基于视觉多维特征及神经网络的茶叶品质鉴别算法与系统技术方案

技术编号：40608887 阅读：5 留言：0更新日期：2024-03-12 22:16

本发明专利技术公开了基于视觉多维特征及神经网络的茶叶品质鉴别算法与系统，属于茶叶品质鉴别技术领域，包括信息模块、鉴别模块和反馈模块；信息模块用于录入茶叶的品质信息，并将获得的品质信息发送给鉴别模块；鉴别模块用于对目标茶叶进行品质鉴别，获得目标茶叶的鉴别结果，鉴别结果包括鉴别正常和鉴别异常；反馈模块用于进行鉴别结果反馈处理，实时获取鉴别模块分析的鉴别结果；基于鉴别结果生成相应的维权数据，将维权数据和鉴别结果向用户进行展示；获取用户对精准鉴别的需求，当用户具有精准鉴别的需求时，向用户推荐鉴别机构信息，用户根据鉴别机构信息进行目标茶叶的精确鉴别，并生成具有相应效力的鉴别报告，将鉴别报告发送给用户。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术属于茶叶品质鉴别，具体是基于视觉多维特征及神经网络的茶叶品质鉴别算法与系统。

技术介绍

1、茶作为世界三大无酒精饮料之一广受消费者喜爱。然而由于茶叶商品种类繁多，品质成分复杂，消费者不易判断真实品质。市场上存在以次充好，以假乱真的现象，严重损害了消费者的利益，不利于茶叶市场的稳定发展。长期以来，茶叶品质鉴别以人工审评为主。但是人工审评对专业要求高，而且结果容易受到主观因素和客观环境的影响，很难在日常推广。

2、专利文献cn104122308a公开了一种基于电子舌检测的差别度计算对茶叶品质进行鉴别的方法，电子舌技术是一种通过模拟人体味觉感受机制的人工识别技术，它通常由以敏感交叉传感器为阵列的信号采集系统，信号的激发与采集系统以及多元统计分析算法这三部分结构组成。所述鉴别方法包括电子舌检测步骤、pca分析步骤、差别度计算步骤。茶叶品质的鉴别，立足于茶叶样品的电子舌差别度检测，用同种茶叶作为标准，以组内差别度来设置可信区间，从而建立标准样品实验测量值误差范围，判断检测样品品质是否达到标准样品所在置信区间内，以检测样品的品质。

3、专利文献cn102455283a公开了一种鉴别碧螺春茶叶品质的方法，该方法是将碧螺春茶叶浸泡后，浸泡液用紫外可见分光光度计进行扫描；另取碧螺春茶叶浸提后，浸提液采用高效液相色谱法测定茶叶中的表没食子儿茶素、表没食子儿茶素没食子酸酯、表儿茶素和表儿茶素没食子酸酯含量。通过建立产品的光谱图数据库和几种儿茶素平均含量数据库，鉴别时可与所建数据库进行比较，实现碧螺春茶叶品质的鉴别。</p>

4、上述方法虽然能精确分析茶叶中的成分，但是其检测设备昂贵，操作复杂；对于个人消费者来说，难以实现相应的检测；而绝大多数的消费者不具备人工审评的专业知识，导致个人消费者容易受骗，而且还无法发现。

5、因此，当前亟需一种能够满足个人消费者鉴别茶叶品质的系统，基于此，本专利技术提供了基于视觉多维特征及神经网络的茶叶品质鉴别算法与系统。

技术实现思路

1、为了解决上述方案存在的问题，本专利技术提供了基于视觉多维特征及神经网络的茶叶品质鉴别算法与系统，以解决现有的人消费者难以鉴别茶叶品质的问题。

2、本专利技术的目的可以通过以下技术方案实现：

3、基于视觉多维特征及神经网络的茶叶品质鉴别系统，包括信息模块、鉴别模块、反馈模块和品质模块；

4、所述信息模块用于录入茶叶的品质信息，并将获得的所述品质信息发送给鉴别模块。

5、进一步地，品质信息的获取方法包括：

6、预设各茶叶种类对应的品质信息模板，所述品质信息模板包括各信息项；

7、获取需要鉴别茶叶品质的茶叶种类，基于所述茶叶种类匹配对应的品质信息模板；

8、获取茶叶包装图像，对获得的所述茶叶包装图像进行识别，获得对应的包装识别数据；基于所述品质信息模板中的各信息项从所述包装识别数据中提取对应的信息项数据，根据各所述信息项数据整合为品质信息。

9、所述鉴别模块用于对目标茶叶进行品质鉴别，获取所述目标茶叶的品质信息，基于所述品质信息采集对应参照信息，根据所述品质信息和参照信息分析对应的对比值；

10、采集所述目标茶叶的茶叶实体数据和冲泡数据，基于神经网络建立对应的智能模型对所述茶叶实体数据和所述冲泡数据进行鉴别，获得所述目标茶叶的鉴别结果，所述鉴别结果包括鉴别正常和鉴别异常。

