基于深度学习的茶叶状态智能识别方法

被引：17

作者：

王琨 ^{[1
]}

刘大茂 ^{[2
]}

机构：

[1] 福州大学阳光学院电子信息工程系

[2] 福州大学物理与信息工程学院

来源：

重庆理工大学学报(自然科学) | 2015年 / 29卷 / 12期

关键词：

深度学习; 卷积神经网络; 图像分割; 特征提取; 3D识别;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

目前对茶叶状态的识别主要依赖人工完成,规模化、产业化生产制造较为困难。作为机器学习的一个新兴方向,深度学习以其准确性和高效性得到广泛关注。将深度学习中的卷积神经网络算法应用于茶叶状态识别中,根据实际的应用场合对经典的卷积神经网络算法进一步优化,利用提取到的茶叶图像集训练网络,最终使网络能够正确识别茶叶状态。实验结果表明:该算法能够对茶叶状态的判别标志——茶叶嫩芽进行有效的3D识别,且对于不同的影响因素具有一定的鲁棒性。

引用

页码：120 / 126

页数：7

共 6 条

[1] 深度学习研究综述
孙志军
薛磊
许阳明
王正
[J]. 计算机应用研究, 2012, 29 (08) : 2806 - 2810
[2] 结合颜色和区域生长的茶叶图像分割算法研究
汪建
[J]. 茶叶科学, 2011, 31 (01) : 72 - 77
[3] 基于颜色和形状的茶叶计算机识别研究
汪建
杜世平
[J]. 茶叶科学, 2008, (06) : 420 - 424
[4] 应用神经网络方法解决小麦高产群体图像识别
肖波
索兴梅
白中英
[J]. 计算机应用研究, 2004, (04) : 240 - 242
[5] 基于改进的蚁群算法实现的茶叶种植分析系统[D]. 郝靳.吉林大学 2014
[6] Best Practices for Convolutional Neural Networks Applied to Visual Document Analysis. Patrice Y. Simard,Dave Steinkraus,John Platt. International Conference on Document Analysis and Recognition （ICDAR） . 2003

← 1 →