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.
武夷岩茶叶片分类、深度学习、迁移学习、特征融合、卷积神经网络、残差网络、边缘形状、纹理
15
TP391(计算技术、计算机技术)
国家自然科学基金项目;福建省2011协同创新中心—中国乌龙茶产业协同创新中心专项;福建省自然科学基金项目;武夷学院认知计算与智能信息处理福建省高校重点实验室开放课题项目
2021-01-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
919-924