[發(fā)明專利]一種基于改進膠囊網(wǎng)絡(luò)的茶葉識別分級方法

在審

• 申請?zhí)枺?/td>: 202110695923.3
• 申請日: 2021-06-23
• 公開（公告）號: CN113343886A
• 公開（公告）日: 2021-09-03
• 發(fā)明（設(shè)計）人: 黃海松;陳星燃;胡鵬飛;范青松;韓正功
• 申請（專利權(quán)）人: 貴州大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京禹為知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 32272
• 代理人: 劉小莉

1.一種基于改進膠囊網(wǎng)絡(luò)的茶葉識別分級方法，其特征在于：包括，

將已知品種和級別的茶葉分成若干單元，并依次放置于白色底板上，通過相機獲取各類別的茶葉圖像數(shù)據(jù)n張；

基于大津法對所述茶葉圖像數(shù)據(jù)進行二值化處理和多種數(shù)據(jù)增強處理，根據(jù)茶葉等級標(biāo)簽建立茶葉圖像數(shù)據(jù)庫；

深化原始膠囊網(wǎng)絡(luò)結(jié)構(gòu)并與殘差塊進行結(jié)合，構(gòu)建適用于茶葉分級的改進膠囊網(wǎng)絡(luò)模型；

在所述茶葉圖像數(shù)據(jù)庫中導(dǎo)入數(shù)據(jù)至所述改進膠囊網(wǎng)絡(luò)模型中進行訓(xùn)練，獲得茶葉分級模型；

將需要進行分級的茶葉平鋪于所述白色底板上，用所述相機拍攝獲取待識別圖像數(shù)據(jù)，輸入已訓(xùn)練好的所述茶葉分級模型中，獲得茶葉品級的識別結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于改進膠囊網(wǎng)絡(luò)的茶葉識別分級方法，其特征在于：包括，進行茶葉樣本圖像采集時，采用A4紙做白色底板，選用功率為3w的LED光源，并保持相機鏡頭距茶葉樣本17cm,拍攝時使茶葉樣本占據(jù)相機畫面的3/4。

3.根據(jù)權(quán)利要求1或2所述的基于改進膠囊網(wǎng)絡(luò)的茶葉識別分級方法，其特征在于：所述二值化處理包括，將采集到的茶葉圖像數(shù)據(jù)由RBG圖像轉(zhuǎn)化為灰度圖像后，采用大津法對茶葉圖像進行二值化，通過正方形裁剪完成茶葉與底板的分割。

4.根據(jù)權(quán)利要求3所述的基于改進膠囊網(wǎng)絡(luò)的茶葉識別分級方法，其特征在于：所述多種數(shù)據(jù)增強處理包括，對經(jīng)過分割后的茶葉圖像依次進行隨機旋轉(zhuǎn)、隨機裁剪、隨機水平翻轉(zhuǎn)及特征標(biāo)準(zhǔn)化操作。

5.根據(jù)權(quán)利要求4所述的基于改進膠囊網(wǎng)絡(luò)的茶葉識別分級方法，其特征在于：包括，搭建單個殘差塊網(wǎng)絡(luò)結(jié)構(gòu)、多尺寸特征提取卷積層和原始膠囊網(wǎng)絡(luò)結(jié)構(gòu)。

6.根據(jù)權(quán)利要求5所述的基于改進膠囊網(wǎng)絡(luò)的茶葉識別分級方法，其特征在于：還包括，利用所述殘差塊、所述多尺寸特征提取卷積層和兩個普通卷積層、以及三個池化層替換掉原始膠囊網(wǎng)絡(luò)結(jié)構(gòu)中用于特征提取的單一卷積層，得到改進膠囊網(wǎng)絡(luò)。

7.根據(jù)權(quán)利要求6所述的基于改進膠囊網(wǎng)絡(luò)的茶葉識別分級方法，其特征在于：包括，

通過三組殘差塊和多組卷積池化層的組合對茶葉圖像提取特征，傳入主膠囊層；

特征傳遞進主膠囊層；

通過二維卷積處理特征的通道進行特征形狀調(diào)整，使其自標(biāo)量形式轉(zhuǎn)化為矢量形式的膠囊，以同時保留特征的局部位置信息和屬性信息；

處理完畢后，將特征傳入數(shù)字膠囊層。

8.根據(jù)權(quán)利要求7所述的基于改進膠囊網(wǎng)絡(luò)的茶葉識別分級方法，其特征在于：所述數(shù)字膠囊層包括，

各層子膠囊通過與對應(yīng)權(quán)重矩陣加權(quán)求和后，再經(jīng)壓縮函數(shù)處理得到對父膠囊的預(yù)測值；

經(jīng)動態(tài)路由機制確定耦合系數(shù)后，所述預(yù)測值基于耦合系數(shù)得出父膠囊的實際輸出；

其中，膠囊的長度代表某種類別存在的可能性，每一維度代表該類別的某種特征。