基于樹(shù)莓派智能識(shí)別茶葉的研究與實(shí)現(xiàn)

陳林，孫豪宗，黃 歡

（景德鎮(zhèn)陶瓷大學(xué)，江西 景德鎮(zhèn) 333000）

隨著中國(guó)建成小康社會(huì)持續(xù)推進(jìn)，旅游已經(jīng)成為人民大眾日常生活的重要組成部分，我國(guó)旅游業(yè)進(jìn)入全民旅游的新時(shí)代。在國(guó)家加速推進(jìn)供給側(cè)結(jié)構(gòu)性改革的大框架下，我國(guó)旅游產(chǎn)業(yè)將加快由傳統(tǒng)性旅游發(fā)展模式向智慧旅游發(fā)展模式進(jìn)行轉(zhuǎn)變。有的采摘技術(shù)和采茶設(shè)備不能滿足鮮葉原料和成品茶高質(zhì)量的要求，機(jī)采茶鮮葉技術(shù)往往存在新嫩不均、長(zhǎng)短不齊、勻凈度低、莖梗含量高等一系列的問(wèn)題和困擾[1]，因此在這里我們選取最新型的智能算法進(jìn)行茶葉圖像的智能處理，將識(shí)別出我們的茶葉的不同新嫩程度，為我們的游客提供一個(gè)智能化體驗(yàn)。

目前關(guān)于國(guó)內(nèi)采摘的方法是往復(fù)收割，該采摘方式無(wú)差別地將茶葉采取，導(dǎo)致茶葉的完整性低，口感不好等一系列問(wèn)題，因此我們采用智能MobelNetV2 算法采用卷積神經(jīng)網(wǎng)絡(luò)來(lái)識(shí)別采摘，使用該智能算法來(lái)識(shí)別我們的茶葉的新鮮程度與生長(zhǎng)程度的識(shí)別具有更加便捷與更加可靠的操作。

1 材料與方法

1.1 材料圖片篩選

老芽型、一芽一葉型、一芽二葉型等生長(zhǎng)狀態(tài)不同的茶葉圖像來(lái)自景德鎮(zhèn)浮梁縣寒溪村李子園的拍攝圖片，共收錄茶葉共2500 張，其中包含若干老型茶葉、新鮮茶葉一芽一葉型茶葉、一芽二葉型茶葉，用于構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型并對(duì)其進(jìn)行智能識(shí)別與分類操作。并將他們收錄進(jìn)不同的文件夾內(nèi)，以便于以后分類進(jìn)行識(shí)別操作。圖像進(jìn)行去噪、分割、特征提取等處理的技術(shù)和方法，在階段中研究者準(zhǔn)備利用圖像處理技術(shù)處理和提取成品圖像的茶葉中茶鮮葉顏色、形狀、紋理等多種特征，對(duì)其進(jìn)行分類識(shí)別，取得了較好的效果[2]。篩選出含有茶葉不相關(guān)聯(lián)的部分照片，通過(guò)圖像的處理技術(shù)進(jìn)行簡(jiǎn)單的圖片處理，保留清晰度高、含有茶葉成長(zhǎng)特征程度高的圖片，排除無(wú)關(guān)信息的干擾，提升訓(xùn)練的準(zhǔn)確度與測(cè)試的速度與效果[3]。本研究通過(guò)一定的篩選排除茶葉系列無(wú)用信息的區(qū)域進(jìn)行有效的裁剪，最終得出以老型茶葉、一芽一葉型茶葉、一芽二葉型茶葉等若干張分類茶葉進(jìn)行之后的智能識(shí)別操作。

1.2 智能識(shí)別下的茶葉分類技術(shù)

智能識(shí)別在運(yùn)行過(guò)程中，主要采取的是圖像數(shù)字化采集技術(shù)，利用智能算法識(shí)別技術(shù)和利用圖像分類處理技術(shù)，測(cè)定出當(dāng)前操控空間內(nèi)的各類數(shù)據(jù)，確保圖像捕捉、數(shù)字圖像處理可支撐整個(gè)識(shí)別的模塊化操作。智能識(shí)別大致流程如圖1 所示，首先在我們目的茶園拍照收集2500 張照片，之后將這些照片進(jìn)行樣本化處理，剪切掉照片上含有的與茶葉不相符的信息，利用茶葉的顏色、區(qū)域生長(zhǎng)以及形狀等手段提取茶葉細(xì)嫩程度的不同[4]，進(jìn)行樣本的分類操作，之后建立MobileNetV2 神經(jīng)網(wǎng)絡(luò)模型，利用MobileNetV2 神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練茶葉，訓(xùn)練出我們想要的數(shù)據(jù)模型，最后可以利用該模型把茶葉形態(tài)進(jìn)行智能識(shí)別分出若干類型的圖片來(lái)構(gòu)造出數(shù)據(jù)，最后給出實(shí)驗(yàn)結(jié)果進(jìn)行網(wǎng)絡(luò)評(píng)價(jià)[5]。

