本发明专利技术公开一种基于卷积神经网络的普洱晒青毛茶等级判定方法，属于图像处理技术领域。该方法包括：普洱晒青毛茶的图像采集步骤；普洱晒青毛茶图像背景分割和图像增强步骤；训练普洱晒青毛茶等级识别模型步骤和普洱晒青毛茶等级识别步骤。本发明专利技术的方法可以准确地识别特级、二级、四级、六级、八级和十级的普洱晒青毛茶。本发明专利技术所述方法识别的准确率为87.74％；弥补了人工茶叶审评员无法对大量普洱晒青毛茶进行检测的不足。洱晒青毛茶进行检测的不足。洱晒青毛茶进行检测的不足。
【技术实现步骤摘要】
一种基于卷积神经网络的普洱晒青毛茶等级判定方法
[0001]本专利技术涉及一种基于卷积神经网络的普洱晒青毛茶等级判定方法，属于图像处理
技术介绍
[0002]目前，普洱晒青毛茶等级识别仍以感官审评为主，易受到茶叶审评人员的心理、身体和外界的环境因素影响，且无法对大规模普洱晒青毛茶进行逐个样本等级判定。
[0003]近年来，随着人工智能和深度学习的不断发展，卷积神经网络模型已被广泛应用于图像分类领域；现在已有的茶叶识别研究，大多集中在茶叶鲜叶和某些特定茶叶分级上，对普洱晒青毛茶等级识别方法研究较少。
技术实现思路
[0004]本专利技术的目的是针对普洱晒青毛茶等级识别的问题，提出一种基于Efficientnet卷积神经网络的普洱晒青毛茶等级判定方法，通过使用相机拍摄普洱晒青毛茶照片，就可以对普洱晒青毛茶等级进行快速、准确的识别；具体包括以下步骤：
[0005](1)普洱晒青毛茶图像采集步骤：选取特级、二级、四级、六级、八级和十级的普洱晒青毛茶标准茶样，将任一样本平铺于矩形透明盒中，通过相机拍摄获取原始茶叶图片n张。
[0006](2)各个级别普洱晒青毛茶图像处理步骤：对原始茶叶图片进行背景去除和图像增强，获取卷积神经网络训练集。
[0007](3)训练普洱晒青毛茶等级识别模型：对特级、二级、四级、六级、八级和十级普洱晒青毛茶标准茶样分别执行上述操作，获取卷积神经网络训练集，将各个级别、经背景去除和图像分割后的茶叶图片与对应标签分别输入Efficientnet卷积神经网络进行训练。
[0008](4)普洱晒青毛茶图像等级识别步骤：将待识别的普洱晒青毛茶铺于矩形透明盒中，通过相机拍摄获取茶叶样本图像，输入经训练的Efficientnet卷积神经网络模型，获取晒青毛茶等级识别结果。
[0009]进一步地，本专利技术所述样本平铺于矩形透明盒中，背景采用纯白色A4纸。
[0010]进一步地，本专利技术所述图像分割模型具体为：将拍摄的原始茶叶图像输入BAS-NET模型中，对BAS-NET模型输出的蒙版进行二值化处理，并求二值图像的外接矩形，依此外接矩形对蒙版图像进行裁剪，进而得到经背景去除后的茶叶样本图像，并对所得图像进行中心裁剪。
[0011]进一步地，本专利技术所述图像增强具体为：对背景去除后图像进行白平衡抖动、随机旋转、随机缩放、随机翻转和加入噪声中的一种或多种操作。
[0012]进一步地，本专利技术所述Efficientnet卷积神经网络采用Efficientnet-b0。
[0013]本专利技术的有益效果：
[0014](1)本专利技术的方法可以准确地识别普洱晒青毛茶等级，在特级、二级、四级、六级、
八级和十级洱晒青毛茶上进行了测试，识别准确率达到94.34％，且模型参数较少，方便在低运算能力设备上进行部署，弥补了人工茶叶审评员无法对大量普洱晒青毛茶进行检测的不足。
[0015](2)本专利技术的识别方法操作简单，用户仅需将茶叶平铺于矩形透明盒中，背景采用纯白色A4纸，使用任一相机拍摄图像即可获得识别结果。
附图说明
[0016]图1为本专利技术的流程示意图。
[0017]图2为本专利技术实施例中的普洱晒青毛茶原始图片。
[0018]图3为本专利技术实施例中的BAS-NET输出蒙版。
[0019]图4为本专利技术实施例中的蒙版外接矩形。
[0020]图5为本专利技术实施例中的去除背景的茶样图片。
[0021]图6为本专利技术实施例中的茶样中心裁剪图片。
[0022]图7为本专利技术实施例中的Efficientnet-b0卷积神经网络模型预测准确度和损失迭代图。
具体实施方式
