基于机器视觉和工艺参数的针芽形绿茶外形品质评价

摘要：

外形是针芽形绿茶的关键感官评价指标,通常依据色泽、条形、嫩度和匀整度等表象特征进行人工评审,难以做到精准、客观和量化评价.本文以自动化生产线机制的针芽形绿茶为研究对象,基于茶叶品质、形成工艺和视觉形态等内外因素,构建了外形品质的智能感官评价方法.首先,在线采集在制品的17个机制工艺参数和成品茶的图像,进行图像特征提取,选取9个颜色特征和6个纹理特征.进而,通过与专家感官评分进行关联分析,明确了与感官品质显著相关的特征变量.为获取高效的评价模型,采用偏最小二乘法(PLS)、极限学习机(ELM)和强预测器集成算法(ELM-AdaBoost)3种多元校正方法,分别建立了基于工艺或图像特征的针芽形绿茶外形感官的量化评价模型.建模结果表明,基于图像特征建立的ELM-AdaBoost模型(Rp=0.892,RPD大于2),其预测性能优于其他模型,且具有更小的RMSEP(0.874)、Bias(-0.148)、SEP(0.226)和Cv(0.018)值.同时,非线性模型的预测性能均高于PLS线性模型,能更好地表征工艺参数、图像信息与感官评分之间的解析关系,且建模速度更快(0.014 ～0.281 s).而AdaBoost法作为一种混合迭代算法,能进一步提升ELM模型的精度和泛化能力.结果表明,基于机器视觉和工艺评价针芽形绿茶外形品质是可行的,为拓展茶叶感官品质评价方法和专家工艺决策支持系统研制,提供理论依据和数据支撑.

关键词：针芽形绿茶、机器视觉、外形、感官品质、智能算法、非线性

所属期刊栏目：48

分类号：TS272.4;TP183(食品工业)

资助基金：国家自然科学基金项目31271875;浙江省自然科学基金项目Y16C160009;中央级公益性科研院所基本科研业务费专项1610212016018

在线出版日期：2017-11-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：38-45