一种基于质量评价的采茶优化方法和系统

技术领域

本发明属于互联网信息处理技术，具体的，涉及一种基于质量评价的采茶优化方法和系统。

背景技术

茶树冠层修剪和收获作业是茶树生长管理的两大重要环节，均通过切割茶树茎秆实现。切割茶树茎秆采用的机具包括修剪机和采茶机，现有的茶树修剪机、采茶机的往复式双动刀大多采用曲柄滑块机构或双偏心轮机构驱动。工作时，往复式双动刀相向运动将茶树茎秆推至刃口进行夹持切割，无法实现高速切割；且茎秆发生较大横向弯曲，导致切口不平整甚者发生撕裂，切割质量差；此外，双动刀工作时摩擦发热情况严重、需要频繁进行降温处理、无法长时间作业。

在茶产业发展历程中，茶叶机械的广泛应用为茶叶产业化发展提供了重要的物质基础，为茶产业的快速发展起到了重要的推动作用，但总体发展过程仍然不均衡不全面。一是劳动力紧缺，费用高，茶园“用工荒”。茶叶采摘是茶园生产管理中劳动最密集、最费工时、季节性最强的一项重要工作，茶叶采摘多数还沿用着传统手工采摘方式，劳动力需求量极大，已严重制约茶叶生产加工节本增效、提质增量的发展。

另外，采茶人工不稳定，采摘技术不一，导致夏秋茶少采漏采、粗采滥采现象也比较严重，茶叶鲜叶质量难以统一标准，干茶品质难以保证。二是人工采摘效率低，难以保证茶叶采摘的时效性。北方有句俗语来形容茶芽“头天宝，隔天草”，人工采摘效率低，必然影响茶叶的采摘速度。而机械化采茶是通过“园、机、人”三要素的配合，用机器代替手工的一种采茶方法。实践证明，机械化采茶能显著提高工效、节约成本、提高产量，从根本上解决采茶劳动力紧张的问题，有着明显的经济效益和社会效益，是茶业持续健康发展的必由之路。三是南北方差异，对采茶机要求不一致。

因此一套科学的基于质量评价的采茶优化方法和系统，有助于筛选出最适合茶叶机械化采摘机型，对于推动茶叶生产加工机械化进程具有极其重要意义。

发明内容

为了解决当前采茶环节中的自动化程度低、采茶效果质量不高的缺陷，本发明请求保护一种基于质量评价的采茶优化方法和系统。

根据本发明第一方面，本发明请求保护一种基于质量评价的采茶优化方法，包括步骤：

用户通过采茶主界面的人机交互功能手动调节采茶刀具的初始位姿，以适应处于不同生长状态的茶蓬表面；

用户进入采茶控制界面，控制采茶装置依据茶叶等级检测算法获得的茶叶等级结果采集待采集茶蓬的不同等级的茶叶并将茶叶通过鼓风机吹入采茶装置后方的多个自动茶叶收集袋中；

用户对采茶控制界面的采茶参数进行调节，并采用调节后的参数再一次控制采茶装置采集待采集茶蓬并将此次采集的茶叶收集放入人工茶叶收集袋中；

从自动茶叶收集袋和人工茶叶收集袋中提取预设数量的已收集茶叶，对已收集茶叶进行质量分析，得到采茶装置的采茶性能指标；

依据采茶性能指标，优化采茶装置，并使用优化后的采茶装置参数进行剩余的采茶工作。

优选的，用户通过采茶主界面的人机交互功能手动调节采茶刀具的初始位姿，以适应处于不同生长状态的茶蓬表面，具体包括：

采茶主界面通过QT Designer设计软件主界面并布局为图像信息显示窗口、检测信息提示窗口以及人机交互操作窗口；

采用QT Designer内置的QGraphicsView与QLEDNumber组件创建图像显示界面与实时数据界面；

检测信息提示窗口采用QTableWidget组件分别显示切割时间、切割长度以及基于仿形逻辑判断的刀具位姿调整指令；

人机交互操作窗口添加刀具位姿的手动调整功能，满足用户在不同室外作业环境下的需求；

手动调节采茶刀具的初始位姿时，将调节后的滑块坐标设为零点，并基于该滑块坐标输入相应的丝杆限位长度；

用户点击开始运行按钮，检查各电机和RGB-D深度相机是否与IPC工控机链接。

优选的，用户进入采茶控制界面，控制采茶装置依据茶叶等级检测算法获得的茶叶等级结果采集待采集茶蓬的不同等级的茶叶并将茶叶通过鼓风机吹入采茶装置后方的多个自动茶叶收集袋中，具体包括：

