基于卷积神经网络的鲜茶叶智能分选系统研究

被引:74
|
作者
高震宇 [1 ,2 ]
王安 [1 ]
刘勇 [1 ]
张龙 [1 ]
夏营威 [1 ]
机构
[1] 中国科学院合肥物质科学研究院应用技术研究所
[2] 中国科学技术大学
关键词
茶叶分选; 深度学习; 卷积神经网络; 反向传播;
D O I
暂无
中图分类号
TP183 [人工神经网络与计算]; TS272.3 [机械与设备];
学科分类号
081104 ; 0812 ; 0835 ; 090203 ; 1405 ;
摘要
机采鲜茶叶中混有各种等级的茶叶,针对风选、筛选等分选方法难以做到精确细分的问题,结合计算机视觉技术和深度学习方法,设计了一套鲜茶叶智能分选系统,搭建了基于7层结构的卷积神经网络识别模型,通过共享权值和逐渐下降的学习速率,提高了卷积神经网络的训练性能。经过实验验证,该分选系统可以实现鲜茶叶的自动识别和分选,识别正确率不低于90%,可对鲜茶叶中的单芽、一芽一叶、一芽二叶、一芽三叶、单片叶、叶梗进行有效的类别分选。
引用
收藏
页码:53 / 58
页数:6
相关论文
共 15 条
  • [1] 深度卷积神经网络在计算机视觉中的应用研究综述
    卢宏涛
    张秦川
    [J]. 数据采集与处理, 2016, 31 (01) : 1 - 17
  • [2] 基于深度学习的茶叶状态智能识别方法
    王琨
    刘大茂
    [J]. 重庆理工大学学报(自然科学), 2015, 29 (12) : 120 - 126
  • [3] 基于梯度的多输入卷积神经网络
    费建超
    芮挺
    周遊
    方虎生
    朱会杰
    [J]. 光电工程, 2015, 42 (03) : 33 - 38
  • [4] 基于弹性动量深度学习神经网络的果体病理图像识别
    谭文学
    赵春江
    吴华瑞
    高荣华
    [J]. 农业机械学报, 2015, 46 (01) : 20 - 25
  • [5] 茶叶分选技术的现状和未来
    张皓臻
    肖宏儒
    梅松
    王中
    宋志禹
    丁文芹
    [J]. 农业工程, 2014, 4 (05) : 59 - 63
  • [6] 基于计算机视觉的烟丝宽度测量方法
    夏营威
    冯茜
    赵砚棠
    向兰康
    朱震
    刘勇
    刘军
    张龙
    赵继俊
    钟青
    易浩
    杜瑞华
    [J]. 烟草科技, 2014, (09) : 10 - 14
  • [7] 基于神经网络图像分析的智能鲜茶叶分选机
    常春
    陈怡群
    肖宏儒
    任守纲
    宋卫东
    [J]. 中国农机化学报, 2013, 34 (01) : 137 - 141
  • [8] 基于机器视觉的烟叶面积在线测量
    夏营威
    徐大勇
    堵劲松
    张龙
    刘勇
    王安
    [J]. 农业机械学报, 2012, 43 (10) : 167 - 173
  • [9] 基于HS分量联合统计的自适应阈值分割算法
    李峻
    孟正大
    [J]. 东南大学学报(自然科学版), 2010, (S1) : 266 - 271
  • [10] 基于卷积神经网络LeNet-5的车牌字符识别研究
    赵志宏
    杨绍普
    马增强
    [J]. 系统仿真学报, 2010, 22 (03) : 638 - 641