茶叶是我国农业支柱产业之一,其产量和消费均居世界前列。但目前茶叶品质评价主要以人工感官审评方法为主,存在主观性强、效率低、一致性差、长时间工作易导致感官疲劳等缺陷。研发智能、高效、精准的茶叶品质评价系统,实现茶叶品质在线评价及自动分级,提高分级效率,降低生产成本,是茶产业发展的必然趋势。本论文采用机器视觉技术替代人眼,研发一套茶叶品质在线评价及自动分级系统,主要研究内容如下:(1)茶叶品质在线评价及分级系统硬件设计。硬件系统主要由图像采集模块和运动模块组成。图像采集模块包括CCD工业相机、拍照暗箱、LED灯和光电开关,光电开关接收到样品容器进入暗箱信息后,触发相机对样品进行图像采集与处理;通过对比几种不同光源,确定选用4根条形白色LED灯作为光源,安装在相机的四周;采用前向明场照明打光方式,使光源在各个方向均匀照射在茶叶表面。运动模块主要由自动上料装置、带传输平台以及自动分级与收集装置组成。传输带的对称中心画有定位线,定位待检茶叶置于相机中心点位置拍照;自动进料装置置于传送装置前端,将盛有待检茶叶样品容器推出样品箱,输送到传输装置输送带的中心定位线位置。自动分级与收集模块集成一起,置于传输装置的后端,装置滑台上连有4个收集箱(Ⅰ、Ⅱ、Ⅲ、Ⅳ),每个收集箱代表一个等级,控制系统根据智能评价系统识别结果,控制横臂滑台左右移动及立柱滑台上下移动,使容器位置对应相应等级收集箱的一个箱位,将容器推进收集箱,达到收集和分级目的。(2)茶叶感官品质在线评价模型研究。采用中值滤波和拉普拉斯算子对茶叶图像进行预处理,以消除图像噪声和增强纹理信息,提取预处理图像中RGB和HSI颜色模型的12个颜色特征、基于灰度统计矩阵的4个纹理特征以及16个基于灰度共生矩阵的茶叶图像纹理特征。对比主成分分析(PCA)、核主成分分析(KPCA)、局部保持投影(LPP)、监督正交局部保持投影(SOLPP)4种不同降维方法的特征挖掘效果。结果表明,SOLPP获取的前三个特征变量下的样本区分度明显要优于其他3中降维方法。采用SOLPP降维后的低维特征作为机器学习模型的输入,建立茶叶图像与感官品质之间的评价算法模型。对比反向传播神经网络(BP-ANN)、相关向量机(RVM)、随机森林(RF)3种建模方法的品质识别精度。结果表明,当以SOLPP得到的前4维特征分量所建的RF茶叶品质智能评价模型性能最佳,对预测集样本的识别精度为93.75%,Kappa系数为0.9167。(3)茶叶品质在线评价软件系统设计及样机试验。采用Visual Studio 2013软件开发平台和Halcon、Open CV视觉开发库,根据需求分析,将系统设计成相机控制模块、图像采集模块、图像预处理与特征提取模块、检测分级模块、串口通信模块和模型学习模块等6个功能模块,实现茶叶品质智能在线评价与分级。采用婺源仙枝绿茶、碧螺春茶2个品种茶叶对系统进行样机试验,结果表明:在3个/min的分级速度时,系统对婺源仙枝绿茶的总体识别率为93.3%,对碧螺春茶的总体识别率为98.3%。本论文研发的茶叶品质在线评价及分级系统能稳定、准确、实时对茶叶品质进行评价,为茶叶企业自动化质检生产提供技术支撑,为其他农产品在线品质分级提供了参考依据。