茶叶数据获取，在茶叶采集设备运行过程中，采用RGB-D相机采集到相机当前位置下的茶蓬的深度信息和RGB彩色图像，基于改进的显著目标检测算法提取出当前帧的识别目标，获取茶蓬的叶片等级图像；

目标识别，分别计算叶片等级图像的预先选定的画幅中心和边缘区域内的实时平均深度信息，将实时平均深度信息作为后续步骤中确定切割刀具位姿信息的依据；

仿形操作，将计算出的实时平均深度信息与茶叶采集设备的固有参数相结合，确定切割刀具的实时位姿，基于设计的仿形逻辑，结合切割刀具的实时位姿的自适应调整策略，匹配切割刀具与茶蓬的相应位置；

茶叶采摘，根据切割刀具的位姿确定结果，茶叶采集设备的执行机构通过往复式刀片切割茶叶，并将采摘完成的茶叶通过鼓风机吹入设备后方的茶叶收集袋中。

优选的，用户对采茶控制界面的采茶参数进行调节，并采用调节后的参数再一次控制采茶装置采集待采集茶蓬并将此次采集的茶叶收集放入人工茶叶收集袋中，具体包括：

用户调节所述采茶控制界面的角度调节选项和长度限位选项；

角度调节选项为用户按照自身需求控制刀具以选定的角度做出旋转运动；

长度限位选项为用户通过设置长度限位选项内的丝杆长度上限位和下限位参数，结合采茶主界面内的零点坐标初始化按钮，保证刀具运行时的安全性；

在采茶作业过程中，若步进电机滑块的运行距离超出了设定的限位范围，整机立即停止工作。

优选的，从自动茶叶收集袋和人工茶叶收集袋中提取预设数量的已收集茶叶，对已收集茶叶进行质量分析，得到采茶装置的采茶性能指标，具体包括：

测定单位面积内的茶蓬的茶叶密度参数，推行采茶装置沿着茶园田垄的方向行进预设距离，期间设备的平均移速为0.5m/s；

采茶装置运行周期结束后，从采茶装置后方的自动茶叶收集袋和人工茶叶收集袋中提取预设数量的茶叶采摘成果，根据质量相关标准进行定量分析，获取自动茶叶收集袋和人工茶叶收集袋的茶芽质量、漏采率以及芽叶完整率，得到采茶装置的采茶性能指标。

优选的，依据采茶性能指标，优化采茶装置，并使用优化后的采茶装置参数进行剩余的采茶工作，具体包括：

获取采茶优化模型，其中，采茶优化模型用于对采茶刀具向茶蓬各个方向的运动的采茶动作进行优化；

获取采茶刀具运动数据，其中，采茶刀具运动数据包括采茶参考值和采茶刀具运动经过茶蓬时的一条采茶路线的高度值，其中，采茶参考值包括茶蓬的各个顶端方向上的茶叶的长度值和/或茶蓬的各个顶端方向上的顶端区域的面积值；茶叶的长度值所在坐标系的原点，以及顶端区域的面积值所在坐标系的原点均为一条采茶路线的起始点；

对采茶刀具运动数据进行栅格化编码得到候选采茶动作数据，其中采茶刀具运动数据中的不同类型的数据、对应不同顶端方向的数据分别被编码到候选采茶动作数据中的不同采茶路线中；

将候选采茶动作数据和采茶性能指标输入到采茶优化模型，得到采茶刀具向茶蓬各个方向的运动的采茶动作可行性大小。

根据本发明第二方面，本发明请求保护一种基于质量评价的采茶优化系统，包括：初始化模块、自动收集模块、人工收集模块、性能检测模块、优化模块；

初始化模块中，用户通过采茶主界面的人机交互功能手动调节采茶刀具的初始位姿，以适应处于不同生长状态的茶蓬表面；

自动收集模块中，所述用户进入采茶控制界面，控制采茶装置依据茶叶等级检测算法获得的茶叶等级结果采集待采集茶蓬的不同等级的茶叶并将茶叶通过鼓风机吹入所述采茶装置后方的多个自动茶叶收集袋中；

