[發明專利]一種基于深度學習的茶葉信息分類方法和系統

在審

• 申請號: 202110767067.8
• 申請日: 2021-07-07
• 公開（公告）號: CN113486955A
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 丁潔;于淼;白巖;代峰
• 申請（專利權）人: 北京丁丁苗文化傳播有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06T3/40
• 代理公司: 北京君尚知識產權代理有限公司 11200
• 代理人: 司立彬

本發明公開了一種基于深度學習的茶葉信息分類方法和系統。本方法為：1)生成或獲取茶葉圖像數據樣本集；2)構建特征增強網絡模型，利用訓練集訓練特征增強網絡模型，得到訓練后的特征增強網絡模型；3)將訓練集中茶葉圖像輸入步驟2)訓練后的特征增強網絡模型，獲取茶葉圖像對應的增強特征；4)構建多標簽細粒度分類網絡模型，利用步驟3)中獲取的訓練集圖像對應的增強特征訓練所述多標簽細粒度分類網絡模型；5)對于一待識別的茶葉圖像，將該待識別的茶葉圖像輸入步驟2)訓練后的特征增強網絡模型，得到該待識別的茶葉圖像的增強特征并輸入步驟4)訓練后所述多標簽細粒度分類網絡模型進行分類，得到該待識別的茶葉圖像的分類信息。

技術領域

本發明屬于互聯網技術領域，具體涉及一種采用多種深度學習技術的茶葉圖像分類方法和系統，適用于茶葉圖像識別任務。

背景技術

茶一直以來都是國內民眾十分喜歡的飲品，但是大部分的人只限于飲用，對茶的了解并不多。僅僅依靠對茶葉的觀察，就能識別出茶的茶類、品種等信息，這對于大部分的人無疑是困難的。因此茶葉市場的混亂由來已久，以次充好、漫天要價等問題顯得十分嚴重。這些問題制約著茶葉市場的不斷完善，也不利于中國茶文化的發展。因此，一種高效的針對茶葉信息的分類識別技術是必要的。用戶可以利用該技術直接根據茶葉圖片識別到茶葉的簡單信息，進而對目標茶葉有基本的了解。

目前計算機技術已經成為解決葉片圖像分類的主要方法，尤其是基于卷積神經網絡(CNN)的分類方法使分類的效果得到了突破。王立軍等對圖像中葉元素的顏色、形狀和紋理進行提取，然后使用支持向量機技術，對50種葉形進行分類，準確率達91.41％；張帥等將支持向量機和軟最大分類結合來學習葉片信息，簡單圖像的識別準確率達90％，復雜自然背景圖像的識別準確率達34.38％；鄭伊莉等使用神經網絡對茶葉識別進行研究，使用AlexNet和InceptionV3模型對ICL數據庫的識別率達95.31％和95.40％。

目前針對茶葉圖像的分類研究是較少的，特別是從用戶的角度出發，識別茶葉基本信息的研究更是幾乎沒有。并且由于很多品種的茶葉長相相似，僅僅依靠從全局特征出發進行粗粒度分類是不夠的。除此之外，一般場景下由于拍攝或存儲等原因，圖像質量問題也制約著茶葉信息識別的準確率。當茶葉圖像質量不高時，所包含的語義信息較少，不利于最終識別任務的進行。

發明內容

基于上述問題，本發明提出了一種面向茶葉圖像的多標簽細粒度分類方法。主要解決兩方面問題：(1)一般場景下，所獲得的茶葉圖像由于圖像質量問題，其所包含的語義信息通常是不足的，語義信息極大的影響正確分類結果。(2)不同種類的茶葉長相相似，僅依靠粗粒度分類會存在很大的誤判概率。另外，為了讓用戶對目標茶葉有直觀的認識，僅識別出一個維度的信息是不夠的。

因此，本發明針對第一個問題提出特征增強的辦法，特征增強后將包含更多的語義信息，有利于分類。區別于一般的圖像增強方法是從像素還原的角度進行，本發明從高維特征出發，將低質量圖像的特征增強到接近高質量圖像的特征。對于第二個問題，本發明提出了一種多標簽細粒度分類方法。通過一個特征篩選機制挖掘茶葉圖像不同角度、不同粒度的特征，最后根據挖掘到的細粒度特征識別到多個維度的信息。

本發明包含以下步驟：

1)獲取茶葉圖像數據，對數據進行標注。并且劃分訓練集和測試集；

2)構建特征增強網絡模型，將訓練集圖像進行特征提取，然后將提取的圖像特征放進特征增強網絡中進行增強，并在特征增強網絡中前向傳播，計算損失；然后，采用反向傳播算法調整特征增強網絡模型的參數，得到預訓練好的特征增強網絡模型。

3)根據2)中訓練好的特征增強網絡模型，獲取訓練集中茶葉圖像對應的增強后特征；