基于形态特征参数的茶叶精选方法

摘要：

夏秋季节的梗与叶片的色泽差异小,采用传统色选机难以实现精选.该文提出依据茶叶形态特征的多特征向量分选法,以期实现茶叶精选算法快速建模,提高分选精度.采集动态下落过程中的茶叶图像,开发基于图像处理的特征提取程序自动提取多组茶叶样本形态特征参数,采用随机森林算法判定特征权重并进行特征选择,建立逻辑回归、决策树和支持向量机3种不同分类算法对样本进行分类,验证特征的可分性,并分析不同分类算法对复杂茶叶样本分类效果的影响.试验结果表明:1)形态特征参数圆形度E的重要性权重最大,为0.467,最终将重要性阈值设定为0.05,选择圆形度E、矩形度R、线性度Len、周长C和紧凑度J 5种形态特征向量建立数据集;2)在测试数据集中,逻辑回归(logistic regression,LR)、决策树(decision tree,DT)和支持向量机(support vector machine,SVM)3种分类算法的平均准确率为0.924,说明所选特征具有明显的可分性;3)根据输出的混淆矩阵,3种分类算法中支持向量机算法识别效果最好,准确率和调和平均数(F1)得分分别为93.8％和94.7％.该方法可快速应用于其他类型茶叶精选和茶叶实际生产过程,有效提高茶叶品质.

关键词：形态特征、决策树、支持向量机、逻辑回归、随机森林、茶叶

所属期刊栏目：35

分类号：TP391.4(计算技术、计算机技术)

资助基金：安徽省科技重大专项18030701195;安徽省高校自然科学研究项目KJ2016A233

在线出版日期：2019-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：315-321