人工收集模块中，所述用户对采茶控制界面的采茶参数进行调节，并采用调节后的参数再一次控制采茶装置采集所述待采集茶蓬并将此次采集的茶叶收集放入人工茶叶收集袋中；

性能检测模块中，从所述自动茶叶收集袋和人工茶叶收集袋中提取预设数量的已收集茶叶，对所述已收集茶叶进行质量分析，得到所述采茶装置的采茶性能指标；

优化模块中，依据所述采茶性能指标，优化所述采茶装置，并使用优化后的采茶装置参数进行剩余的采茶工作。

本发明请求保护一种基于质量评价的采茶优化方法和系统，用户通过采茶主界面的人机交互功能手动调节采茶刀具的初始位姿，控制采茶装置采集待采集茶蓬的不同等级的茶叶并将茶叶通过鼓风机吹入采茶装置后方的自动茶叶收集袋中；之后对采茶控制界面的采茶参数进行调节，并再一次控制采茶装置采集待采集茶蓬并将此次采集的茶叶收集放入人工茶叶收集袋中；从收集袋中提取预设数量的已收集茶叶进行质量分析，得到采茶装置的采茶性能指标来优化采茶装置，并使用优化后的采茶装置参数进行剩余的采茶工作。本方案对自动化采茶过程中进行区分检测，结合人工修正，对采茶结果的性能进行评价，从而进一步对后续的采茶工作提供进一步地参考，提高采茶效率。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。

图1是本发明所涉及的一种基于质量评价的采茶优化方法的工作流程图；

图2是本发明所涉及的采茶装置的原型示意图；

图3为本发明所涉及的采茶装置的系统硬件示意图；

图4为本发明所涉及的一种基于质量评价的采茶优化方法的第二工作流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

根据本发明第一实施例，参照附图1，本发明请求保护一种基于质量评价的采茶优化方法，包括步骤：

用户通过采茶主界面的人机交互功能手动调节采茶刀具的初始位姿，以适应处于不同生长状态的茶蓬表面；

用户进入采茶控制界面，控制采茶装置依据茶叶等级检测算法获得的茶叶等级结果采集待采集茶蓬的不同等级的茶叶并将茶叶通过鼓风机吹入采茶装置后方的多个自动茶叶收集袋中；

用户对采茶控制界面的采茶参数进行调节，并采用调节后的参数再一次控制采茶装置采集待采集茶蓬并将此次采集的茶叶收集放入人工茶叶收集袋中；

从自动茶叶收集袋和人工茶叶收集袋中提取预设数量的已收集茶叶，对已收集茶叶进行质量分析，得到采茶装置的采茶性能指标；

依据采茶性能指标，优化采茶装置，并使用优化后的采茶装置参数进行剩余的采茶工作。

在该实施例中，采茶装置为基于深度感知的割刀自适应仿形自走式采茶机，其原型如图2所示。

整机主要由视觉感知模块和仿形执行模块组成。其中，视觉感知模块以英特尔RealSense RGB-D深度相机作为主传感器，包括一台带有专业图像处理算法的工业级控制计算机、一个用于人机交互的触摸显示屏以及用于操作执行机构的控制硬件组合。仿形执行模块主要包括一个2自由度的操纵器和一个多电机联动控制结构。图3显示了本实施例所使用的硬件组成，并展示了组件之间的连接关关系。

参照附图3，控制器⑤的输出信息可以通过范围从0到500kHz变化的变频脉冲信号进行调整。脉冲信号由工控机②内部的微控制器产生，利用Windows系统提供的接口，可建立工控机②与控制器⑤之间的双向串行通信。而控制器⑤通过选择不同接口的电流输送控制继电器④内部触点的吸合与释放，从而控制直流电机⑦的正转与反转。

为了实现闭环控制，自走式采茶机系统必须获取丝杆步进电机⑨的滑块的实时位置反馈。然而该位置信息并不能直接通过步进电机⑨的外围I/O端口进行访问，因此我们引入了一种额外的传感方案。具体来说，步进电机⑨的通信协议给定了电机的导程参数，因此选择合适的电机转速，通过计算脉冲发送时间，即可推导出滑块的实时位置信息。基于该理论，采用DM542微型步进驱动器⑥作为步进电机⑨运行的控制器。控制器⑤通过RS-232接口与驱动器⑥连接，可提供稳定且精确的信号传输。

