一种基于卷积神经网络的普洱生茶和熟茶判定方法与流程

1.本发明涉及一种基于卷积神经网络的普洱台地生茶、大树生茶和熟茶判定方法，属于图像处理技术领域。


背景技术：

2.目前，普洱台地生茶、大树生茶和熟茶的判别仍主要依赖感官审评，易受到个人经验的限制，直接导致市场上以台地生茶冒充大树生茶的乱象，威胁市场的健康有序发展。
3.近年来，随着卷积神经网络的长足发展，卷积神经网络对图像的分类能力有了显著的提高。现在已有的茶叶识别研究大多集中在茶叶鲜叶分级上，对普洱台地生茶、大树生茶和熟茶的识别研究较少。


技术实现要素：

4.本发明的目的是针对普洱台地生茶、大树生茶和熟茶判别的问题，仅使用相机拍摄普洱茶叶底照片，就可以对台地茶、大树茶和熟茶进行快速、准确的识别，一种基于卷积神经网络的普洱生茶和熟茶判定方法，具体包括以下步骤：
5.s1：普洱茶叶底图像采集步骤：选取普洱台地生茶、大树生茶和熟茶，首先将茶叶取5克，并将茶叶放置于审评杯中。其次，使用沸水加至杯满进行冲泡，盖上杯盖。最后，5分钟后将叶底取出，平铺于任意背景纸上，使用相机拍摄茶叶叶底图片n张。
6.s2：台地茶、大树茶和熟茶叶底图像处理步骤：首先，将所有拍摄的茶叶叶底图像进行背景去除；其次，随机选取拍摄叶底图像的80％进行图像增强，作为训练集，剩余20％不做处理，作为验证集。
7.s3：训练普洱茶叶底判别模型：普洱台地生茶、大树生茶和熟茶分别执行上述操作，将台地茶、大树茶和熟茶经背景去除和图像增强后的叶底图片与对应标签分别输入拟议的卷积神经网络进行训练、验证；
8.s4：普洱台地生茶、大树生茶和熟茶识别步骤：将待识别的普洱茶叶底平铺于任意背景纸上，通过相机拍摄获取茶叶叶底图像，输入经过良好训练的卷积神经网络，获取台地生茶、大树生茶和熟茶的识别结果。
9.优选的，所述s2中图像背景取出具体方法为：将拍摄的原始叶底图像输入u2
‑
net模型中，将模型输出的蒙版进行二值化处理，并计算二值图像的外接矩形。首先使用蒙版去除原始图像的背景，再使用外接矩阵位置信息准确定位感兴趣区域，并对感兴趣区域进行中心裁剪；
10.优选的，所述s2中图像增强的具体为：随机旋转，随机翻转，白平衡抖动，加入高斯噪声中的一种或多种操作；
11.优选的，所述s3中所述的卷积神经网络主干采用mobilenetv2；
12.优选的，所述卷积神经网络具体方法为：首先，使用ghost module替换mobilenetv2网络中除首层卷积层外的所有普通卷积层，对depth wise卷积层不进行替换
操作。其次，在每个bottleneck后加入squeeze and excitation注意力模块，缩放率为4。最后，使用hard
‑
mish激活函数替换mobilenetv2中的relu6激活函数。
13.本发明的有益效果是：
14.(1)本发明的方法可以准确地识别普洱台地生茶、大树生茶和熟茶，在普洱台地生茶、大树生茶和熟茶各240个样本所拍摄的图片上进行了测试，识别准确率达到99.86％，同时，由于采用了ghost module，使模型参数数量和浮点运算数均大幅减少，所采用的squeeze and excitation注意力模块保证了模型识别的准确度。本发明将专业茶叶审评人员的经验模型化，并可提供给普通用户使用。
15.(2)本发明的识别方法操作简单，基于深度学习的u2
‑
net可以确保在任何背景中将所需检测的茶叶叶底与背景准确分离，进一步提高卷积神经网络模型识别准确度。
附图说明
16.图1为本发明的流程示意图。
