融合整体与局部信息的武夷岩茶叶片分类方法

针对武夷岩茶鲜茶叶叶片图像分类问题,提出一种融合整体与局部信息的分类方法。该方法使用两分支并行结构构建了一个整体与局部信息融合的卷积神经网络模型。实验表明,在9个品种共计7330张武夷岩茶鲜茶叶叶片图像数据集上,基于ResNet18构造的两分支并行卷积神经网络模型的分类准确率为96.68%,超过了其他CNN模型的分类准确率。这表明通过融合全局信息、边缘形状信息和纹理局部信息能有效提高分类准确率。

基于卷积神经网络的武夷岩茶叶片分类方法

针对传统人工提取特征的武夷岩鲜茶叶片图像分类准确率受所提取特征的制约,采用多种不同的卷积神经网络模型对武夷岩鲜茶叶片图像进行分类.实验结果表明:在9个品种共计7330张武夷岩鲜茶叶片图像数据集上,使用AlexNet、VGGNet和ResNet模型所获得的分类准确率均高于传统人工提取特征的分类方法,具有更小卷积核且网络深度更深的网络结构能获得更高的分类准确率.