整机的仿形执行模块包括直流电机⑦、步进电机⑨和切割刀具⑧等机械结构。切割刀具⑧的位姿调整操作主要通过刀具旋转和刀具升降这两个功能模块实现。刀具的旋转由丝杆联动的57/100-1605步进电机⑨驱动，其最大速度为3000RPM，峰值扭矩为3.1Nm。步进电机⑨的速度与转向可以通过范围从0到400kHz的脉冲信号进行调整，该脉冲信号由ECI1200控制器⑤产生。而刀具的升降依赖于直流减速电机⑦，它的最大转速为60r/min，峰值扭矩为192kg.cm。

整机系统利用直流电机⑦和步进电机⑨分别驱动各自的丝杆滑块机构使刀具能进行大幅度的高度与角度的联动调节。具体来说，若控制器⑤发送脉冲信号使步进电机⑨正转，可通过滚珠丝杠带动切割刀具⑧绕着设备的旋转运动轴向上旋转；而当控制器⑤使步进电机⑨反转时，切割刀具⑧沿着轴心向下旋转。同时，控制器⑤也能通过控制不同继电器④的闭合与断开，使直流电机⑦正转或反转，从而带动切割刀具⑧所在的升降台沿着线性运动导轨上升或下降。

在茶叶采摘的作业过程中，工控机内置的图像处理算法利用RGB-D深度相机①获取的RGB图像和深度信息提取出茶蓬中的新叶的实时深度信息，并基于该深度信息判断切割刀具⑧的实时位姿调整指令。编码器将该指令转换为特定的脉冲信号，并通过双向串行通信端口向控制器⑤传输。控制器⑤将信号发送给步进驱动器⑥与继电器④，分别控制步进电机⑨与直流电机⑦的运行情况。利用双电机组的联动调节，使切割刀具⑧能与对应的茶蓬切割位置拟合。

在该实施例中，RealSense D435i是一款立体视觉深度相机，包括一个彩色相机（RGB传感器）、一个红外激光发射器（IR Projector）、一对立体红外传感器（IR StereoCamera）。所使用的深度测量原理是基于光学三角测量法的3D结构光技术：通过红外激光发射器，将具有一定结构特征的光线投射到被拍摄物体上，再由红外传感器进行采集。这种具备一定结构特征的光线会对被拍摄物体不同的深度区域采集不同的图像相位信息，然后通过运算单元将这种结构的变化换算成深度信息，以此来获得三维结构。该相机深度感知距离在0.1~10m之间，视场角度为85

优选的，用户通过采茶主界面的人机交互功能手动调节采茶刀具的初始位姿，以适应处于不同生长状态的茶蓬表面，具体包括：

采茶主界面通过QT Designer设计软件主界面并布局为图像信息显示窗口、检测信息提示窗口以及人机交互操作窗口；

采用QT Designer内置的QGraphicsView与QLEDNumber组件创建图像显示界面与实时数据界面；

检测信息提示窗口采用QTableWidget组件分别显示切割时间、切割长度以及基于仿形逻辑判断的刀具位姿调整指令；

人机交互操作窗口添加刀具位姿的手动调整功能，满足用户在不同室外作业环境下的需求；

手动调节采茶刀具的初始位姿时，将调节后的滑块坐标设为零点，并基于该滑块坐标输入相应的丝杆限位长度；

用户点击开始运行按钮，检查各电机和RGB-D深度相机是否与IPC工控机链接。

具体的，在该实施例中分别利用QT Designer内置的QGraphicsView与QLEDNumber组件创建了图像显示界面与实时数据界面；检测信息提示窗口利用QTableWidget组件分别显示切割时间、切割长度以及系统基于仿形逻辑判断的刀具位姿调整指令；人机交互操作窗口添加了刀具位姿的手动调整功能，使设备能满足用户在不同室外作业环境下的需求。

为了满足不同种类的大宗茶叶对于茶茎长度的需求，本项目添加了角度调节选项和长度限位选项。其中角度调节选项可使用户按照自身需求控制刀具以选定的角度做出旋转运动。另外，在提升系统适应性的同时还需要时刻确保设备在运行过程中的安全性。因此，本项目设计了限位功能，用户通过设置长度限位选项内的丝杆长度上限位和下限位参数，结合主界面内的零点坐标初始化按钮，保证刀具运行时的安全性。具体来说，在日常的采摘作业过程中，若步进电机滑块的运行距离超出了设定的限位范围，整机立即停止工作，避免滑块脱离丝杆步进电机，导致操作事故。