11、进一步地，据品质信息和参照信息分析对比值的方法包括：

12、建立对比模型，通过所述对比模型对所述参照信息和所述品质信息进行对比分析，判断所述参照信息和所述品质信息是否对比相同；

13、所述对比模型的表达式为；x为参照信息与对应的品质信息。

14、进一步地，基于神经网络建立的智能模型包括实体比较模型和冲泡比较模型；

15、所述实体比较模型用于对茶叶实体数据和标准实体数据集进行比较分析，确定对应的实体异常值；输入为茶叶实体数据和标准实体数据集，输出为实体异常值；

16、所述冲泡比较模型用于对冲泡数据和相应冲泡标准数据集进行比较分析，获得对应的冲泡异常值；输入为冲泡数据和相应冲泡标准数据集，输出为冲泡异常值。

17、进一步地，鉴别结果的获取方法包括：

18、根据所述目标茶叶的品质信息从预设的茶叶标准库中匹配对应的标准实体数据集和冲泡标准数据集；

19、通过所述实体比较模型对茶叶实体数据和标准实体数据集进行比较分析，获得对应的实体异常值；

20、通过所述冲泡比较模型对冲泡数据和冲泡标准数据集进行分析，获得对应的冲泡异常值；

21、根据评估公式计算对应的评估值；

22、式中：pgl为评估值；db为对比值；b1、b2均为比例系数，取值范围为0<b1≤1，0<b2≤1；st为实体异常值；cp为冲泡异常值；

23、将评估值大于阈值x1的目标茶叶视为鉴别异常；反之视为鉴别正常。

24、所述反馈模块用于进行鉴别结果反馈处理，实时获取所述鉴别模块分析的鉴别结果；基于所述鉴别结果生成相应的维权数据，将所述维权数据和所述鉴别结果向用户进行展示；

25、获取用户对精准鉴别的需求，当用户没有精准鉴别的需求时，不进行相应操作；

26、当用户具有精准鉴别的需求时，向用户推荐鉴别机构信息，用户根据所述鉴别机构信息进行所述目标茶叶的精确鉴别，并生成具有相应效力的鉴别报告，将所述鉴别报告发送给用户。

27、进一步地，鉴别机构的推荐方法包括：

28、建立鉴别机构库，所述鉴别机构库用于储存各鉴别机构信息；

29、获取用户信息，基于所述用户信息和预设的推荐算法从所述鉴别机构库中确定需要推荐给用户的鉴别机构信息。

30、进一步地，所述品质模块用于对待检茶叶进行质量鉴别；方法如下：

31、获取待检茶叶的品质信息，基于所述品质信息获取对应的实体异常值、冲泡异常值以及对应的茶叶实体数据和冲泡数据；

32、对所述茶叶实体数据和所述冲泡数据进行分析，获得对应的实体异常系数和冲泡异常系数；

33、；；

34、式中：δs为实体异常系数；s为茶叶实体数据；u1、u2和u3分别为正常、第一异常等级和第二异常等级；δc为冲泡异常系数；c为冲泡数据；1>a1>1.5>a2>2；1>a3>1.5>a4>2；

35、根据公式pz=100-(b3×δs×st+b4×δc×cp)计算对应的质量值；

36、式中：pz为质量值；st为实体异常值；cp为冲泡异常值；b3、b4均为比例系数，取值范围为0<b3≤1，0<b4≤1；

37、将质量值低于阈值x2的待检茶叶标记为异常茶叶。

38、基于视觉多维特征及神经网络的茶叶品质鉴别算法，包括：<本文档来自技高网...

【技术保护点】

1.基于视觉多维特征及神经网络的茶叶品质鉴别系统，其特征在于，包括信息模块、鉴别模块和反馈模块；

2.根据权利要求1所述的基于视觉多维特征及神经网络的茶叶品质鉴别系统，其特征在于，品质信息的获取方法包括：

3.根据权利要求1所述的基于视觉多维特征及神经网络的茶叶品质鉴别系统，其特征在于，据品质信息和参照信息分析对比值的方法包括：

4.根据权利要求1所述的基于视觉多维特征及神经网络的茶叶品质鉴别系统，其特征在于，基于神经网络建立的智能模型包括实体比较模型和冲泡比较模型；

5.根据权利要求4所述的基于视觉多维特征及神经网络的茶叶品质鉴别系统，其特征在于，鉴别结果的获取方法包括：

6.根据权利要求1所述的基于视觉多维特征及神经网络的茶叶品质鉴别系统，其特征在于，鉴别机构的推荐方法包括：

7.根据权利要求1所述的基于视觉多维特征及神经网络的茶叶品质鉴别系统，其特征在于，还包括品质模块，所述品质模块用于对待检茶叶进行质量鉴别；

8.基于视觉多维特征及神经网络的茶叶品质鉴别算法，其特征在于，应用于如权利要求1

...

【技术特征摘要】

1.基于视觉多维特征及神经网络的茶叶品质鉴别系统，其特征在于，包括信息模块、鉴别模块和反馈模块；

2.根据权利要求1所述的基于视觉多维特征及神经网络的茶叶品质鉴别系统，其特征在于，品质信息的获取方法包括：

3.根据权利要求1所述的基于视觉多维特征及神经网络的茶叶品质鉴别系统，其特征在于，据品质信息和参照信息分析对比值的方法包括：

5.根据权...

【专利技术属性】
技术研发人员：付宁，蔡方凯，汤江文，赵婧，薛靓，张一帆，李宇，
申请(专利权)人：成都工业学院，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人