17.图2为本发明实施例中的普洱台地生茶(左)、大树生茶(中)和熟茶(右)原始图片。
18.图3为本发明实施例中的u2
‑
net输出蒙版。
19.图4为本发明实施例中的去除背景后的外接矩形裁剪图片。
20.图5为本发明实施例中的茶叶叶底中心裁剪图片。
21.图6为本发明实施例中的squeeze and excitation注意力模块
22.图7为本发明实施例中的hard
‑
mish激活函数示意图
23.图8为本发明实施例中的ghostmodule结构图
24.图9为本发明实施例中的拟议卷积神经网络模型预测准确度和损失迭代图
具体实施方式
25.下面结合具体实施例本发明作进一步的详细说明，但本发明的保护范围并不限于所述内容。
26.实施例1
27.一种基于卷积神经网络的普洱生茶和熟茶判定方法，如图1所示，包括以下步骤：
28.s1：普洱晒青毛茶样本图像采集步骤：选取普洱台地生茶、大树生茶和熟茶，首先将茶叶取5克，并将茶叶放置于审评杯中。其次，使用沸水加至杯满进行冲泡，盖上杯盖。最后，5分钟后将叶底取出，平铺于任意背景纸上，使用相机拍摄茶叶叶底图片1200张。选取960张图像作为验证集，240张图像作为训练集；拍摄时应避免强光或完全黑暗环境，以人眼可以看清普洱茶叶底颜色纹理时的光照为宜。
29.s2：原始普洱晒青毛茶图片预处理步骤：首先，将所有拍摄的茶叶叶底图像进行背景去除。其次，随机选取拍摄叶底图像的80％进行图像增强，作为训练集，剩余20％不做处理，作为验证集。
30.s3：图像分割模型具体为：将拍摄的原始叶底图像输入u2
‑
net模型中，将模型输出的蒙版进行二值化处理，并计算二值图像的外接矩形。首先使用蒙版去除原始图像的背景，再使用外接矩阵位置信息准确定位感兴趣区域，并对感兴趣区域进行中心裁剪。
31.s4：图像增强具体为：随机旋转，随机翻转，白平衡抖动，加入高斯噪声中的一种或
多种操作。对背景去除后图像进行随机旋转、随机翻转和加入高斯噪声中的一种或多种操作。随机旋转指将图像以
±
30度随机进行旋转；随机翻转指以50％概率对图像进行上下、左右倒置；白平衡抖动主要作用为适应因相机白平衡设置错误而造成的图像失真情况；加入高斯噪声主要作用为增强卷积神经网络模型的鲁棒性。
32.s5：训练普洱茶叶底判别模型：普洱台地生茶、大树生茶和熟茶茶样分别执行上述操作，获取卷积神经网络训练集和验证集，将经背景去除和图像增强后的茶叶图片与对应标签分别输入拟议的卷积神经网络进行训练，卷积神经网络训练过程中，选取sgdm作为优化器，动量为0.9，初始学习率为0.01，每迭代10epoch学习率变为原来的10％，共训练30epoch。
33.s6：普洱晒青毛茶图像等级识别步骤：将待识别的普洱茶叶底平铺于任意背景纸上，通过相机拍摄获取茶叶叶底图像，输入经过良好训练的卷积神经网络，获取台地生茶、大树生茶和熟茶的识别结果。
34.本发明的方法可以准确地识别普洱台地生茶、大树生茶和熟茶，在共720个样本构成的验证集上进行了测试，识别准确率达到99.86％，如图9所示，且模型参数和浮点运算数较改进前的mobilenetv2大幅减少，同时squeeze and excitation注意力模块保证了模型识别的准确度。基于深度学习的u2
‑
net可以确保在任何背景中将所需检测的茶叶叶底与背景准确分离，进一步提高卷积神经网络模型识别准确度。本发明的识别方法操作简单，用户仅需将茶叶叶底平铺于任意背景纸中，使用相机拍摄图像即可获得识别结果。
35.以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。