在设备开始运行前，用户通过主界面的人机交互功能手动调节刀具的初始位姿，以适应不同生长状态的茶蓬表面。再将调整后的滑块坐标设为零点，并基于该坐标信息输入相应的丝杆限位长度。一切准备就绪后，用户点击开始运行按钮，系统首先检查各电机和RGB-D深度相机等硬件是否与IPC工控机链接。随后调用目标检测算法从RGB-D深度相机实时采集的图像帧中提取出嫩芽初始深度，并将采集数据以连续帧的形式显示在图像显示界面。同时，基于仿形逻辑计算得出刀具位姿调整数据，将其显示在实时数据界面。最终，系统利用串口通信协议以脉冲信号的形式控制电机组运转，并结合执行机构的机械组件联动调节切割刀具的位姿，达到切割刀具与茶蓬表面实时仿形的目的，从而保证采摘作业的精确化与智能化。

优选的，参照图4，用户进入采茶控制界面，控制采茶装置依据茶叶等级检测算法获得的茶叶等级结果采集待采集茶蓬的不同等级的茶叶并将茶叶通过鼓风机吹入采茶装置后方的多个自动茶叶收集袋中，具体包括：

茶叶数据获取，在茶叶采集设备运行过程中，采用RGB-D相机采集到相机当前位置下的茶蓬的深度信息和RGB彩色图像，基于改进的显著目标检测算法提取出当前帧的识别目标，获取茶蓬的叶片等级图像；

目标识别，分别计算叶片等级图像的预先选定的画幅中心和边缘区域内的实时平均深度信息，将实时平均深度信息作为后续步骤中确定切割刀具位姿信息的依据；

仿形操作，将计算出的实时平均深度信息与茶叶采集设备的固有参数相结合，确定切割刀具的实时位姿，基于设计的仿形逻辑，结合切割刀具的实时位姿的自适应调整策略，匹配切割刀具与茶蓬的相应位置；

茶叶采摘，根据切割刀具的位姿确定结果，茶叶采集设备的执行机构通过往复式刀片切割茶叶，并将采摘完成的茶叶通过鼓风机吹入设备后方的茶叶收集袋中。

具体的，茶叶数据获取，在茶叶采集设备运行过程中，采用RGB-D相机采集到相机当前位置下的茶蓬的深度信息和RGB彩色图像，基于改进的显著目标检测算法提取出当前帧的识别目标，获取茶蓬的叶片等级图像，具体包括：

基于超绿特征和最大类间方差法的新叶检测法从茶蓬图像中获取新叶的像素坐标；

其中，通过安装在采茶机切割刀具上的深度相机能实时获取茶蓬中不同等级的茶叶和背景的叶片等级图像；

当深度相机垂直拍摄茶树顶部时，茶叶密集遮挡，过滤茶叶间的黑色空洞区域返回的异常深度值和长势过高的新叶返回的过小深度值，得到茶蓬上表面新叶的平均深度信息；

使用超绿特征和最大类间方差法的新叶检测算法实现老叶和背景中的新叶分割，优化获得的新叶的平均深度信息。

具体的，目标识别，分别计算叶片等级图像的预先选定的画幅中心和边缘区域内的实时平均深度信息，将实时平均深度信息作为后续步骤中确定切割刀具位姿信息的依据，具体包括：

基于深度信息的显著目标检测算法根据各区域聚类的深度权重提取出新叶区域；

其中，基于K-means聚类算法将输入的叶片等级图像划分为K个区域聚类；

计算深度图像中区域聚类k的初始显著性值；

将中心通道先验替换为新的深度信息权重，融合初始显著值和暗通道映射，得到融合后得到的融合显著值；

在得到融合显著值后，将输出的显著目标区域的平均深度与在RGB空间内分割并获取的新叶以及对应的位置坐标结合，得到新叶的位置-深度集成信息；

在后续的切割位姿计算步骤中，位置-深度集成信息将作为初始输入信息，执行切割刀具对茶蓬的割刀自适应仿形。

具体的，仿形操作，将计算出的实时平均深度信息与茶叶采集设备的固有参数相结合，确定切割刀具的实时位姿，基于设计的仿形逻辑，结合切割刀具的实时位姿的自适应调整策略，匹配切割刀具与茶蓬的相应位置，具体包括：

