今天，小編將為大家介紹的是有關高光譜成像技術可以應用于紅茶數字化拼配的知識點，大家請看詳情：
紅茶是中國傳統(tǒng)出口茶類之一。拼配是紅茶生產和經營中重要的工序，是保持產品質量穩(wěn)定的重要手段。目前，茶葉拼配通常采用的方法是由拼配人員先對各茶葉樣品進行外觀和內質審評，再根據經驗和審評結果，試拼小樣，然后進行適當調整，最終確定拼配方案，因而不同批次拼配結果具有偶然性，無法進行量化、標準化生產。另外，拼配專家的培養(yǎng)過程較為漫長，不利于拼配技術的推廣。
萊森小編采用4 種原料進行拼配，依次逐步判別。以不同等級不同嘜號的紅毛茶為原料，按照一定比例進行拼配，采集拼配樣本的高光譜圖像，利用連續(xù)投影算法篩選特征光譜變量，并基于灰度共生矩陣提取圖像的紋理值，融合光譜和紋理特征值建立茶葉拼配比例的定量預測模型，構建拼配比例求解與優(yōu)化算法。本研究將為茶葉拼配工藝提供一種品質定量評估的新方法，研究結果有利于提高拼配工藝的自動化、智能化水平，推進茶葉生產標準化。
1、不同樣品的光譜差異
本實驗采集908～1735 nm波長范圍的近紅外光譜數據，選擇圖像中間100×100像素范圍為感興趣區(qū)域（ROI），提取ROI所有像素的光譜值，并計算出其平均值，作為這個樣本的光譜值。化學含量以及物理特征的不同，樣本對特定的波長有著不同的反射率，通過分析光譜信號的差異實現樣本品質信息的定性或者定量檢測。原料C和原料D光譜值差異比較明顯。
2、圖像紋理特征值分析結果
基于灰度共生矩陣的方法來計算茶樣圖像的紋理，提取5 個特征波長下的紋理特征為特征變量。即對A和B在1107、1187、1307、1435、1655 nm波長處的灰度圖像分別提取0°、45°、90°、135°的對比度、同質性、能量和相關性。對C和D在1112、1193、1307、1438、1655 nm波長處的灰度圖像分別提取4 個角度的對比度、同質性、能量和相關性。在茶樣表面溝紋越深、灰度差越大，則對比度越大，反之越??；若茶樣灰度分布均勻、紋理較粗糙，則能量值越大，反之越小；同質性體現目標圖像的局部平滑；茶樣的灰度共生矩陣值均勻相等時，相關性較大，反之較小。
3、定量預測模型的建立結果
以光譜特征值和紋理特征值融合數據作為LS-SVM模型的輸入值時預測結果，原料A與原料B拼配樣預測集判別率為91.89%，原料C和原料D拼配樣預測集判別率為86.13%，茶樣P1和茶樣P2拼配樣預測集判別率為94.5%，其中通過預測茶樣P1、P2配比，即可分別得到原料A、B、C、D的配比，可以間接解決4 個原料茶樣拼配預測配比的問題。結果表明本研究能實現對拼配茶樣配比的量化判別。
4、模型的驗證結果
本實驗對以上30 個拼配樣本審評，并將原料茶樣A、B、C和D作為標準樣。由于光譜信息是對內質的反映，所以更偏重于對滋味的評審，并依據GB/T 13738.2—2017《紅茶 第2部分：紅茶》感官品質要求進行評分，從審評結果可以看出，樣本所得分數與組內其他樣本分數相差相對較大，與模型驗證的結果一致。
討論
本研究利用高光譜圖像技術獲取經4 種茶原料按照一定比例拼配出的茶樣的光譜圖像，通過PCA法提取出5 個特征波長，然后進行光譜數據與圖像紋理數據的提取，本實驗嘗試基于光譜信息和圖像信息融合技術結合模式識別，預測拼配茶葉的配比。結果顯示，融合光譜和紋理特征值結合LS-SVM模型算法，建立拼配茶葉配比預測模型，判別率，達到94.5%，預測結果較好。用模型以外的隨機30 個樣本進行對模型進行驗證，結果其中有4 個樣本發(fā)生誤判，總判別率為86.7%，因采用的原料在品質上接近，對結果有一定的影響。目前，拼配茶葉的配比通過高光譜圖像技術結合數學模型可以相對準確地預測出，但是，實際生產中，茶葉拼配原料需要很多種，比較復雜，需要大量的數據對模型進行進一步的訓練和優(yōu)化，從而求解標準茶樣中各原料的比例。
好了，以上全部內容就是有關高光譜成像技術可以應用于紅茶數字化拼配的介紹，希望可以幫助到大家~對高光譜成像技術有需求的朋友們可以咨詢客服~