[0023]下面结合具体实施例本专利技术作进一步的详细说明，但本专利技术的保护范围并不限于所述内容。
[0024]实施例1
[0025]一种基于Efficientnet卷积神经网络的普洱晒青毛茶等级判定方法，如图1所示，包括以下步骤：
[0026](1)普洱晒青毛茶样本图像采集步骤：选取特级、二级、四级、六级、八级和十级的普洱晒青毛茶标准茶样，将任一样本平铺于矩形透明盒中，以纯白色A4纸作为背景，对每个级别的普洱晒青毛茶取200个样本进行拍照，选取40张图像作为验证集，160张图像作为训练集；拍摄时应避免强光或完全黑暗环境，以人眼可以看清普洱晒青毛茶的颜色纹理时的光照为宜。
[0027](2)原始普洱晒青毛茶图片预处理步骤：对原始茶叶图片进行背景去除和图像增强，获取卷积神经网络训练集。
[0028](3)像分割模型具体为：将拍摄的原始茶叶图像输入BAS-NET模型中，对BAS-NET模型输出的蒙版进行二值化处理，并求二值图像的外接矩形，依此外接矩形对蒙版图像进行裁剪，进而得到经背景去除后的茶叶样本图像，并对所得图像进行中心裁剪。
[0029](4)图像增强具体为：对背景去除后图像进行白平衡抖动、随机旋转、随机缩放、随机翻转和加入噪声中的一种或多种操作。白平衡抖动主要作用为适应因相机白平衡设置错误而造成的图像失真情况；随机旋转指将图像以
±
30度随机进行旋转；随机缩放指将图像以1至3倍随机概率在随机区域进行放大；随机翻转指以随机概率对图像进行上下、左右倒置；加入噪声主要作用为增强卷积神经网络模型的鲁棒性。
[0030](5)训练普洱晒青毛茶等级识别模型：对特级、二级、四级、六级、八级和十级普洱晒青毛茶标准茶样分别执行上述操作，获取卷积神经网络训练集，将各个级别、经背景去除
和图像分割后的茶叶图片与对应标签分别输入Efficientnet卷积神经网络进行训练，卷积神经网络训练过程中，选取sgdm作为优化器，动量为0.9，初始学习率为0.01，每迭代50Epoch学习率变为原来的50％，共训练350Epoch。
[0031](6)普洱晒青毛茶图像等级识别步骤：将待识别的普洱晒青毛茶铺于矩形透明盒中，并以纯白色A4纸作为背景，通过相机拍摄获取茶叶样本图像，输入经训练的Efficientnet卷积神经网络模型，获取晒青毛茶等级识别结果。
[0032]本专利技术的方法可以准确地识别普洱晒青毛茶等级，在特级、二级、四级、六级、八级和十级洱晒青毛茶上进行了测试，识别准确率达到94.34％，如图7所示，且模型参数较少，方便在低运算能力设备上进行部署，弥补了人工茶叶审评员无法对大量普洱晒青毛茶进行检测的不足。本专利技术的识别方法操作简单，用户仅需将茶叶平铺于矩形透明盒中，背景采用纯白色A4纸，使用任一相机拍摄图像即可获得识别结果。
[0033]以上已经描述了本专利技术的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本
的普通技术人员来说许多修改和变更都是显而易见的。
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于卷积神经网络的普洱晒青毛茶等级判定方法，其特征在于，具体包括以下步骤：(1)普洱晒青毛茶图像采集步骤：选取特级、二级、四级、六级、八级和十级的普洱晒青毛茶标准茶样，将任一样本平铺于矩形透明盒中，通过相机拍摄获取原始茶叶图片n张；(2)各个级别普洱晒青毛茶图像处理步骤：对原始茶叶图片进行背景去除和图像增强，获取卷积神经网络训练集；(3)训练普洱晒青毛茶等级识别模型：对特级、二级、四级、六级、八级和十级普洱晒青毛茶标准茶样分别执行上述操作，获取卷积神经网络训练集，将各个级别、经背景去除和图像分割后的茶叶图片与对应标签分别输入Efficientnet卷积神经网络进行训练；(4)普洱晒青毛茶图像等级识别步骤：将待识别的普洱晒青毛茶铺于矩形透明盒中，通过相机拍摄获取茶叶样本图像，输入经训练的Efficientnet卷积神经网络模型，获取晒青毛茶等级识别结果。2.根据...
【专利技术属性】
技术研发人员：张悟移，陈成，
申请(专利权)人：张悟移，
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。