申请/专利权人:广东省农业科学院茶叶研究所;华南农业大学;紫金县紫龙农业开发有限公司;英德市林清语茶文化传播有限公司
申请日:2023-06-01
公开(公告)日:2023-08-22
公开(公告)号:CN116630810A
主分类号:G06V20/10
分类号:G06V20/10;G06V20/70;G06V10/764;G06V10/774;G06V10/82;G06N3/045;G06N3/0464;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.09.08#实质审查的生效;2023.08.22#公开
摘要:本发明涉及图像处理的技术领域,公开了一种基于神经网络和图像识别的茶小绿叶蝉叮咬鲜叶等级分类方法和装置。该方法包括:利用彩色相机采集不同叮咬程度的茶鲜叶图像,构成基础数据集;对基础数据集中的每个茶鲜叶图像进行数据预处理;人工标注基础数据集中的每个茶鲜叶图像;对基础数据集进行数据增广,构建增广数据集;构建卷积神经网络初始模型,利用增广数据集对卷积神经网络模型进行训练,得到卷积神经网络模型;利用卷积神经网络模型对目标茶鲜叶图像进行分级。实施本发明,可以做到精确检测茶小绿叶蝉叮咬程度的同时对茶鲜叶进行等级分类,为茶鲜叶原料适度的推断、茶鲜叶质量等级评定的定量化、自动化、规模化提供有力支撑。
主权项:1.一种基于神经网络和图像识别的茶小绿叶蝉叮咬鲜叶等级分类方法,其特征在于,包括:利用彩色相机采集不同叮咬程度的茶鲜叶图像,构成基础数据集,所述不同叮咬程度包括正常、轻度、中度和重度;对所述基础数据集中的每个茶鲜叶图像进行数据预处理,所述数据预处理包括归一化处理和使用Retinex算法来增强每个茶鲜叶图像并减少光线变化和阴影的影响;人工标注所述基础数据集中的每个茶鲜叶图像;对所述基础数据集进行数据增广,构建增广数据集;构建卷积神经网络初始模型,利用所述增广数据集对所述卷积神经网络模型进行训练,得到卷积神经网络模型;利用所述卷积神经网络模型对目标茶鲜叶图像进行分级。
全文数据:
权利要求:
百度查询: 广东省农业科学院茶叶研究所;华南农业大学;紫金县紫龙农业开发有限公司;英德市林清语茶文化传播有限公司 基于神经网络和图像识别的茶小绿叶蝉叮咬鲜叶等级分类方法和装置
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。