基于tensorflow的茶叶品种识别系统技术方案

本发明专利技术涉及一种基于tensorflow的茶叶品种识别系统，包括摄像头、识别设备和数据库服务器，所述识别设备包括特征识别模块、分类模块和触控显示屏；所述摄像头与所述识别设备通信，所述识别设备与数据库服务器通信，所述数据库服务器存储有各类茶叶的相关信息；所述摄像头用于采集待识别的茶叶图像，并将采集到的茶叶图像传输至识别设备；识别设备中的所述特征识别模块用于接收待识别的茶叶图像，并对所述待识别茶叶图像中的茶叶进行类别识别，所述分类模块选择概率最大值对应的类别作为该茶叶图像的类别，并从数据库服务器中调取该类别茶叶的相关信息，输出给触控显示屏进行显示。本发明专利技术使得用户可以快速了解待识别茶叶的相关信息。

Tea variety recognition system based on tensorflow

The present invention relates to a tea variety identification system based on tensorflow, including a camera, identification device and a database server. The identification device includes a feature recognition module, a classification module and a touch display screen. The camera communicates with the identification device, the identification device communicates with the database server, and the database server stores the relevant information of various kinds of tea. The camera is used to collect the tea image to be recognized and transmit the collected tea image to the recognition device; the feature recognition module in the recognition device is used to receive the tea image to be recognized and classify the tea in the tea image to be recognized. The classification module selects the category corresponding to the maximum probability as the category of the tea image. Relevant information of this kind of tea is fetched from the database server and output to the touch screen for display. The invention enables the user to quickly understand the relevant information of the tea to be identified.

【技术实现步骤摘要】
基于tensorflow的茶叶品种识别系统
本专利技术涉及图像识别领域，具体涉及基于tensorflow的茶叶品种识别系统。
技术介绍
随着经济社会的快速发展及人们对健康生活要求的不断提高，茶叶作为自然健康饮品受到越来越多消费者的青睐。但是对于绝大多数的消费者，茶叶的具体信息他们并不了解，而传统的茶叶图像识别的系统是用openvc或者其他计算机视觉开源库，并对图像进行处理、分析和理解，从而识别。而目前出现的茶叶图像识别的系统有以下不足：特殊地茶叶形状无法准确识别，识别率低；两种相似度差不多的茶叶会发生识别错误的问题。
技术实现思路
本专利技术的目的在于提出一种基于tensorflow的茶叶品种识别系统。为了实现上述目的，本专利技术提供以下技术方案：一种基于tensorflow的茶叶品种识别系统，包括摄像头、识别设备和数据库服务器，所述识别设备包括特征识别模块、分类模块和触控显示屏；所述摄像头与所述识别设备通信，所述识别设备与数据库服务器通信，所述数据库服务器存储有各类茶叶的相关信息；所述摄像头用于采集待识别的茶叶图像，并将采集到的茶叶图像输送至识别设备；识别设备中的所述特征识别模块用于接收待识别的茶叶图像，并对所述待识别茶叶图像中的茶叶进行类别识别，得到待识别茶叶图像中茶叶为各种类别的概率，并输出给分类模块；所述分类模块选择概率最大值对应的类别作为该茶叶图像的类别，并从数据库服务器中调取该类别茶叶的相关信息，输出给触控显示屏进行显示。通过摄像头拍摄待识别的茶叶图像，并经过特征识别模块分类识别，选取概率最大值的类别提取数据库中的相关数据，并在触控显示屏上显示，使得用户可以快速了解待识别茶叶的相关信息。在进一步的方案中，所述特征识别模块基于tensorflow的slim框架下的Inception_v4模型建立的卷积神经网络进行识别，所述卷积神经网络包括输入层、卷积层、函数激活层、池化层、全连接层；所述输入层用于接收待识别的茶叶图像；所述卷积层用于提取输入层接收待识别的茶叶图像的特征，并形成特征图；所述函数激活层，用于将像素负值设置为0；所述池化层用于对特征图进行压缩，提取主要特征，所述主要特征包括茶叶的外形轮廓、茶叶的颜色；所述全连接层用于连接所有的主要特征，得到特征向量，并根据特征向量得到待识别茶叶图像中茶叶为各种类别的概率。通过基于tensorflow的slim框架下的Inception_v4模型建立的卷积神经网络进行识别，使得图像识别的识别率大大提高，且不需要进行图像的前期处理，方便快捷。在进一步的方案中，所述相关信息包括茶叶名称、茶叶产地、茶叶泡法。使得用户对茶叶的了解更加全面。在进一步的方案中，所述识别设备还包括训练模块，用于训练所述卷积神经网络模型。在进一步的方案中，所述训练模块与所述摄像头、特征识别模块相连，且所述训练模块包括以下子模块：参数设置子模块，用于设置卷积神经网络模型中的学习参数，包括初始化卷积神经网络模型中的学习参数，以及在迭代过程中更新卷积神经网络模型中的学习参数重复执行训练过程进行重新训练，直至达到设定的迭代次数，所述学习参数包括learning_rate、adam_beta、keep_prob；图像处理子模块，用于利用tensorflow.image中提供了图像解码函数对摄像头拍摄的茶叶图像进行解码，将所述茶叶图像转化为像素矩阵；图像输入子模块，用于将所述像素矩阵输入到所述卷积神经网络模型；概率输出子模块，用于从所述卷积神经网络模型输出当前模型参数下所述像素矩阵中每个茶叶分类的概率；损失计算子模块，用于对概率输出子模块的输出结果进行损失计算，并求取一张像素矩阵中所有茶叶的平均损失；最小化平均损失求解子模块，用于求解最小化平均损失，并将求解得到的最小化平均损失输出给参数设置子模块。在进一步的方案中，所述learning_rate的调整区间为0.01～0.05；adam_betal的参数调整区间为0.8～0.9，adam_beta2的调整区间为0.99～0.999；keep_prob值为0.8～0.9。adam_betal的参数调整区间为0.8～0.9，收效速度快，波动小。且keep_prob值设为0.8～0.9，以此来防止过拟合。与现有技术相比，使用本专利技术提供的基于tensorflow茶叶品种识别方法，其有益效果为：通过基于tensorflow的slim框架下的Inception_v4模型建立的卷积神经网络，使得图像识别的识别率大大提高，且不需要对图像做前期处理，方便快捷。通过触控显示屏显示茶叶名称、茶叶产地、茶叶泡法。用户不仅可以通过查看该类茶叶的特征信息进一步判断待识别茶叶，还能够根据茶叶的特征信息学习和了解相关茶叶信息，使得用户对识别的茶叶有更全面的了解。通过设置adam_betal的参数调整区间为0.8～0.9，使得收效速度快，波动小，且keep_prob值设为0.8～0.9，以此来防止过拟合。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本实施例中基于tensorflow的茶叶品种识别系统的移动终端的框图；图2为本实施例中基于tensorflow的茶叶品种识别系统的特征识别模块的构架图；图3为本实施例中基于tensorflow的茶叶品种识别系统的训练模块的构架图；图4为本实施例中基于tensorflow的茶叶品种识别系统的总体流程图；图中标记说明摄像头1，识别设备2，数据库服务器3，特征识别模块4，输入层41，卷积层42，函数激活层43，池化层44，全连接层45，分类模块5，触控显示屏6，训练模块7，参数设置子模块71，图像处理子模块72，图像输入子模块73，概率输出子模块74，损失计算子模块75，最小化平均损失求解子模块76。具体实施方式下面将对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。以下对本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1-4，本实施例示意性地公开了一种基于tensorflow的茶叶品种识别系统，包括摄像头1、识别设备2和数据库服务器3，所述识别设备2包括特征识别模块4、分类模块5和触控显示屏6；所述摄像头1与所述识别设备2通信，所述识别设备2与数据库服务器3通信，所述数据库服务器3存储有各类茶叶的相关信息；所述摄像头1用于采集待识别的茶叶图像，并将采集到的茶叶图像输送至识别设备2；识别设备2中的所述特征识别模块4用于接收待识别的茶叶图像，并对所述待识别茶叶图像中的茶叶进行类别识别，得到待识别茶叶图像中茶叶为各种类别的概率，并输出给分类模块5；所述分类模块5选择概率最大值对应的类别作为该茶叶图像的类别，并从数据库服务器3中调取该类别茶叶的相关信息，输出给触控显示屏6进行显示。通过摄像头1拍摄待识别的本文档来自技高网...