圖1 智能識(shí)別茶葉流程

2 軟件智能識(shí)別設(shè)計(jì)

作為機(jī)器學(xué)習(xí)領(lǐng)域中研究的熱點(diǎn)，深度網(wǎng)絡(luò)的學(xué)習(xí)在圖像特征性進(jìn)行提取、目標(biāo)物觀測(cè)和智能識(shí)別等方面都有巨大的研究性成果，茶葉細(xì)嫩程度在特征性觀察的方面尤為突出，生長(zhǎng)時(shí)期不同的茶葉在顏色色澤、嫩葉數(shù)量、茶葉形狀等方面都有不同異性。MobileNetV2 神經(jīng)網(wǎng)絡(luò)在茶葉細(xì)嫩程度識(shí)別更加準(zhǔn)確，其中交叉驗(yàn)證訓(xùn)練中的網(wǎng)絡(luò)訓(xùn)練方法能使得網(wǎng)絡(luò)從數(shù)據(jù)中可以得到充分學(xué)習(xí)目標(biāo)的特征，在一定程度上避免訓(xùn)練時(shí)發(fā)生擬合、欠擬合等一系列的問(wèn)題，同時(shí)還對(duì)網(wǎng)絡(luò)泛化性能有了一部分的提高，讓我們的原先的網(wǎng)絡(luò)繼承訓(xùn)練更加快速和有效[6]，因此智能識(shí)別茶葉就采用MobileNetV2 算法進(jìn)行茶葉生長(zhǎng)程度的識(shí)別操作。

3 硬件設(shè)計(jì)部分

系統(tǒng)主要使用了樹(shù)莓派3B+作為主控部件，光照傳感器以及LCD 顯示屏組成，光照傳感器負(fù)責(zé)感應(yīng)附近光照強(qiáng)弱的變化，LCD 屏主要顯示數(shù)據(jù)。

3.1 樹(shù)莓派3B+

本系統(tǒng)的主控制器的選型為樹(shù)莓派3B+平臺(tái)，該平臺(tái)具有藍(lán)牙和WIFI 等無(wú)線網(wǎng)絡(luò)接口，可供本茶葉識(shí)別檢測(cè)系統(tǒng)的網(wǎng)絡(luò)搭建，為本系統(tǒng)的聯(lián)網(wǎng)提供了技術(shù)條件。

樹(shù)莓派的連接方式有很多種，本系統(tǒng)采用的是WiFi連接，首先把燒錄系統(tǒng)完成后的SD 卡插入樹(shù)莓派SD卡槽中，將樹(shù)莓派和LCD 顯示屏連接，啟動(dòng)樹(shù)莓派，在屏幕中找到WiFi 圖標(biāo)，連接無(wú)線網(wǎng)。

3.2 TSL25911 數(shù)字光照傳感器

這是一款高靈敏度的數(shù)字環(huán)境光傳感器，具有600M:1 寬動(dòng)態(tài)范圍，可檢測(cè)高達(dá) 88000Lux 的光強(qiáng)，I2C 接口控制，低功耗，適合在各種光照條件下工作。采用TSL25911FN，可測(cè)量紅外光及人類可見(jiàn)光（相比TSL2561 測(cè)量范圍更廣）。內(nèi)置ADC，通過(guò)I2C 接口可直接輸出光強(qiáng)度，不易受噪聲干擾，靈敏度高達(dá)188uLux，內(nèi)置含有紅外光敏二極管，即使在紅外噪聲干擾大的復(fù)雜環(huán)境中也能較準(zhǔn)確地進(jìn)行檢測(cè)，內(nèi)部具有中斷輸出，可編程的上下限閾值，板載電平轉(zhuǎn)換電路，可兼容3.3V/5V 的工作電平。

3.3 LCD 顯示屏

LCD 顯示屏是一種借助于薄膜晶體管技術(shù)所驅(qū)動(dòng)的有源矩陣液晶顯示器。其工作原理為：首先是進(jìn)行內(nèi)部電能轉(zhuǎn)換到光能的功能，通過(guò)電場(chǎng)的變化來(lái)改變其內(nèi)部結(jié)構(gòu)中各個(gè)液晶分子的方向，進(jìn)而影響外部光源對(duì)屏內(nèi)結(jié)構(gòu)的透光率。然后，通過(guò)激勵(lì)來(lái)影響三基色的光膜，進(jìn)而實(shí)現(xiàn)彩色重顯。

在本系統(tǒng)中的作用主要是用于網(wǎng)頁(yè)界面的顯示，更方便、快捷地向使用者展現(xiàn)各種數(shù)據(jù)以及環(huán)境參數(shù)的變化。

