本申请提供了一种基于卷积神经网络的茶饼受潮分析方法、装置及存储介质，所述方法包括：获取待分析茶饼图像的亮度直方图；将所述亮度直方图输入至训练后的卷积神经网络中，以得到由所述训练后的卷积神经网络输出的像素数量阈值集合和亮度差值阈值；其中，所述像素数量阈值集合用于确定待分析茶饼的无反光亮度和油光亮度；根据所述亮度直方图、所述像素数量阈值集合和所述亮度差值阈值，得到用于反映所述待分析茶饼是否受潮的受潮标签。采用本申请的方案可以通过计算机设备自动、准确地分析茶饼是否受潮，为用户提供了一种简便且实用的分析方法。的分析方法。的分析方法。
【技术实现步骤摘要】
基于卷积神经网络的茶饼受潮分析方法、装置及存储介质
[0001]本申请涉及图像识别
，尤其涉及一种基于卷积神经网络的茶饼受潮分析方法、装置、存储介质及计算机设备。
技术介绍
[0002]茶是指由茶叶冲泡而成的饮品。考虑到散茶容易折损，为便于茶叶的存放和运输，减少折损，一般会将散茶再次蒸压制成茶饼。与散茶相比，在重量相等的情况下，茶饼占用的空间更小，也更不容易被压缩。
[0003]茶叶作为一种干品，具备较强的水分吸附性，因此容易因受潮产生质变。在茶叶购买过程中，消费者需要具备一定经验才可凭借肉眼分辨茶饼是否受潮，很多消费者在未品尝的情况下难以进行辨别。因此，亟需提供一种能够自动分析茶饼是否受潮的方案。
技术实现思路
[0004]本申请的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术无法自动分析茶饼是否受潮的技术缺陷。
[0005]第一方面，本申请实施例提供了一种基于卷积神经网络的茶饼受潮分析方法，所述方法包括：获取待分析茶饼图像的亮度直方图；将所述亮度直方图输入至训练后的卷积神经网络中，以得到由所述训练后的卷积神经网络输出的像素数量阈值集合和亮度差值阈值；其中，所述像素数量阈值集合用于确定待分析茶饼的无反光亮度和油光亮度；根据所述亮度直方图、所述像素数量阈值集合和所述亮度差值阈值，得到用于反映所述待分析茶饼是否受潮的受潮标签。
[0006]在其中一个实施例中，所述像素数量阈值集合包括用于确定所述无反光亮度的第一像素数量阈值和用于确定所述油光亮度的第二像素数量阈值；所述根据所述亮度直方图、所述像素数量阈值集合和所述亮度差值阈值，得到用于反映所述待分析茶饼是否受潮的受潮标签的步骤，包括：在所述亮度直方图中定位像素数量大于所述第一像素数量阈值的最小峰值亮度，并得到第一定位结果；在所述亮度直方图中定位像素数量大于所述第二像素数量阈值的最大峰值亮度，并得到第二定位结果；根据所述第一定位结果、所述第二定位结果和所述亮度差值阈值，确定所述受潮标签。
[0007]在其中一个实施例中，所述根据所述第一定位结果、所述第二定位结果和所述亮度差值阈值，确定所述受潮标签的步骤，包括：若所述第一定位结果非空且所述第二定位结果非空，则计算所述最大峰值亮度与
所述最小峰值亮度之间的实际亮度差值；若所述实际亮度差值大于所述亮度差值阈值，则将用于反映所述待分析茶饼未受潮的第一标签作为所述受潮标签，否则，将用于反映所述待分析茶饼已受潮的第二标签作为所述受潮标签。
[0008]在其中一个实施例中，所述根据所述第一定位结果、所述第二定位结果和所述亮度差值阈值，确定所述受潮标签的步骤，还包括：若所述第一定位结果为空，和/或所述第二定位结果为空，则将用于反映所述待分析茶饼已受潮的所述第二标签作为所述受潮标签。
[0009]在其中一个实施例中，所述像素数量阈值集合包括用于确定所述无反光亮度的第一像素数量阈值和用于确定所述油光亮度的第二像素数量阈值；所述根据所述亮度直方图、所述像素数量阈值集合和所述亮度差值阈值，得到用于反映所述待分析茶饼是否受潮的受潮标签的步骤，包括：将所述亮度直方图、所述第一像素数量阈值、所述第二像素数量阈值和所述亮度差值阈值输入至训练后的决策树模型中，以得到由所述训练后的决策树模型输出的所述受潮标签。
[0010]在其中一个实施例中，所述获取待分析茶饼图像的亮度直方图的步骤之前，包括：获取原始茶饼图像，所述原始茶饼图像为记录有待分析茶饼的图像；识别所述原始茶饼图像中的茶饼区域，并基于所述茶饼区域对所述原始茶饼图像进行图像分割，以得到所述待分析茶饼图像。
[0011]在其中一个实施例中，所述获取待分析茶饼图像的亮度直方图的步骤，包括：对所述待分析茶饼图像进行HSV颜色空间转换，以得到转换结果；根据所述转换结果生成所述亮度直方图。
[0012]第二方面，本申请实施例提供了一种基于卷积神经网络的茶饼受潮分析装置，其特征在于，包括：直方图获取模块，用于获取待分析茶饼图像的亮度直方图；阈值获取模块，用于将所述亮度直方图输入至训练后的卷积神经网络中，以得到由所述训练后的卷积神经网络输出的像素数量阈值集合和亮度差值阈值；其中，所述像素数量阈值集合用于确定待分析茶饼的无反光亮度和油光亮度；受潮标签获取模块，用于根据所述亮度直方图、所述像素数量阈值集合和所述亮度差值阈值，得到用于反映所述待分析茶饼是否受潮的受潮标签。
