融合整体与局部信息的武夷岩茶叶片分类方法

• 作者: 李绍滋 林丽惠 王军政 罗志明
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 武夷岩茶叶片分类 深度学习 迁移学习 特征融合 卷积神经网络 残差网络 边缘形状 纹理
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 机器学习
• 页码范围: 919-924
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11992/tis.202003018

摘要

针对武夷岩茶鲜茶叶叶片图像分类问题,提出一种融合整体与局部信息的分类方法.该方法使用两分支并行结构构建了一个整体与局部信息融合的卷积神经网络模型.实验表明,在9个品种共计7330张武夷岩茶鲜茶叶叶片图像数据集上,基于ResNet18构造的两分支并行卷积神经网络模型的分类准确率为96.68％,超过了其他CNN模型的分类准确率.这表明通过融合全局信息、边缘形状信息和纹理局部信息能有效提高分类准确率.