[发明专利]一种基于卷积神经网络的鲜茶叶识别分类方法和系统

说明书

本发明提供了一种基于卷积神经网络的鲜茶叶识别分类方法和系统，该基于卷积神经网络的鲜茶叶识别分类方法和系统针对鲜茶叶精确分选的需求，通过卷积神经网络模拟人工识别方式，并自动从复杂数据中学习不同类别鲜茶叶之间的差异，使得其适用于所有品种的鲜茶叶分类识别；此外，该鲜茶叶识别分类方法和系统能够较好地识别每个等级的鲜茶叶样品，其识别正确率通常不低于90％，其可以实现对不同种类鲜茶叶的等级分选，并且通过优化卷积神经网络的架构和结构参数，还能够进一步提高鲜茶叶等级的识别正确率。

技术领域

本发明涉及茶叶生产与加工的技术领域，特别涉及一种基于卷积神经网络的鲜茶叶识别分类方法和系统。

背景技术

目前，茶叶的生产与加工过程中的大部分工序都已经实现流水线机械化，生产商只需要将采集得到的鲜茶叶放置于相应的流水生产线中就能够自动完成炒茶、烘干和包装等不同生产步骤。但是，由于鲜茶叶的等级品相会影响最终生成得到的茶叶的等级，为了实现对茶叶准确分级，在实际生产过程中，在需要预先对鲜茶叶进行识别分类处理，以此区分出具有不同叶芽形态和叶梗形态的鲜茶叶，现有技术都是通过风选或者筛选等方式来对鲜茶叶进行分级的，但是上述分选方式难以做到精确地和全面地细分鲜茶叶的等级品相。

虽然，鲜茶叶分选技术已经进入智能化识别分选阶段，其主要基于鲜茶叶图像的几何形状和颜色纹理，并结合神经网络技术来较为准确地分选出各等级鲜茶叶，但是由于不同品种的鲜茶叶在形状和纹理上都存在较大的差异，这需要针对鲜茶叶品种适应性地调整神经网络的分选算法，这使得该智能化鲜茶叶分选技术的通用性较差。

发明内容

针对现有技术存在的缺陷，本发明提供一种基于卷积神经网络的鲜茶叶识别分类方法和系统，该基于卷积神经网络的鲜茶叶识别分类方法和系统针对鲜茶叶精确分选的需求，通过卷积神经网络模拟人工识别方式，并自动从复杂数据中学习不同类别鲜茶叶之间的差异，使得其适用于所有品种的鲜茶叶分类识别，该鲜茶叶识别分类方法和系统还利用卷积神经网络中卷积层与池化层之间的局部连接和权值共享模式，提高卷积神经网络的优化训练程度，从而使得该卷积神经网络在训练过程中实现较快的收敛和获得较高学习效率；还有，该鲜茶叶识别分类方法和系统能够较好地识别每个等级的鲜茶叶样品，其识别正确率通常不低于90％，其可以实现对不同种类鲜茶叶的等级分选，并且通过优化卷积神经网络的架构和结构参数，还能够进一步提高鲜茶叶等级的识别正确率。

本发明提供一种基于卷积神经网络的鲜茶叶识别分类方法，其特征在于，所述基于卷积神经网络的鲜茶叶识别分类方法包括如下步骤：

步骤(S1)，对鲜茶叶进行机械分拣处理，以使所述鲜茶叶满足预设分布条件；

步骤(S2)，采集满足所述预设分布条件的所述鲜茶叶对应的图像，并对所述图像进行预分析计算处理；

步骤(S3)，基于所述卷积神经网络对经过所述预分析计算处理的所述图像进行深度学习处理，以此得到关于所述鲜茶叶的类型等级识别结果；

进一步，在所述步骤(S1)中，对鲜茶叶进行机械分拣处理，以使所述鲜茶叶满足预设分布条件具体包括，

步骤(S101)，对所述鲜茶叶进行搅拌与分离处理后，将所述鲜茶叶进行关于预设铺设面的旋转离心处理，以此使所述鲜茶叶平铺于所述预设铺设面；

步骤(S102)，采集关于所述鲜茶叶平铺于所述预设铺设面上的分布图像，并计算和提取所述分布图像中对应不同鲜茶叶相互之间的重叠度和/或缠绕度；

步骤(S103)，根据所述不同鲜茶叶相互之间的重叠度和/或缠绕度，判断所述鲜茶叶是否满足所述预设分布条件，其中，若所述重叠度和/或所述缠绕度分别小于对应的重叠度阈值和/或缠绕度阈值，则进入所述步骤(S2)，否则，依次重复执行所述步骤(S101)和所述步骤(S102)，直到所述重叠度和/或所述缠绕度分别小于对应的重叠度阈值和/或缠绕度阈值为止；