申请/专利权人：南京工业大学;南京摩深信息科技有限公司

申请日：2020-03-27

公开（公告）日：2023-05-02

公开（公告）号：CN111414971B

主分类号：G06V20/68

分类号：G06V20/68;G06V10/82;G06V10/26;G06V10/77;G06V10/774;G06V10/80;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2023.05.02#授权;2020.08.07#实质审查的生效;2020.07.14#公开

摘要：本发明提供一种基于卷积神经网络的成品茶叶种类及品级识别方法，该方法包括：成品茶叶样本图像采集步骤；成品茶叶样本图像处理步骤；训练成品茶叶的类型品级识别模型和成品茶叶图像识别步骤。本发明的方法可以精确地识别成品茶叶的种类及品级，在45种不同的茶叶种类和品级上进行了测试，识别的平均准确率在90％以上；弥补了目前茶叶市场对于成品茶叶无法有效鉴定的情况，并且识别的准确性较好。

主权项：1.一种基于卷积神经网络的成品茶叶种类及品级识别方法，其特征在于，该方法包括以下步骤：S1、成品茶叶样本图像采集步骤：选取若干种已知茶叶种类、品级的成品茶叶样本，对于各种类、品级的成品茶叶进行图像采集，将任一样本平铺在纯色背景上，通过手机拍摄获取该样本茶叶的图像n张；S2、成品茶叶样本图像处理步骤：对任一样本的n张图像分别进行图像分割和数据增强处理，获取该样本茶叶的图像库；S3、训练成品茶叶的类型品级识别模型：对各种已知茶叶种类、品级的成品茶叶样本分别执行S1-S2的操作，获得相应样本的图像库，将各样本茶叶种类、品级标签与对应的图像库输入卷积神经网络模型进行训练；S4、成品茶叶图像识别步骤：将待识别成品茶叶平铺在纯色背景上，通过手机拍摄获取待识别的成品茶叶图像，输入至成品茶叶的类型品级识别模型，获取茶叶类型品级的识别结果；步骤S3中，卷积神经网络模型进行训练具体为：S3.1、通过卷积神经网络提取茶叶图像特征；S3.2、然后对茶叶图像特征进行卷积运算降维，卷积运算的卷积核大小为1；通过注意力机制方法对卷积后的茶叶图像特征进行处理得到细化茶叶图像特征；S3.3、将步骤S3.1获取的茶叶图像特征和步骤S3.2获取的细化茶叶图像特征对应相乘进行融合并与茶叶类别相对应；S3.4、将步骤S3.2获取的细化茶叶图像特征反馈给卷积神经网络进一步学习，以更新卷积神经网络参数；重复步骤S3.1-3.4，直到卷积神经网络的参数趋于稳定，完成训练。

全文数据：

权利要求：

百度查询： 南京工业大学;南京摩深信息科技有限公司 一种基于卷积神经网络的成品茶叶种类及品级识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD