[发明专利]一种基于深度学习的茶青识别方法、系统和终端设备在审

专利信息
申请号: 202211056391.X 申请日: 2022-08-31
公开(公告)号: CN115375990A 公开(公告)日: 2022-11-22
发明(设计)人: 黄海松;肖婧;范青松;陈星燃;胡鹏飞;张卫民 申请(专利权)人: 贵州大学
主分类号: G06V10/82 分类号: G06V10/82;G06V10/774;G06V10/764;G06V10/20;G06N3/04;G06N3/08
代理公司: 南京禹为知识产权代理事务所(特殊普通合伙) 32272 代理人: 褚晓英
地址: 550025 *** 国省代码: 贵州;52
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 深度 学习 识别 方法 系统 终端设备
【说明书】:

发明公开了一种基于深度学习的茶青识别方法、系统和终端设备,包括:利用采集设备采集茶青样本图像,并利用传统数据扩充方法对茶青样本图像进行增强;将双重坐标注意力嵌入生成对抗网络构建强化生成对抗网络,将茶青样本图像进一步扩充生成茶青图像扩充数据集;在深度学习框架下,以多通道注意力模块为核心构建多通道幽灵网络,并对多通道幽灵网络进行预训练;利用预训练后的多通道幽灵网络对茶青图像扩充数据集进行训练,实现茶青图像的识别。本发明结合传统数据增强技术和强化生成对抗网络进行数据扩充,有效增强了小尺度图像效果,生成了新的有效茶青图像数据,提高了图像的质量与多样性,能够更好的聚焦图像中的感兴趣区域。

技术领域

本发明涉及图像识别的技术领域,尤其涉及一种基于深度学习的茶青识别方法、系统和终端设备。

背景技术

随着技术的进步,茶叶采摘由过去的人力作业变成了机械采茶,在提高采摘效率的同时,也不可避免地会将不同等级的茶叶混合在一起。目前,茶青图像采集利用传统数据增强方法进行数据扩充,通过几何变换、色彩变换、主体像素变换等方式,在现有的图像基础上进行增强,在一定范围内提升了算法鲁棒性,增强算法的泛化能力,由于增强算法对数据量有限,数据类型单一,在特定情况下获得的数据集扩充效果不佳,且基于同一数据集进行扩充,图像的相关性太强,多样性不足。

传统茶青的分级大多采取人工审评法,存在主观性和经验性等缺陷,且耗费大量人力物力,利用传统的卷积神经网络对茶青进行识别,模型在小数据集上无法很好表达复杂茶青图像特征在不同通道中的重要程度,对关键特征的整体定位易出现偏差,导致茶青识别性能降低。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题,提出了本发明。

因此,本发明解决的技术问题是:现有的小型数据集中训练样本过拟合、泛化能力差,传统的数据扩充方法生成的图像缺乏多样性,传统卷积神经网络不能有效地判断复杂茶青图像特征在不同通道中的重要程度,对关键特征的整体定位易出现偏差,茶青识别性能低的问题。

为解决上述技术问题,本发明提供如下技术方案,包括:

利用采集设备采集茶青样本图像,并利用传统数据扩充方法对所述茶青样本图像进行增强;

将双重坐标注意力嵌入生成对抗网络构建强化生成对抗网络,将所述茶青样本图像进一步扩充生成茶青图像扩充数据集;

在深度学习框架下,以多通道注意力模块为核心构建多通道幽灵网络,并对所述多通道幽灵网络进行预训练;

利用所述预训练后的多通道幽灵网络对茶青图像扩充数据集进行训练,实现茶青图像的识别。

作为本发明所述的基于深度学习的茶青识别方法的一种优选方案,其中:

利用传统数据扩充方法对所述茶青样本图像进行增强,包括:将采集到的茶青样本图像通过翻转、平移、旋转、随机噪声、缩放、灰度化、剪切、明度变化、仿射变换和模糊10种数据增强方法进行传统扩充。

作为本发明所述的基于深度学习的茶青识别方法的一种优选方案,其中:

将双重坐标注意力嵌入生成对抗网络构建强化生成对抗网络,进一步对茶青样本进行扩充增强,包括:生成模型G和判别模型D;

所述生成模型G嵌入注意力模块,使用转置卷积,将一维向量扩充成二维图像,表示为:

G1(x)=Re L U(BN(Transpose2d(f(Transform(x)))))

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于贵州大学,未经贵州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211056391.X/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top