基于深度学习的茶叶状态智能识别方法

• 作者: 刘大茂 王琨
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 图像分割 特征提取 3D识别
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 电子·自动化
• 页码范围: 120-126
• 页数: 7页
• 分类号: TP391
• 字数: 5510字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2015.12.020

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘大茂	福州大学物理与信息工程学院	33	140	7.0	9.0
2	王琨	福州大学阳光学院电子信息工程系	12	36	3.0	5.0