[0013]第三方面，本申请实施例提供了一种存储介质，该存储介质中存储有计算机可读指令，该计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例所述基于卷积神经网络的茶饼受潮分析方法的步骤。
[0014]第四方面，本申请实施例提供了一种计算机设备，该计算机设备包括：一个或多个处理器，以及存储器；所述存储器中存储有计算机可读指令，所述计算机可读指令被所述一个或多个处理器执行时，执行上述任一实施例所述基于卷积神经网络的茶饼受潮分析方法的步骤。
[0015]在本申请实施例提供的基于卷积神经网络的茶饼受潮分析方法、装置、存储介质及计算机设备中，考虑到未受潮的茶饼会出现油光，在未受潮茶饼的茶饼图像中部分茶饼
区域较亮，部分茶饼区域较暗，而受潮的茶饼不会出现该情况，因此本申请可利用这一特性自动实现茶饼受潮分析。计算机设备可以将待分析茶饼图像的亮度直方图输入至训练后的卷积神经网络中，以得到由训练后的卷积神经网络输出的亮度差值阈值和用于确定待分析茶饼的无反光亮度、油光亮度的像素数量阈值集合。计算机设备可以根据亮度直方图和像素数量阈值集合确定待分析茶饼的油光情况，并结合油光情况和亮度差值阈值判断待分析茶饼是否受潮。如此，可以通过计算机设备自动、准确地分析茶饼是否受潮，为用户提供了一种简便且实用的分析方法。
附图说明
[0016]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
[0017]图1为一个实施例中基于卷积神经网络的茶饼受潮分析方法的应用环境图；图2为一个实施例中基于卷积神经网络的茶饼受潮分析方法的流程示意图；图3为一个实施例中卷积神经网络和决策树模型的训练过程示意图；图4为一个实施例中基于卷积神经网络的茶饼受潮分析装置的结构示意图；图5为一个实施例中计算机设备的内部结构图。
具体实施方式
[0018]下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0019]在一个实施例中，本申请提供的基于卷积神经网络的茶饼受潮分析方法可以应用于图1所示的应用环境中。其中，终端设备本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于卷积神经网络的茶饼受潮分析方法，其特征在于，包括：获取待分析茶饼图像的亮度直方图；将所述亮度直方图输入至训练后的卷积神经网络中，以得到由所述训练后的卷积神经网络输出的像素数量阈值集合和亮度差值阈值；其中，所述像素数量阈值集合用于确定待分析茶饼的无反光亮度和油光亮度；根据所述亮度直方图、所述像素数量阈值集合和所述亮度差值阈值，得到用于反映所述待分析茶饼是否受潮的受潮标签。2.根据权利要求1所述的方法，其特征在于，所述像素数量阈值集合包括用于确定所述无反光亮度的第一像素数量阈值和用于确定所述油光亮度的第二像素数量阈值；所述根据所述亮度直方图、所述像素数量阈值集合和所述亮度差值阈值，得到用于反映所述待分析茶饼是否受潮的受潮标签的步骤，包括：在所述亮度直方图中定位像素数量大于所述第一像素数量阈值的最小峰值亮度，并得到第一定位结果；在所述亮度直方图中定位像素数量大于所述第二像素数量阈值的最大峰值亮度，并得到第二定位结果；根据所述第一定位结果、所述第二定位结果和所述亮度差值阈值，确定所述受潮标签。3.根据权利要求2所述的方法，其特征在于，所述根据所述第一定位结果、所述第二定位结果和所述亮度差值阈值，确定所述受潮标签的步骤，包括：若所述第一定位结果非空且所述第二定位结果非空，则计算所述最大峰值亮度与所述最小峰值亮度之间的实际亮度差值；若所述实际亮度差值大于所述亮度差值阈值，则将用于反映所述待分析茶饼未受潮的第一标签作为所述受潮标签，否则，将用于反映所述待分析茶饼已受潮的第二标签作为所述受潮标签。4.根据权利要求3所述的方法，其特征在于，所述根据所述第一定位结果、所述第二定位结果和所述亮度差值阈值，确定所述受潮标签的步骤，还包括：若所述第一定位结果为空，和/或所述第二定位结果为空，则将用于反映所述待分析茶饼已受潮的所述第二标签作为所述受潮标签。5.根据权利要求1所述的方法，其特征在于，所述像素数量阈值集合包括用于确定所述无反光亮度的第一像素数量阈值和用...
【专利技术属性】
技术研发人员：王欢，冯继威，高伟明，
申请(专利权)人：网思科技股份有限公司，
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。