4 實(shí)驗(yàn)與分析

準(zhǔn)備樹(shù)莓派、攝像頭、USB 連接口、光源傳感器等一系列硬件設(shè)備。連接電源，啟動(dòng)樹(shù)莓派、LCD 顯示屏，預(yù)設(shè)WiFi 熱點(diǎn)，使硬件連接外網(wǎng)，將樹(shù)莓派環(huán)境配置為Ubuntu 24.04 的系統(tǒng)中，樹(shù)莓派設(shè)備上面的攝像頭將采集到的茶葉圖像傳輸?shù)讲枞~識(shí)別模塊，之后在對(duì)茶葉的新老程度進(jìn)行檢測(cè)前，對(duì)周邊的環(huán)境光照強(qiáng)弱情況進(jìn)行系統(tǒng)性的定位處理，再對(duì)圖像進(jìn)行預(yù)處理操作，通過(guò)對(duì)采集到的茶葉圖像的預(yù)處理可以有效地提高模型識(shí)別的準(zhǔn)確率，減少光照的暗弱因素對(duì)茶葉識(shí)別質(zhì)量產(chǎn)生的影響，將茶葉識(shí)別模塊上的圖像使用訓(xùn)練好的MobileNetV2 神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和識(shí)別，數(shù)據(jù)訓(xùn)練模集如圖2 所示，并將識(shí)別后茶葉種類的結(jié)果輸出到樹(shù)莓派的顯示屏上，以便更加直觀地進(jìn)行觀察[7]。最后采用TCP 網(wǎng)絡(luò)通信，將識(shí)別的結(jié)果放到我們的電腦上面，以便于我們之后的觀察。

圖2 茶葉數(shù)據(jù)訓(xùn)練集

研究樣本選自景德鎮(zhèn)市浮梁縣茶園里的茶葉的圖片，含有晴天時(shí)拍攝的圖片、雨天時(shí)拍攝的圖片以及陰雨天拍攝的圖片若干張，其中景德鎮(zhèn)的浮梁茶采集于2021 年秋至2022 年清明節(jié)前后。在晴天、雨天、陰天不同的環(huán)境下利用數(shù)碼照相機(jī)、華為P40 和蘋(píng)果12 等手機(jī)采集水平角度下的茶葉嫩芽清晰圖像，篩選出最清楚的圖片加以收集保存。在window10 系統(tǒng)下64位計(jì)算機(jī)搭建MobileNetV2 卷積算法神經(jīng)網(wǎng)絡(luò)，計(jì)算機(jī)CPU 型號(hào)Intel(R) Core(TM) i7-8750H CPU@2.20GHz。運(yùn)行內(nèi)存（RAM）16GB，最后得出表1 中的數(shù)據(jù)。

表1 茶葉識(shí)別情況

5 結(jié)論

智能識(shí)別茶葉的研究為茶園的智能化和智能旅游提供了基礎(chǔ)，針對(duì)目前識(shí)別設(shè)備的便攜性問(wèn)題，本文將樹(shù)莓派和MobileNetV2 神經(jīng)網(wǎng)絡(luò)模型相結(jié)合，利用便攜的樹(shù)莓派硬件，將實(shí)時(shí)數(shù)據(jù)上傳到電腦上，給茶葉的識(shí)別提供了一種便利的智能系統(tǒng)，對(duì)茶園中的茶葉生長(zhǎng)狀況和細(xì)嫩程度進(jìn)行有效的識(shí)別，采集并標(biāo)注了茶葉的數(shù)據(jù)集，針對(duì)茶葉新老程度、一芽一葉和一芽二葉等多種狀態(tài)，初步研究和構(gòu)建了基于MobelNetV2卷積神經(jīng)網(wǎng)絡(luò)的茶葉狀態(tài)識(shí)別模型。該模型的方法有效地避免了傳統(tǒng)機(jī)器視覺(jué)識(shí)別對(duì)有效特征的依賴性，可以很好地識(shí)別自然環(huán)境下茶葉細(xì)嫩程度狀態(tài)。此方法還存在著許多的不足之處，其中不同角度的茶葉展現(xiàn)出狀態(tài)存在很大的誤差性。后期將根據(jù)不同角度下茶葉狀態(tài)進(jìn)行改善處理，在數(shù)據(jù)收集處理的步驟中，增加不同角度拍攝樣本數(shù)據(jù)，選擇光線角度充足無(wú)陰影的區(qū)域，以提高嫩芽狀態(tài)識(shí)別能力[8]，為茶葉嫩芽采摘提供理論性的基礎(chǔ)和參考的依據(jù)。不過(guò)，本系統(tǒng)還面臨著一些問(wèn)題的困擾，其中需要在同一網(wǎng)絡(luò)環(huán)境下才能實(shí)現(xiàn)數(shù)據(jù)的實(shí)時(shí)檢測(cè)還不是很便捷，還需進(jìn)行改進(jìn)。