The invention discloses a tobacco leaf sorting method based on convolution neural network, which uses convolution neural network to sort tobacco leaves. The method not only can sort the impurities with different colors, but also can sort the impurities with texture characteristics and morphological characteristics. Moreover, because the resolution of normal tobacco leaves and impurities is based on manual prior recognition and then sample input, the method can be used for sorting tobacco leaves. As long as the input of samples is reasonable, convolutional neural network can achieve the same accuracy as manual sorting. The invention can learn tobacco leaves and sundries, and the longer the period of use, the more samples collected, the more accurate the trained parameter model can identify sundries and tobacco leaves, and reduce the false detection rate and missed judgment rate.
【技术实现步骤摘要】
基于卷积神经网络的烟叶分拣方法
本专利技术涉及烟叶分拣方法,具体涉及一种基于卷积神经网络的烟叶分拣方法。
技术介绍
现有的烟叶分拣过程中,由于烟叶形态多样、没有特定的纹理,颜色也较为复杂,所以其特征相较于杂物并不明显,而且杂物的种类繁多。仅从形态、纹理和颜色等单一特征来区分非常容易产生误判和漏判。目前主要采用的是用颜色特征来进行分拣,该方法在异物颜色有差异的情况下能区分比较多的异物,但是对于颜色接近的异物,例如其他植物茎叶、麻绳、颜色相近的纸张碎片等是识别不出来的,而对于这些杂物的剔除仍然是烟叶分拣评测中的重要的指标。
技术实现思路
本专利技术的目的在于提供一种基于卷积神经网络的烟叶分拣方法。实现本专利技术目的的技术方案为:一种基于卷积神经网络的烟叶分拣方法,包括如下步骤:步骤1,采集烟叶图像,由人工分拣将烟叶分为两类,一类为正常烟叶,另一类为杂物;步骤2,设计一个包括4个特征提取层、一个全连接层和一个输出层的神经网络,每个特征提取层包含一个卷积层、一个下采样层和一个激活层;步骤3,将步骤1中划分的两类图像分别切分为N*N的图片,进行标号并贴上标签,然后将这两类图像输入设计好的卷积神经网络进行训练;步骤4,经过训练得到卷积神经网络的参数模型,将参数导入只有前向传播的卷积神经网络进行分类,通过阈值判别来决定是否发出剔除指令;步骤5,在训练过程中将漏判和误判的图像制作成样本集,加入训练样本中再次进行训练以得到神经网络参数模型。与现有技术相比,本专利技术的显著优点为:(1)本专利技术极大的提高对于杂物的识别率,而且相对于现在的单一的特征分拣模式不能根据不同杂物进行调 ...
【技术保护点】
1.一种基于卷积神经网络的烟叶分拣方法,其特征在于,包括如下步骤:步骤1,采集烟叶图像,由人工分拣将烟叶分为两类,一类为正常烟叶,另一类为杂物;步骤2,设计一个包括4个特征提取层、一个全连接层和一个输出层的神经网络,每个特征提取层包含一个卷积层、一个下采样层和一个激活层;步骤3,将步骤1中划分的两类图像分别切分为N*N的图片,进行标号并贴上标签,然后将这两类图像输入设计好的卷积神经网络进行训练;步骤4,经过训练得到卷积神经网络的参数模型,将参数导入只有前向传播的卷积神经网络进行分类,通过阈值判别来决定是否发出剔除指令;步骤5,在训练过程中将漏判和误判的图像制作成样本集,加入训练样本中再次进行训练以得到神经网络参数模型。
【技术特征摘要】
1.一种基于卷积神经网络的烟叶分拣方法,其特征在于,包括如下步骤:步骤1,采集烟叶图像,由人工分拣将烟叶分为两类,一类为正常烟叶,另一类为杂物;步骤2,设计一个包括4个特征提取层、一个全连接层和一个输出层的神经网络,每个特征提取层包含一个卷积层、一个下采样层和一个激活层;步骤3,将步骤1中划分的两类图像分别切分为N*N的图片,进行标号并贴上标签,然后将这两类图像输入设计好的卷积神经网络进行训练;步骤4,经过训练得到卷积神经网络的参数模型,将参数导入只有前向传播的卷积神经网络进行分类,通过阈值判别来...
【专利技术属性】
技术研发人员:吴亚成,沙涛,韦杰,刘胜阳,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:江苏,32
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。