茶叶识别技术研究现状
Research Status of Tea Identification Technology
DOI: 10.12677/CSA.2021.112046, PDF,    国家科技经费支持
作者: 程永辉, 黄 彪, 周远书, 周仁宇, 严 兰：贵州理工学院机械工程学院，贵州 贵阳
关键词: 茶叶识别；智能化采茶；研究现状；Tea Identification； Intelligent Tea Picking； Research Status
摘要: 茶叶识别技术是实现智能化采茶设备以及摆脱常规采茶所需庞大劳动力问题的重要技术支持。目前，最常用的茶叶识别方式为基于机器视觉的识别技术中的深度学习目标检测以及图像特征识别的方法，通过汇总分析茶叶识别技术的研究现状以及对于其存在的问题进行总结并预测发展趋势，来为我国茶叶采集智能化发展提供借鉴与参考。
Abstract: Tea Identification Technology is an important technical support to realize intelligent tea picking equipment and get rid of the huge labor force problem needed by conventional tea picking. At present, the most commonly used tea recognition methods are deep learning object detection and image feature recognition based on machine vision, by summarizing and analyzing the research status of tea identification technology and summarizing the existing problems and predicting the development trend, this paper provides reference for the development of tea collection intelligence in China.
文章引用：程永辉, 黄彪, 周远书, 周仁宇, 严兰. 茶叶识别技术研究现状[J]. 计算机科学与应用, 2021, 11(2): 461-466. https://doi.org/10.12677/CSA.2021.112046

参考文献

[1] 邹溪. 茶叶行业及茶叶行业质量现状的研究[J]. 福建茶叶, 2020, 42(9):49-50.
[2] 王文明, 肖宏儒, 宋志禹, 韩余, 丁文芹. 茶叶生产全程机械化技术研究现状与展望[J]. 中国农机化学报, 2020, 41(5): 226-236.
[3] 朱云, 凌志刚, 张雨强. 机器视觉技术研究进展及展望[J]. 图学学报, 2020, 41(6): 871-890.
[4] 朱良. 机器视觉在工业机器人抓取技术中的应用[D]: [硕士学位论文]. 中国科学院研究生院(沈阳计算技术研究所), 2016.
[5] 胡直峰. 植物图像识别方法研究及实现[D]: [硕士学位论文]. 杭州: 浙江大学, 2017.
[6] 张博. 基于RGB-D的茶叶识别与定位技术研究[D]: [硕士学位论文]. 沈阳: 沈阳工业大学, 2020.
[7] 王子钰. 基于图像的茶叶嫩芽检测技术研究[D]: [硕士学位论文]. 沈阳: 沈阳工业大学,2020.
[8] 张程, 王进, 鲁晓卉, 陆国栋, 唐小林, 李文萃. 基于图像颜色和纹理特征的成品茶种类与等级识别[J]. 中国茶叶加工, 2020(2): 5-11.
[9] 王琨, 刘大茂. 基于深度学习的茶叶状态智能识别方法[J]. 重庆理工大学学报(自然科学), 2015, 29(12): 120-126. http://dx.chinadoi.cn/10.3969/j.issn.1674-8425(z).2015.12.020
[10] 赵永强, 饶元, 董世鹏, 张君毅. 深度学习目标检测方法综述[J]. 中国图象图形学报, 2020, 25(4): 629-654.
[11] 孙肖肖. 基于深度学习的茶叶嫩芽检测和叶部病害图像识别研究[D]: [硕士学位论文]. 泰安: 山东农业大学, 2019.
[12] 许高建, 张蕴, 赖小燚. 基于Faster R-CNN深度网络的茶叶嫩芽图像识别方法[J]. 光电子•激光, 2020, 31(11): 1131-1139.
[13] 吕军, 夏华鹍, 方梦瑞, 周礼赞. 基于AlexNet的茶叶嫩芽状态智能识别研究[J]. 黑龙江八一农垦大学学报, 2019, 31(2): 72-78. http://dx.chinadoi.cn/10.3969/j.issn.1002-2090.2019.02.012
[14] 罗浩伦, 冯泽霖, 冉钟南, 马杰, 吕军. 基于VGG16网络的茶叶嫩芽自动检测研究[J]. 农业与技术, 2020, 40(1): 15-17. http://dx.chinadoi.cn/10.19754/j.nyyjs.20200115005
[15] 王帅. 基于化学成分和香气滋味的有机正山小种红茶识别算法研究[D]: [硕士学位论文]. 上海: 上海应用技术学院, 2016.
[16] 尚凯歌. 茶叶采摘机器人机械结构设计及控制系统研究[D]: [硕士学位论文]. 长春: 长春理工大学, 2019.
[17] 韩余, 肖宏儒, 秦广明, 宋志禹, 丁文芹, 梅松. 国内外采茶机械发展状况研究[J]. 中国农机化学报, 2014, 35(2): 20-24. http://dx.chinadoi.cn/10.13733/j.jcam.issn.2095-5553.2014.02.006
[18] 王财盛. 基于机器视觉的采茶机割刀控制方法研究与设计[D]: [硕士学位论文]. 杭州: 浙江工业大学, 2017.
[19] 范元瑞. 并联式自动采茶机的设计与研究[D]: [硕士学位论文]. 青岛: 青岛科技大学, 2019.
[20] 王焜. 采茶机器人运动学分析及仿真[D]: [硕士学位论文]. 沈阳: 沈阳工业大学, 2018.
[21] 赵博杰. 基于机器视觉的茶叶嫩芽识别关键技术研究[D]: [硕士学位论文]. 鞍山: 辽宁科技大学, 2020.
[22] 白雪, 蒋思中. 茶叶嫩芽图像的自动识别与检测研究[J]. 电脑知识与技术, 2020, 16(16): 207-208.