固定深度相机位置：固定深度相机与采茶设备之间的相对位置，并且获取深度相机与切割刀具之间的相对位置数据，

获取茶叶采取长度：利用深度相机获取切割刀具处茶蓬的视频帧，视频帧的数据为包括有深度信息的三维空间数据，并通过视频帧的数据计算得出切割刀具的刀刃边缘至茶蓬顶之间的距离，切割刀具的刀刃边缘至茶蓬顶之间的距离为茶叶采取长度；

调整切割刀具的位姿状态：将茶叶采取长度与预期茶叶长度相比较，对切割刀具的位置位姿状态进行调整，使茶叶采取长度满足茶叶预期长度的要求，切割刀具的位置位姿状态调整包括对切割刀具进行上升、和下降的调整。

优选的，用户对采茶控制界面的采茶参数进行调节，并采用调节后的参数再一次控制采茶装置采集待采集茶蓬并将此次采集的茶叶收集放入人工茶叶收集袋中，具体包括：

用户调节所述采茶控制界面的角度调节选项和长度限位选项

角度调节选项为用户按照自身需求控制刀具以选定的角度做出旋转运动；

长度限位选项为用户通过设置长度限位选项内的丝杆长度上限位和下限位参数，结合采茶主界面内的零点坐标初始化按钮，保证刀具运行时的安全性；

在采茶作业过程中，若步进电机滑块的运行距离超出了设定的限位范围，整机立即停止工作。

优选的，从自动茶叶收集袋和人工茶叶收集袋中提取预设数量的已收集茶叶，对已收集茶叶进行质量分析，得到采茶装置的采茶性能指标，具体包括：

测定单位面积内的茶蓬的茶叶密度参数，推行采茶装置沿着茶园田垄的方向行进预设距离，期间设备的平均移速为0.5m/s；

采茶装置运行周期结束后，从采茶装置后方的自动茶叶收集袋和人工茶叶收集袋中提取预设数量的茶叶采摘成果，根据质量相关标准进行定量分析，获取自动茶叶收集袋和人工茶叶收集袋的茶芽质量、漏采率以及芽叶完整率，得到采茶装置的采茶性能指标。

为了验证所研发的自走式采茶机的采摘效率、芽叶完整率与漏采、漏集率等性能指标，本项目在四川省邛崃市文君茶园进行了大宗茶实地采摘实验。基于对角线四分法原理，在实验前从茶园中随机选取3垄正常生长的茶行进行重复实验，并特意选择了1垄长势较差、表面不平整的茶行作为对照组。首先测定了单位面积内的茶叶密度参数，随后推行设备沿着茶园田垄的方向行进了一段距离，期间设备的平均移速约为0.5m/s，且刀具离地高度在650~950mm之间可调。设备运行周期结束后，从采摘机器人后方的茶叶收集袋中取一定数量的茶叶采摘成果，根据《采茶机作业质量:NY/T2614-2014》等相关标准对其进行定量分析，以此测定本样机的实验性能。实验指标主要分为以下3点：

(1)茶芽质量(%)：已采集茶芽中老叶、茶梗等杂质含量；

(2)漏采率(%)：实验完成后在茶蓬表面上未被采下的嫩叶与新芽的数量百分比；

(3)芽叶完整率(%)：已采集茶芽中完整嫩叶的数量百分比。

优选的，依据采茶性能指标，优化采茶装置，并使用优化后的采茶装置参数进行剩余的采茶工作，具体包括：

获取采茶优化模型，其中，采茶优化模型用于对采茶刀具向茶蓬各个方向的运动的采茶动作进行优化；

获取采茶刀具运动数据，其中，采茶刀具运动数据包括采茶参考值和采茶刀具运动经过茶蓬时的一条采茶路线的高度值，其中，采茶参考值包括茶蓬的各个顶端方向上的茶叶的长度值和/或茶蓬的各个顶端方向上的顶端区域的面积值；茶叶的长度值所在坐标系的原点，以及顶端区域的面积值所在坐标系的原点均为一条采茶路线的起始点；

对采茶刀具运动数据进行栅格化编码得到候选采茶动作数据，其中采茶刀具运动数据中的不同类型的数据、对应不同顶端方向的数据分别被编码到候选采茶动作数据中的不同采茶路线中；

