一种基于Faster R-CNN网络的烟叶分级方法技术

本发明专利技术涉及计算机图像处理技术领域，具体为一种基于Faster R‑CNN网络的烟叶分级方法。所述方法包括以下步骤：(1)采集烟叶图像并建立烟叶等级分类的烟叶图像数据集；(2)以VGG16网络模型为基础，调整模型的参数，将模型的感兴趣区域池改进为ROI Align去掉第8层、12层、15层3个卷积层，并引入Inception网络结构，建立Faster R‑CNN网络模型；(3)以深度学习框架caffe作为实验平台，用Faster R‑CNN网络对烟叶图像数据集进行训练。本发明专利技术改进后的烟叶分级算法不仅具有在分类器训练上网络收敛速度快，而且在识别上具有识别率高、识别速度快等优点。

【技术实现步骤摘要】
一种基于FasterR-CNN网络的烟叶分级方法
本专利技术涉及计算机图像处理
，具体为一种基于FasterR-CNN网络的烟叶分级方法。
技术介绍
烟草制品作为我国的主要农业经济作物，烟叶的质量评价和分级有着至关重要的作用。烟叶作为烟草制品的主要原料之一，其质量的好坏是影响后期烟草制品质量稳定的关键。利用计算机视觉对烟叶进行分级，不仅可以解决传统人工分级方式的劳动强度大、主观性强、工作效率低等缺点，且可以稳定分级精度及分级合格率。而现有的烟叶分级方法对图像的获取、预处理及特征提取具有较强的依赖性，尤其是对于图像特征不明显的处理效果差。随着深度学习的发展，卷积神经网络(CNN)具有良好的特征提取能力和泛化能力，检测目标不仅检测速度快，检测模型的准确度也高。但是随着卷积神经网络层数的增加，带来高精度的同时伴随有梯度弥散、梯度消失、网络模型难以优化以及抑制了浅层网络参数的收敛等问题，导致训练效果差。
技术实现思路
针对现有技术的不足，本专利技术提供了一种基于FasterR-CNN网络的烟叶分级方法，解决了烟叶部位不本文档来自技高网...

【技术保护点】
1.一种基于Faster R-CNN网络的烟叶分级方法，其特征在于，包括以下步骤：/nS1、采集烟叶图像并建立烟叶等级分类的烟叶图像数据集；/nS2、设置CNN网络结构，调整VGG16网络模型的参数，将模型的感兴趣区域池改进为ROIAlign，去掉第8层、12层、15层3个卷积层，并引入Inception网络结构，建立Faster R-CNN网络模型；/nS3、以深度学习框架caffe作为实验平台，用Faster R-CNN网络对烟叶图像数据集进行训练。/n

【技术特征摘要】
1.一种基于FasterR-CNN网络的烟叶分级方法，其特征在于，包括以下步骤：
S1、采集烟叶图像并建立烟叶等级分类的烟叶图像数据集；
S2、设置CNN网络结构，调整VGG16网络模型的参数，将模型的感兴趣区域池改进为ROIAlign，去掉第8层、12层、15层3个卷积层，并引入Inception网络结构，建立FasterR-CNN网络模型；
S3、以深度学习框架caffe作为实验平台，用FasterR-CNN网络对烟叶图像数据集进行训练。


2.根据权利要求1所述的烟叶分级方法，其特征在于，所述步骤S1中的具体过程如下：
S11、烟叶图像采集装置的搭建：设计烟叶采集箱，箱体内部设有在载物台，载物台高度可调；箱体顶部固定摄像机，两侧放置位光源，箱体内部全部粘贴黑色防反光贴纸；
S12、烟叶图像样本的选取及图像采集：采取烟叶的上、中、下三个部位为原始训练样本和测试集；
S13、建立烟叶分级图像数据集：对原始样本裁剪并进行统一命名，并将处理后的样本进行90度、180度、270度水平镜像和垂直镜像扩增，形成增广后的训练数据集；
S14、建立PASCALVOC数据集：根据PASCALVOC2007标准数据集格式建立烟叶图像数据集，整个烟叶图像数据集由训练图像、测试图像和验证图像构成。


3.根据权利要求2所述的烟叶分级方法，其特征在于，所述摄像头型号为MV-VD078SM/SC，光源型号为YX-BL64238K...

【专利技术属性】
技术研发人员：张珍，吴雪梅，王芳，张富贵，郑乐，肖远，
申请(专利权)人：贵州大学，
类型：发明
国别省市：贵州;52