摘要
本发明公开了一种基于深度学习的茶叶非标准化采样图像识别与分类方法,属于茶叶分类识别领域,该方法包括收集不同种类茶叶干茶的非标准化图像,建立茶叶分类数据集;将茶叶分类数据集划分为易错子集和常规子集;构建茶叶分类模型,并利用易错子集和常规子集训练茶叶分类模型,得到训练完成的茶叶分类模型;获取待识别茶叶图像,利用训练完成的茶叶分类模型,得到茶叶类型。本发明解决了传统的茶叶图像识别方法往往受限于背景复杂、光照变化、茶叶遮挡等因素,导致识别精度不高的问题。
技术关键词
茶叶分类
非标准化
分类方法
局部纹理特征
深层特征提取
纹理特征提取
图像
融合特征
交叉注意力机制
局部二值模式
灰度共生矩阵
识别茶叶
分布特征
特征提取模块
训练卷积神经网络
语义
表达式
分类器
系统为您推荐了相关专利信息
特征提取网络
图像分类方法
参数
可读存储介质
分类器
齿轮箱
故障诊断方法
传感
工况
残差卷积神经网络
脉冲耦合神经网络
壁画修复方法
注意力
特征提取模块
局部纹理特征
图像分类方法
图像分类网络
图像生成网络
局部特征提取
生成对抗网络
新闻文本分类方法
长短期记忆网络
多尺度
空洞
语义特征