基于Faster-RCNN深度学习的茶叶嫩芽多维度识别及其性能分析

摘要：

茶叶嫩芽自动识别分类是实现采茶机器人精采名优茶的关键技术.由于茶叶嫩芽与背景中茶叶差别很小,且茶叶嫩芽形状多样,有一芽一叶和一芽二叶等多种形式,给自动识别带来很大难度.基于Faster-RCNN深度学习神经网络模型多维度进行茶叶嫩芽识别.首先对网络性能进行分析,选取较优的网络模型;在此基础上,研究一幅图像中包含嫩芽的不同数量、形态、拍摄角度、光照条件多维度对识别性能的影响.结果发现,光照条件和拍摄角度对嫩芽识别影响较大.所采用的Faster-RCNN深度学习模型对45°角度拍摄、晴天环境下单株集中一芽两叶的茶叶嫩芽识别效果最佳,同时阴天和90°拍摄时识别效果较差.研究为后续实现机器人现代化智能化的名优茶精采提供了技术支持.

关键词：茶叶嫩芽、深度学习、神经网络、目标识别、目标分类

所属期刊栏目：61

分类号：TP391;S225.93(计算技术、计算机技术)

资助基金：上海市自然科学基金21010501600

在线出版日期：2023-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：19-24