结合改进胶囊网络与知识蒸馏的茶青分类方法研究

不同等级茶青的准确分类,对名优茶产业发展至关重要,采用传统感官审评方法进行分选会使结果存在一定的主观性。采集茶青图像建立数据集,结合幽灵注意力瓶颈层与胶囊网络提出一种新型网络模型:GA-CapsNet。通过基于线性衰减比例系数的成长知识蒸馏方法对该模型进行训练,在迁移教师模型参数矩阵的同时,使学生模型随着迭代自适应降低依赖程度。试验结果表明,对比其他同类算法,所提出的方法在小规模数据集上分类性能优异,精确率、召回率及F1-score分别为94.97%、95.51%、95.24%。本研究基于机器视觉与深度学习技术构建了一种GA-CapsNet模型,为解决茶青分类问题提供了一种新思路。

基于纹理分析的茶青在线分类

将基于纹理分析和支持向量机(SVM)的分类技术应用于茶青的自动分类,实现了茶青的快速、准确在线分类。通过数字图像处理技术提取茶青的特征参数,并通过SVM建立不同茶叶的鉴别模型,实现不同茶青的快速在线分类。通过茶青图像的灰度共生矩阵(GLCM)提取出能量、相关性、对比度、逆差距4个纹理特征参数特征值,并将提取出的纹理特征值作为SVM的输入参数进行训练与分类。实验表明,将基于SVM的纹理分类方法应用于茶青的分类,能够取得很好的效果,分类判断的准确率达到90%。