-
题名基于AlexNet的茶叶嫩芽状态智能识别研究
被引量：14
- 1
-
-
作者
吕军
夏华鹍
方梦瑞
周礼赞
-
机构
黄山学院信息工程学院
-
出处
《黑龙江八一农垦大学学报》
2019年第2期72-78,共7页
-
基金
安徽省高校自然科学研究项目(KJHS2018B11)
国家级大学生创新创业训练项目(201710375006)
+1 种基金
国家级大学生创新创业训练项目(201810375015)
省级大学生创新创业训练项目(201710375040)
-
文摘
为确定合理有效的茶叶嫩芽采摘时间,提出一种基于AlexNet卷积神经网络的茶叶嫩芽状态智能识别方法。首先,建立自然环境下全开面、半开面和未开面三种状态茶叶嫩芽图像集;然后,训练茶叶嫩芽状态AlexNet网络识别模型;最后,利用测试集样本进行模型检测,训练集和测试集中三种状态嫩芽平均识别率分别为97.8%和88%。实验结果表明,该方法能够有效地识别自然环境下茶叶嫩芽状态,为嫩芽智能采摘提供理论依据。
-
关键词
深度学习
AlexNet网络
茶叶状态
智能识别
-
Keywords
deep learning
AlexNet network
tea state
intelligent identification
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
-
-
题名低对比度茶叶嫩芽图像自动分割方法的研究
被引量：6
- 2
-
-
作者
周礼赞
方梦瑞
吕军
-
机构
黄山学院信息工程学院
-
出处
《蚕桑茶叶通讯》
2019年第2期22-25,共4页
-
基金
安徽省高校自然科学研究项目(KJHS2018B11)
国家级大学生创新创业训练计划项目(201710375006)
安徽省大学生创新创业训练计划项目(201710375040)
-
文摘
嫩芽分割是实现茶叶智能采摘的重要前提,自然环境下老叶、茶梗和土壤等加大了嫩芽分割难度。针对低对比度茶叶嫩芽图像,首先统计RGB模型下各目标颜色信息分布,其次利用灰度拉伸扩大G-B色差图对比度,最后利用迭代法获取全局阈值,实现自然条件下茶叶嫩芽分割。实验表明,该方法能够有效、稳定地分割自然环境下低对比度的茶叶嫩芽图像。
-
关键词
茶叶嫩芽
图像分割
低对比度
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的茶叶害虫智能识别APP设计
被引量：2
- 3
-
-
作者
吴晓盼
周礼赞
王大仓
-
机构
黄山学院<信息工程学院>
华北理工大学<轻工学院>
-
出处
《科技视界》
2020年第6期226-228,共3页
-
基金
安徽省大学生创新创业训练计划项目(201810375124)。
-
文摘
为提高茶叶害虫识别效率,设计一款茶叶害虫智能识别APP。建立基于卷积神经网络的茶叶害虫识别模型;利用MySQL建立茶叶害虫防治信息数据库;以Android技术为核心设计与开发茶叶害虫智能识别APP。用户使用APP可直接进行图像采集、害虫诊断和防治信息的获取。该APP具有便捷、易操作和推广的特点,为茶学领域智能化发展提供参考。
-
关键词
茶叶
害虫
卷积神经网络
ANDROID平台
-
Keywords
Tea
Pests
Convolutional neural network
Android platform
-
分类号
S436.65
[农业科学—农业昆虫与害虫防治]
TP391.41
[农业科学—植物保护]
-
-
题名基于GoogLeNet的茶叶嫩芽生长状态智能识别
被引量：1
- 4
-
-
作者
方梦瑞
夏华鵾
周礼赞
吕军
-
机构
黄山学院信息工程学院
-
出处
《黄山学院学报》
2019年第5期17-21,共5页
-
基金
安徽省高校自然科学研究项目(KJHS2018B11)
国家级大学生创新创业训练计划项目(201710375006
+1 种基金
201810375015)
安徽省大学生创新创业训练计划项目(201710375040)
-
文摘
针对传统图像识别过于依赖特征有效性等问题,提出基于GoogLeNet卷积神经网络的茶叶状态智能识别方法。构建了全开面、半开面和未开面3种茶叶生长状态样本库,然后在Caffe框架下搭建了基于GoogLeNet的茶叶状态识别卷积神经网络模型,训练-验证集和测试集平均识别率分别为89.3%、90.7%。实验结果表明,该方法不仅能自学习图像特征,还可以有效地识别自然环境下茶叶生长状态,提高茶叶嫩芽采摘的智能化和实时性,为茶叶信息化生产提供理论参考。
-
关键词
卷积神经网络
茶叶嫩芽
生长状态
智能识别
-
Keywords
convolutional neural network
tea buds
growth state
intelligent identification
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