【技术保护点】
1.一种基于tensorflow的茶叶品种识别系统，其特征在于，包括摄像头、识别设备和数据库服务器，所述识别设备包括特征识别模块、分类模块和触控显示屏；所述摄像头与所述识别设备通信，所述识别设备与数据库服务器通信，所述数据库服务器存储有各类茶叶的相关信息；所述摄像头用于采集待识别的茶叶图像，并将采集到的茶叶图像传输至识别设备；识别设备中的所述特征识别模块用于接收待识别的茶叶图像，并对所述待识别茶叶图像中的茶叶进行类别识别，得到待识别茶叶图像中茶叶为各种类别的概率，并输出给分类模块；所述分类模块选择概率最大值对应的类别作为该茶叶图像的类别，并从数据库服务器中调取该类别茶叶的相关信息，输出给触控显示屏进行显示。

【技术特征摘要】
1.一种基于tensorflow的茶叶品种识别系统，其特征在于，包括摄像头、识别设备和数据库服务器，所述识别设备包括特征识别模块、分类模块和触控显示屏；所述摄像头与所述识别设备通信，所述识别设备与数据库服务器通信，所述数据库服务器存储有各类茶叶的相关信息；所述摄像头用于采集待识别的茶叶图像，并将采集到的茶叶图像传输至识别设备；识别设备中的所述特征识别模块用于接收待识别的茶叶图像，并对所述待识别茶叶图像中的茶叶进行类别识别，得到待识别茶叶图像中茶叶为各种类别的概率，并输出给分类模块；所述分类模块选择概率最大值对应的类别作为该茶叶图像的类别，并从数据库服务器中调取该类别茶叶的相关信息，输出给触控显示屏进行显示。2.根据权利要求1所述的基于tensorflow的茶叶品种识别系统，其特征在于，所述特征识别模块基于tensorflow的slim框架下的Inception_v4模型建立的卷积神经网络进行识别，所述卷积神经网络包括输入层、卷积层、函数激活层、池化层、全连接层；所述输入层用于接收待识别的茶叶图像；所述卷积层用于提取输入层接收待识别的茶叶图像的特征，并形成特征图；所述函数激活层，用于将像素负值设置为0；所述池化层用于对特征图进行压缩，提取主要特征，所述主要特征包括茶叶的外形轮廓、茶叶的颜色；所述全连接层用于连接所有的主要特征，得到特征向量，并根据特征向量得到待识别茶叶图像中茶叶为各种类别的概率。3.根据权利要求1所述的基于tensorflow的茶叶品种识别系统，其特征在于，所述相关信息包括茶叶名称、茶叶产地、茶叶泡法。4.根据...

【专利技术属性】
技术研发人员：戈书涵，
申请(专利权)人：安徽信息工程学院，
类型：发明
国别省市：安徽,34