一、国内研究现状
近几年，我国在嫩芽识别方面的研究已取得多项成果，通过各种不同的算法使得对茶叶嫩梢的识别越来越精确，也逐渐排除了光线等的干扰。早期，西北农林科技大学的杨福增【1】等人基于颜色和形状特征的图像处理方法，采集“午子仙毫”茶叶图像进行识别，分析茶叶叶片的颜色及形状特征，采用阈值分割发对老叶新叶进行分割，成功实现了茶叶嫩芽的准确识别，准确率达94%，但是此方法受光线影响会产生失误。西北农林科技大学的刘志杰【2】等人采用提取绿色分量、区域标记和逐行扫描相结合的方法，实现了叶片重叠条件下的嫩芽自动检测，该方法准确率为92.3%。四川农业大学的汪建【3】提出一种基于茶叶颜色和种子区域生长的改进方法，很好地将茶叶嫩芽从茶叶中分离出来，并较好地保存了茶叶嫩芽的轮廓信息。南京林业大学陈勇【4】等人对茶树嫩梢识别开展了初步研究，采用RGB空间的R-B、YIQ空间的I、Lab空间的b、HSI空间的S，以及YCrCb空间的Cb5种色彩因子进行图像灰度化，研究发现基于R-B因子和基于I因子的两种嫩梢识别方法更优，实现了自然环境下茶树嫩梢的自动识别。贵州大学的吴雪梅【5】等人通过使用中值滤波法，有效地去除了噪音并保留了图像的边缘信息，利用改进的最大方差自动取阈法计算G和G-B分量的分割阈值，提出的算法可有效消除光线的影响，快速识别嫩芽。
南京林业大学的陈勇【6】等人提出了一种基于主动视觉的嫩梢定位方法，发现基于光栅投影法的茶叶嫩梢定位系统能够准确稳定的实现茶叶嫩梢定位。王琨【9】等人优化深度学习中的卷积神经网络算法，将其应用于茶叶状态识别中,该实验获得了较优的结果，为后续的进一步3D还原奠定了基础。浙江工业大学的汤一平【7-8】等人提出了一种基于机器视觉的机采茶陇识别与采茶机导航的方法解决目前机采茶叶一刀切下的弊端，研制了一种适合我国南方地区的乘用式智能化采茶机。中国计量学院的裴伟【10】等人以图像处理得到的茶叶嫩芽图像为基础，根据茶叶嫩芽图像外轮廓对其最小外接矩形进行提取，以各最小外接矩形的中心点为嫩芽的采摘点，从而实现茶叶采摘信息的提取。衢州职业技术学院的方琨礼【11】等人提出一种新的彩色纹理图像的分割技术（JBSEG），更好地避免过分割现象的发生，同时结合超绿特征2R-G-B有效分离茶叶中的嫩芽。南京林业大学的陈勇【12】等人基于背景和嫩芽在RGB空间里三通道分量的像素分布情况，提出（R-B)gt;80amp;amp;(G-B)gt;80的嫩芽分割算法；基于色彩因子迭代的方法将R、G、B三个颜色分量联合考虑，提出了-1.01*G 0.8*B 0.19*Rgt;99的嫩芽分割算法。
二、国外研究现状
由于饮食文化不同，西方对茶叶的需求不是很高，故国外关于茶叶采摘的研究较少，其研究内容多为茶叶的品级分类、成分检测等。Borah【13】等 人基于机器视觉对茶叶的发酵过程进行颜色检测，监测茶叶质量。Diniz【14】等人提出了利用紫外可见光谱和模式识别技术同时对茶叶的地理来源和品种进行分类的方法，成功识别出茶叶样品的鉴别特征，实现了茶叶的地理和品种同时分类。Puneet Mishra【15】等人利用近红外光谱成像对不同品种茶叶进行分类，有利于茶叶产品的快速、无损、原位检测。
- 研究现状总结
我国国内对于茶叶嫩梢的识别已有进展，但仍处于不断探索的阶段，目前已有的算法仍存在许多缺陷，未能实现对茶叶嫩芽的准确识别，而且对不同品种、不同时段、不同地域的茶叶的适用性也不是很强。我们需要在已有的研究基础上，进一步探索更多的研究方法，提高嫩芽的识别率，拓展适用范围，采摘出符合要求的茶叶嫩芽，以此减少茶叶采摘过程中所费的人力资源。由于饮茶习惯，国外对茶叶的需求不高，关于茶叶嫩梢识别方面研究甚少，国外少部分学者的研究多为关于茶叶的品级分类、质量检测等方面。
四、参考文献
[1]杨福增,杨亮亮,田艳娜等.基于颜色和形状特征的茶叶嫩芽识别方法[J].农业机械学报,2009,40(S1):119-123.
[2]刘志杰,田艳娜,杨亮亮等.重叠条件下茶叶嫩芽的自动检测方法[J].中国体视学与图像分析,2009,14(2):129-132
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
