一、前言
目前，名优茶叶的采摘主要是通过人工来实现，不仅效率底下，而且成本极高。而少数采用机械化采摘的茶厂又面临着易破坏茶叶的形状和完整性的问题。而对于名优茶叶的采摘，如特级龙井，必须要求在茶叶的适摘阶段，必须在清明节之前，茶树的顶层嫩芽刚刚发出或长出一个嫩叶但尚未开展时，对单芽或一芽一叶的初展茶芽进行采摘。这就对采茶机器人提出了极高的要求，更精准的茶叶新梢识别方式亟待研究。
本次毕业设计拟开展基于嵌入式微处理器的新梢识别研究，较之前基于PC机的图像处理方法，具有体积小，价格低等特点，有利于今后的推广应用。FPGA的构架上实现图像识别系统，具有结构灵活，通用性强的特点，适用于模块化设计，有利于提高算法效率，准确快速地实现图像处理的功能。通过软硬件的灵活组合，系统可以实现图像处理大部分的相关功能，使之成为农林作物的自动化作业过程中的重要环节，有利于提高茶叶摘采过程的自动化水平和推动整个采茶行业的技术革命。
二、国内外研究概况
国内外针对果蔬和杂草的研究较为深入，而对自然环境下复杂背景中的茶叶新梢识别则处于起步阶段，果蔬跟外界环境差异很大，往往水果的形状和颜色就能作为识别的重要依据，而杂草的识别通常是相对于庄稼而言的，他们是不同的植株。而茶叶新梢的识别是在同一植株上，茶叶新梢和茶叶本身差别很小，识别难度很大。现在国内、外很多研究选取的对象多为条件较理想的环境，如室内白色背景下的茶叶嫩芽，而且只对单株嫩芽进行了识别，并不适用于复杂自然环境下的新梢识别，不满足采摘要求。
茶叶的新梢识别属于底层图像处理，它的数据量很大，要求处理速度快，但运算结果比较简单，如果利用软件会十分耗时。故这里采用了FPGA进行嵌入式图像处理系统的开发，能够在减少数据传输量的同时极大提高系统功能的实时性能。
随着图像处理技术的发展，运用嵌入式处理视频图像技术越来越受到关注。在农业、工业等众多领域中逐渐发挥着不可替代的作用，越拉越多的图像处理任务和系统的实时性问题在嵌入式的图像处理系统中得到解决，嵌入式的图像处理技术得到飞速发展，尤其是基于ARM或是DSP的图像处理系统以及基于可编程逻辑器件CPLD或是FPGA的图像处理系统。基于ASIC的系统由于定制性，在性能上有卓越的优势。但是这种ASIC的处理系统，成本昂贵且开发周期太长，并且不利于推广。在科研及工业控制领域，比较常用的是DSP的图像处理系统。DSP采用数据和程序分离的哈佛结构和改进的哈佛结构，执行指令速度更快。采用流水线技术，减少每条指令执行时间，DSP作为专门的微处理器，主要用于计算，优势是软件的灵活性。适用于条件进程，特别是复杂的多算法任务。但它受到串行指令流的限制；超过几MHZ的取样率，一个DSP 仅能完成对数据非常简单的运算，而由于在底层图像处理的过程中，数据量非常大，要求处理速度快，这时以FPGA作为主要处理芯片的图像处理系统就十分适用。随着高性能FPGA产品的出现，越来越多的DSP功能以及其他处理功能已经可以在FPGA内部实现。可以预见，由于FPGA性能的提升，功能的增强以及成本的降低，基于FPGA的图像处理必将会在图像处理领域发挥更大作用。
三、主要参考文献基本观点
1、 国内研究现状
南京林业大学的孙晓峰[1]在对茶树图像进行阀值分割和滤波分析并将中值滤波和阀值相结合的基础上，采用形态学方法来进行新梢中心点的确定。运用腐蚀、膨胀、开运算和闭运算等形态学算法来识别新梢。
张荣香[2]等提出了基于茶叶红外光谱的特征识别方法，建立了特征基理论，选择合适样品建立的光谱特征基，能反映样品的综合特征信息，从而对多组分物质进行识别研究
赵杰文[3]等和陈全胜[4]等分别使用近红外光谱结合主成分一马氏距离模式识别方法和SIlVICA(Soft IndependentModeling of Class Analogy)模式识别方法对茶叶进行判别与分类，很好的区分了龙井、碧螺春、祁红、毛峰和铁观音等名茶。
蔡煌东[5]等利用人工神经网络这一门非线性科学根据茶叶的色泽来评定茶叶种类和品质。
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。
