-
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]
-
-
题名基于SLIC超像素的茶叶嫩芽图像分割方法研究
被引量：4
- 2
-
-
作者
夏华鹍
方梦瑞
黄涛
吕军
-
机构
黄山学院信息工程学院
浙江理工大学信息学院
-
出处
《西昌学院学报（自然科学版）》
2019年第4期75-77,124,共4页
-
基金
安徽省高校自然科学研究项目（KJHS2018B11）
国家级大学生创新训练计划项目（201810375015）
安徽省大学生创新训练计划项目（201810375091）
-
文摘
准确识别茶叶嫩芽是实现茶叶智能采摘的前提。针对自然环境下的茶叶嫩芽图像分割受天气、光照等因素影响较大,提出基于SLIC超像素的嫩芽分割方法。提取R、G、B、H、S、V、Y、Cb、Cr、超红、超绿、Cg、R-B、G-B共14个颜色分量,分析发现以超红、Cg和G-B三分量合成彩图中嫩芽与背景对比度较大,作为待分割对象图;利用SLIC超像素分割算法获取超像素块,并对每个超像素块提取平均横坐标、平均纵坐标、平均超红、平均Cg、平均G-B 5个特征作为分割依据;利用阈值分割、小目标去除、填充和"逻辑与"等操作,得到茶叶嫩芽彩色分割图。对不同地域、不同环境下嫩芽图像进行实验表明,基于SLIC超像素的嫩芽分割平均分割精度达75.6%,较传统G-B阈值分割平均精确度高16.6%。该方法不仅能抑制光照等因素对茶叶图像的影响,还能有效分割茶叶嫩芽,鲁棒性较强。
-
关键词
茶叶嫩芽
超像素
简单线性迭代聚类
图像分割
-
Keywords
tea sprouts
super-pixel
simple linear iterative clustering
image segmentation
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
S571.1
[自动化与计算机技术—计算机科学与技术]
-
