文献类型：期刊文章

作　　者：王琨[1] 刘大茂[2]

机构地区：[1]福州大学阳光学院电子信息工程系,福州350015 [2]福州大学物理与信息工程学院,福州350108

出　　处：《重庆理工大学学报（自然科学）》

基　　金：福建省教育厅项目(JA13366)

年　　份：2015

卷　　号：29

期　　号：12

起止页码：120-126

语　　种：中文

收录情况：CAS、JST、RCCSE、ZGKJHX、普通刊

摘　　要：目前对茶叶状态的识别主要依赖人工完成,规模化、产业化生产制造较为困难。作为机器学习的一个新兴方向,深度学习以其准确性和高效性得到广泛关注。将深度学习中的卷积神经网络算法应用于茶叶状态识别中,根据实际的应用场合对经典的卷积神经网络算法进一步优化,利用提取到的茶叶图像集训练网络,最终使网络能够正确识别茶叶状态。实验结果表明:该算法能够对茶叶状态的判别标志——茶叶嫩芽进行有效的3D识别,且对于不同的影响因素具有一定的鲁棒性。

关 键 词：深度学习  卷积神经网络 图像分割 特征提取 3D识别  

分 类 号：TP391]