将候选采茶动作数据和采茶性能指标输入到采茶优化模型，得到采茶刀具向茶蓬各个方向的运动的采茶动作可行性大小。

获取采茶优化模型，包括：

接收模型训练设备发送的采茶优化模型，其中，采茶优化模型为基于由多条运动数据栅格化编码得到的多个历史运动数据训练得到的，多条运动数据中每条运动数据的数据格式与采茶刀具运动数据的数据格式相同。

其中，对采茶刀具运动数据进行栅格化编码得到候选采茶动作数据，包括：

根据参考图像的规格和采茶刀具运动数据中的采茶路线的起点确定变化因子；

根据变化因子对采茶刀具运动数据中的采茶路线的高度值和采茶参考值进行变化处理，得到第一采茶缺失位置值和第二采茶缺失位置值；

生成与采茶刀具运动数据对应的候选采茶动作数据，其中，候选采茶动作数据包括第一采茶路线和至少一个第二采茶路线，在第一采茶路线上第一采茶缺失位置值表示的位置填充数值，在至少一个第二采茶路线上第二采茶缺失位置值表示的位置填充数值；

若采茶参考值包括长度值和面积值，第二采茶缺失位置值包括黑色空洞区域返回的异常深度值和长势过高的新叶返回的过小深度值，黑色空洞区域返回的异常深度值为长度值经过变化因子变化得到的，长势过高的新叶返回的过小深度值为面积值经过变化因子变化得到的；其中，黑色空洞区域返回的异常深度值和长势过高的新叶返回的过小深度值分别用在不同的第二采茶路线中填充数据；

对应于不同顶端方向上的采茶参考值经变化后得到的第二采茶缺失位置值，分别用在不同的第二采茶路线中填充数据；

第一采茶路线上，对应时间越靠后的高度值变化得到的第一采茶缺失位置值表示的位置上填充的数值越大；第二采茶路线上，越靠近顶端区域或顶端区域的中心位置的采茶参考值变化得到的第二采茶缺失位置值表示的位置上填充的数值越大。

运动数据还包括采茶刀具在一条采茶路线上的运动速度，候选采茶动作数据还包括第三采茶路线，第三采茶路线上第一采茶缺失位置值表示的位置填充了运动速度；

和/或，

运动数据还包括第一采茶刀具在一条采茶路线上的多个相对运动朝向，一个历史运动数据还包括多个第四采茶路线，每个第四采茶路线上第一采茶缺失位置值表示的位置填充了与一个运动朝向相关的信息，其中，多个相对运动朝向分别为相对茶蓬的不同顶端方向的运动朝向。

变化因子满足如下关系：

；

其中，scale为变化因子，h为参考图像的高度，w为参考图像的宽度，‖P,G

根据本发明第二方面，本发明请求保护一种基于质量评价的采茶优化系统，包括：

初始化模块，用户通过采茶主界面的人机交互功能手动调节采茶刀具的初始位姿，以适应处于不同生长状态的茶蓬表面；

自动收集模块，用户进入采茶控制界面，控制采茶装置依据茶叶等级检测算法获得的茶叶等级结果采集待采集茶蓬的不同等级的茶叶并将茶叶通过鼓风机吹入采茶装置后方的多个自动茶叶收集袋中；

人工收集模块，用户对采茶控制界面的采茶参数进行调节，并采用调节后的参数再一次控制采茶装置采集待采集茶蓬并将此次采集的茶叶收集放入人工茶叶收集袋中；

性能检测模块，从自动茶叶收集袋和人工茶叶收集袋中提取预设数量的已收集茶叶，对已收集茶叶进行质量分析，得到采茶装置的采茶性能指标；

优化模块，依据采茶性能指标，优化采茶装置，并使用优化后的采茶装置参数进行剩余的采茶工作。

优选的，初始化模块具体包括：

采茶主界面通过QT Designer设计软件主界面并布局为图像信息显示窗口、检测信息提示窗口以及人机交互操作窗口；

采用QT Designer内置的QGraphicsView与QLEDNumber组件创建图像显示界面与实时数据界面；

检测信息提示窗口采用QTableWidget组件分别显示切割时间、切割长度以及基于仿形逻辑判断的刀具位姿调整指令；

人机交互操作窗口添加刀具位姿的手动调整功能，满足用户在不同室外作业环境下的需求；

手动调节采茶刀具的初始位姿时，将调节后的滑块坐标设为零点，并基于该滑块坐标输入相应的丝杆限位长度；

用户点击开始运行按钮，检查各电机和RGB-D深度相机是否与IPC工控机链接；

自动收集模块具体包括：

茶叶数据获取，在茶叶采集设备运行过程中，采用RGB-D相机采集到相机当前位置下的茶蓬的深度信息和RGB彩色图像，基于改进的显著目标检测算法提取出当前帧的识别目标，获取茶蓬的叶片等级图像；

