一、试验：

　　据悉，某研究人员用智能茶叶不锈钢分选机进行了性能试验，所用茶叶为江苏某地的储叶种茶叶，茶叶为手工采摘。试验的时间为6月初。按当地习惯，将茶叶分为全芽、叶包芽，一芽一叶和一芽二叶等四种类别。进行了三组试验:

　　1组中茶叶分为全芽、一芽一叶、一芽二叶(其中展开较大的叶包芽归入一芽一叶，展开很少的叶包芽归入全芽)；2组的茶叶分为全芽、叶包芽、一芽一叶(没有一芽多叶的茶叶参与试验)；第3组的茶叶分为全芽、叶包芽、一芽一叶和一芽多叶。试验中采用人工向投料口投放茶叶的方法。

　　分选机转盘转速为258r/min，茶叶在转盘上运动的线速度约为65mm/s，茶叶投放的速度大约为0.5片/s。试验中投放到转盘上的茶叶经计算机识别后由各分选刷推送到各自的容器中，未发现分选刷误动作的现象。在初步试验时，曾出现茶叶粘在转盘表面，未被扫入容器的现象，后经调整分选刷间隙和圆盘表面打蜡等措施，问题得到解决。试验后检查不同类别容器中的茶叶数量和被误分选的茶叶数量。

　　从试验结果看，茶叶分选的正确率均在90%左右，说明用图像分析的方法能够基本满足茶叶分类的要求。显而易见的问题是分选的效率太低，按0.5片/s的速度计算，分选1kg鲜茶叶需要十几个小时。不过，增加计算速度、改进不锈钢分选机构和增加分选通道等措施均能增进分选的速度，相信这个问题通过改进也是可以被克服的。

　　二、结论：

　　1、用人工神经网络对鲜茶叶进行图像分析，可以取得比较好的分类成果，分类的正确率能达到90%左右(用同类茶叶样本训练的神经网络)。如果采用不同类型茶叶训练的通用神经网络分类的正确率为80%左右。

　　2、使用隐藏层为一层的BP网络，并选择面积、周长、凸壳面积、凸壳周长、长轴长度、短轴长度、比较度、平滑度等8个特征作为茶叶分类的特征值可以取得较好的分类成果。

　　3、用神经网络进行图像分析的原理设计的茶叶分类软件可用于控制智能茶叶分选机，分选机的茶叶分选正确率同样可达到90%左右。

　　4、本文所述的智能茶叶不锈钢分选机主要是用于探索用图像识别的方法实现智能茶叶分选的可能性，分选效率还很低，应通过增加计算速度、改进分选机构和设多分选通道等方法大幅度增进了分选速度。