【技术实现步骤摘要】
基于图像识别的茶鲜叶分级方法
[0001]本专利技术涉及图像识别
,特别涉及一种基于图像识别的茶鲜叶分级方法
。
技术介绍
[0002]茶叶作为世界人民最喜爱的饮料之一,不仅口感丰富,而且还富含有益于人类身体健康的营养物质
。
随着经济的飞速发展,人们在不断提高生活水平的同时,越来越注重自己的身体健康,对存在大量营养物质的茶叶需求越来越大,尤其是对优质茶叶
。
[0003]目前,对于机采
、
手采或是购买的茶鲜叶,大部分是不同芽叶数量的茶叶混合在一起,造成各种等级茶鲜叶相互混合的情况,而不同等级的茶鲜叶嫩度是不同的,所以使用同一个加工参数
(
杀青时的温度等
)
对茶鲜叶加工会严重破坏茶叶中的营养成分,降低茶叶的品质,因此在茶鲜叶加工之前需要对其进行分级处理,然后选择适合每个等级的加工参数,减小对茶叶中营养成分的破坏,以此提高茶叶的质量
。
[0004]目前使用的分级方法为数字图像处理,数字图像处理是指通过计算机将图像信号转换成数字信号,并通过其进行处理的过程
。
通过计算机进行图像视觉检测具有简单
、
方便
、
快速的特点
。
但该传统处理方式只能对一些简单的
、
形状比较单一的茶叶叶片进行分级,但是对于茶叶种类繁多
、
茶叶叶片大小
、
形状
、
颜色差异等已不能满足,迫切需要改 ...
【技术保护点】
【技术特征摘要】
1.
基于图像识别的茶鲜叶分级方法,其特征在于,具体包括以下方法:步骤1,茶鲜叶图像采集,对机器末端输出的茶鲜叶进行图像采集,使用数据采集系统获取茶鲜叶图像不低于基础张数;步骤2,对步骤1中获取的基础图像进行图像增强,得到增广若干倍的茶鲜叶图像;步骤3,使用可视化的图像标定工具对步骤2增广后图像中的茶鲜叶进行标注;步骤4,对步骤3标注后的茶鲜叶图像按不等比例划分为训练集和验证集;步骤5,分别将训练集数据和验证集数据导入经轻量化网络
MobilNetV3
和注意力机制
CBAM
改进后的
YOLOv8
模型并调整超参数后进行训练
。2.
如权利要求1所述的基于图像识别的茶鲜叶分级方法,其特征在于,轻量化网络
MobilNetV3
中深度可分离卷积模块的参数量与计算量小于
YOLOv8
中普通卷积模块的参数量与计算量,改进后可节约训练时间
。3.
如权利要求2所述的基于图像识别的茶鲜叶分级方法,其特征在于,所述深度可分离卷积模块包括逐层卷积和逐点卷积
。4.
如权利要求2所述的基于图像识别的茶鲜叶分级方法,其特征在于,所述
YOLOv8
中普通卷积模块的参数量与计算量的计算公式为:
Q1=
N
×
M
×
S2W1=
N
×
M
×
X
×
Y
×
S2其中,
Q1为普通卷积模块的参数量,
W1为普通卷积模块的计算量,
N、M
分别为输入和输出通道数,
S
为卷积核的尺寸,
X、Y
分别为输出图层的宽和高
。5.
如权利要求2所述的基于图像识别的茶鲜叶分级方法,其特征在于,所述轻量化网络
MobilNetV3
中深度可分离卷积模块的参数量与计算量的计算公式为:
Q2=
N
×
S2+N
×
MW2=
N
×
X
×
Y
×
S2+N
×
M
×
X
×
Y
其中,
Q2为深度可分离卷积模块的参数量,
W2为深度可分离卷积模块的计算量,
N、M
分别为输入和输出通道数,
S
为逐层卷积核的尺寸,
X、Y
分别为输出图层的宽和高
...
【专利技术属性】
技术研发人员:张开兴,王泽宇,丁兆堂,周长安,张洪涛,朱友旭,
申请(专利权)人:山东农业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。