目标识别，分别计算叶片等级图像的预先选定的画幅中心和边缘区域内的实时平均深度信息，将实时平均深度信息作为后续步骤中确定切割刀具位姿信息的依据；

仿形操作，将计算出的实时平均深度信息与茶叶采集设备的固有参数相结合，确定切割刀具的实时位姿，基于设计的仿形逻辑，结合切割刀具的实时位姿的自适应调整策略，匹配切割刀具与茶蓬的相应位置；

茶叶采摘，根据切割刀具的位姿确定结果，茶叶采集设备的执行机构通过往复式刀片切割茶叶，并将采摘完成的茶叶通过鼓风机吹入设备后方的茶叶收集袋中。

优选的，人工收集模块具体包括：

用户调节所述采茶控制界面的角度调节选项和长度限位选项；

角度调节选项为用户按照自身需求控制刀具以选定的角度做出旋转运动；

长度限位选项为用户通过设置长度限位选项内的丝杆长度上限位和下限位参数，结合采茶主界面内的零点坐标初始化按钮，保证刀具运行时的安全性；

在采茶作业过程中，若步进电机滑块的运行距离超出了设定的限位范围，整机立即停止工作；

性能检测模块具体包括：

测定单位面积内的茶蓬的茶叶密度参数，推行采茶装置沿着茶园田垄的方向行进预设距离，期间设备的平均移速为0.5m/s；

采茶装置运行周期结束后，从采茶装置后方的自动茶叶收集袋和人工茶叶收集袋中提取预设数量的茶叶采摘成果，根据质量相关标准进行定量分析，获取自动茶叶收集袋和人工茶叶收集袋的茶芽质量、漏采率以及芽叶完整率，得到采茶装置的采茶性能指标。

优选的，优化模块具体包括：

获取采茶优化模型，其中，采茶优化模型用于对采茶刀具向茶蓬各个方向的运动的采茶动作进行优化；

获取采茶刀具运动数据，其中，采茶刀具运动数据包括采茶参考值和采茶刀具运动经过茶蓬时的一条采茶路线的高度值，其中，采茶参考值包括茶蓬的各个顶端方向上的茶叶的长度值和/或茶蓬的各个顶端方向上的顶端区域的面积值；茶叶的长度值所在坐标系的原点，以及顶端区域的面积值所在坐标系的原点均为一条采茶路线的起始点；

对采茶刀具运动数据进行栅格化编码得到候选采茶动作数据，其中采茶刀具运动数据中的不同类型的数据、对应不同顶端方向的数据分别被编码到候选采茶动作数据中的不同采茶路线中；

将候选采茶动作数据和采茶性能指标输入到采茶优化模型，得到采茶刀具向茶蓬各个方向的运动的采茶动作可行性大小。

本领域技术人员能够理解，本公开所披露的内容可以出现多种变型和改进。例如，以上所描述的各种设备或组件可以通过硬件实现，也可以通过软件、固件、或者三者中的一些或全部的组合实现。

本公开中使用了流程图用来说明根据本公开的实施例的方法的步骤。应当理解的是，前面或后面的步骤不一定按照顺序来精确的进行。相反，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中。

本领域普通技术人员可以理解上述方法中的全部或部分的步骤可通过计算机程序来指令相关硬件完成，程序可以存储于计算机可读存储介质中，如只读存储器、磁盘或光盘等。可选地，上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地，上述实施例中的各模块/单元可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。本公开并不限制于任何特定形式的硬件和软件的结合。

除非另有定义，这里使用的所有术语具有与本公开所属领域的普通技术人员共同理解的相同含义。还应当理解，诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。

以上是对本公开的说明，而不应被认为是对其的限制。尽管描述了本公开的若干示例性实施例，但本领域技术人员将容易地理解，在不背离本公开的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此，所有这些修改都采茶动作包含在权利要求书所限定的本公开范围内。应当理解，上面是对本公开的说明，而不应被认为是限于所公开的特定实施例，并且对所公开的实施例以及其他实施例的修改采茶动作包含在所附权利要求书的范围内。本公开由权利要求书及其等效物限定。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。