶分类模型；
对所述特殊角点进行距离矩阵度量，得到特殊角点序列的距离矩阵特征库；
对待预测茶叶图像进行角点检测，并根据待预测样本的特殊角点进行距离矩阵度量，得到待预测样本的距离矩阵；
根据待预测茶叶图像的距离矩阵与所述特殊角点序列的距离矩阵特征库，计算距离矩阵相似度；
S106：利用所述基于SVM的鲜茶叶分类模型对待预测茶叶图像进行分类预测，得到基于相对几何特征、纹理特征以及SVM的茶叶各类别分类概率；
根据待预测茶叶图像的特殊角点数量和距离矩阵相似度对待预测茶叶图像进行分类预测，得到基于特殊角点以及距离矩阵相似度的茶叶各类别分类概率；
S107：将基于相对几何特征、纹理特征以及SVM的茶叶各类别分类概率和基于特殊角点以及距离矩阵的茶叶各类别分类概率进行基于KNN的结果融合，得到待预测茶叶图像最终分类结果。


2.如权利要求1所述的一种基于多特征与多分类器的鲜茶叶分类方法，其特征在于：步骤S102中，对茶叶图像进行预处理，得到预处理后的茶叶图像，具体为：将茶叶图像进行灰度变换，得到灰度图像；对灰度图像进行高斯滤波，得到滤波去噪后的图像；采用大津算法对滤波去噪后的图像进行处理，得到预处理后的茶叶图像，即二值化图像。


3.如权利要求1所述的一种基于多特征与多分类器的鲜茶叶分类方法，其特征在于：步骤S103中，5个相对几何特征包括矩形度、圆形度、球形度、偏心率和周长凹凸比，计算公式分别式(1)、(2)、(3)、(4)和(5)所示：















式(1)中，A为叶片面积，AMER为最小外接矩形面积；式(2)中A为叶片面积，P为叶片周长；式(3)中，RMIC为叶片最大内切圆半径，RMCC为叶片最小外接圆半径；式(4)中，A为叶片长轴，B为叶片短轴；式(5)中，P为叶片周长，PCH为叶片凸包周长。


4.如权利要求1所述的一种基于多特征与多分类器的鲜茶叶分类方法，其特征在于：步骤S103中，所述7个Hu不变矩相对几何特征，具体由二阶归一化中心矩和三阶归一化中心矩构造得到，分别为H1-H7，计算公式如式(6)、(7)、(8)、(9)、(10)、(11)和(12)所示：
H1＝η20+η02(6)
H2＝(η20-3η02)2+4η112(7)
H3＝(η30-3η12)2+(3η21-η03)2(8)
H4＝(η30+η12)2+(η21+η03...

【专利技术属性】
技术研发人员：毛腾跃，黄印，帖军，张雯娟，
申请(专利权)人：中南民族大学，
类型：发明
国别省市：湖北;42