【技术实现步骤摘要】
本专利技术涉及图像处理，计算机视觉，目标检测，具体而言，涉及一种基于深度学习的茶树茶芽识别方法。
技术介绍
1、茶叶是世界上三大无酒精饮料之一，在全世界范围内被广泛饮用。我国茶园面积已经超过321.6hm2，茶叶年产量接近300万吨，并且茶园面积还在不断增长。在茶园生产管理以及茶树育种过程中，茶树发芽密度是一个重要的评价指标。目前茶树发芽密度的数量统计主要依靠人工在茶园统计茶芽数量，茶树的芽头占比面积较小而且数量较多，与此同时，茶园复杂的生长环境还会给数量统计任务带来干扰。人工统计茶树发芽密度具有工作效率较低，劳动强度大，耗时长等特点，主观性强，长时间重复简单的劳动，存在漏检的可能性较大，因而现阶段的茶芽密度统计方式并不能满足茶园生产管理的需求。
2、国内外对于茶芽识别与计数研究依然相对较少，而有关茶芽识别的大多数研究，其主要目的都集中在自动采茶设备上，通过识别茶芽以及定位采摘点，进而为自动采茶设备研发提供条件。杨福增等首先针对茶芽图像在rgb空间上的信息特点，对其中的g分量进行提取，接着采用双阈值处理的方式来对茶芽进行分割...
【技术保护点】
1.一种基于深度学习的茶树茶芽识别与数量统计方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于深度学习的茶树茶芽识别方法，其特征在于，所述步骤S1中通过数码相机采集图像。
3.根据权利要求1所述的基于深度学习的茶树茶芽识别方法，其特征在于，所述步骤S2中，茶树图像的预处理包括如下步骤：
4.根据权利要求1所述的基于深度学习的茶树茶芽识别方法，其特征在于，所述步骤S2中，训练集，验证集和测试集按7:2:1的比例进行划分。
5.根据权利要求1所述的基于深度学习的茶树茶芽识别方法，其特征在于，所述步骤S3中，使用了...
【技术特征摘要】
1.一种基于深度学习的茶树茶芽识别与数量统计方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于深度学习的茶树茶芽识别方法，其特征在于，所述步骤s1中通过数码相机采集图像。
3.根据权利要求1所述的基于深度学习的茶树茶芽识别方法，其特征在于，所述步骤s2中，茶树图像的预处理包括如下步骤：
4.根据权利要求1所述的基于深度学习的茶树茶芽识别方...
【专利技术属性】
技术研发人员：倪康，龙俐至，李海涛，杨向德，张群峰，刘美雅，马立锋，石元值，阮建云，
申请(专利权)人：中国农业科学院茶叶研究所，
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。