书目详细信息
： 基于机器视觉的机采茶鲜叶类别识别研究
书目信息 机读格式(MARC)
| ISBN/价格： | CNY20.00 (估\呈缴)学位论文 |
|---|---|
| 作品语种： | chi |
| 出版国别： | CN 530000 |
| 题名责任者项： | 基于机器视觉的机采茶鲜叶类别识别研究/.张光勇著/.曹志勇指导 |
| 出版发行项： | 2023.05.31 |
| 载体形态项： | 75页:;+图表:;+30cm |
| 一般附注： | 大数据学院（信息工程学院）, 学号2021240525 |
| 提要文摘： | 现如今，茶在生活中扮演着非常重要的角色，可以说现在生活中离不开茶。茶叶的生产深加工需求也不断地增加，我国茶叶丰富且种植面积广，特别是在云南省，云南省的茶叶种植面积全国第一，茶叶产值居全国排名第二，而茶鲜叶的等级是影响茶叶产值的一个重要因素。现阶段，机采茶鲜叶识别依赖人工方式，存在识别效果差、效率低以及主观性强的问题，严重限制了茶叶经济效益的提升。因此，研发一种高效、快速的机采茶鲜叶（自动）识别技术，不仅可以提高茶农的经济效益，还可以为其他相关研究提供学术参考。 本文以机采普洱茶大叶种的茶鲜叶为研究对象，对茶鲜叶的类别识别展开研究，提出了一种机器视觉技术结合深度学习算法的识别方法，通过实验验证了该方法在机采茶鲜叶识别任务中的有效性。实验使用了一千多张机采茶鲜叶图片进行训练和测试，并对不同形态、色泽和大小的茶鲜叶进行类别识别。结果表明，所提出的方法能够在相对精度下完成茶鲜叶类别的识别任务。此外，本文还分析了算法的优化空间并提出可能改进的方案，以帮助未来的研究在机采茶鲜叶自动分级和品质检测问题上提供了理论和技术参考。本文的主要研究工作如下： （1）搭建茶鲜叶图像采集系统。研究了机器视觉系统的光源、工业相机、镜头等硬件设备对于采集图像的质量影响，根据机采茶鲜叶的物理特征和需求的要求，选择适合本次实验的机器视觉系统相关设备来搭建茶鲜叶的图像采集系统，完成机采茶鲜叶数据图像采集。 （2）制作茶鲜叶的数据集。在采集茶鲜叶数据的过程中，数据会受到光源、电磁干扰等信息噪声的影响。要使数据集能够获得高品质的图像，将采集到的茶鲜叶数据采用区域裁剪、尺寸归一化、图像平滑、图像锐化等预处理方法，增强茶鲜叶图像的特征信息。本实验拟选择使用3×3模板的中值滤波和一阶Sobel算子一起消除影响图像特征的信息，对数据集经过色调变换、图像旋转、背景变换等数据增强操作后，进行机采茶鲜叶数据集对比分析，完成了机采茶鲜叶图像数据集的构建。 （3）研究机器视觉技术在机采茶鲜叶类别识别领域的应用。将制作完成好的茶鲜叶数据集通过YOLOv5、Faster R-CNN目标检测算法进行对比训练，确定适合本实验的最佳模型YOLOv5，能够检测和识别出茶鲜叶的类别。针对机采茶鲜叶的识别效果不佳和存在误检等问题，提出了一种基于优化的YOLOv5机采茶鲜叶类别识别方法。作了三个方面的优化，第一引入了BiFPN特征网络，在不消耗成本的情况下能进行更多的特征融合；第二将NMS的IoU替换DIoU，解决类似预测框重叠的问题；第三使用SGD随机梯度下降优化器，能在少量的计算量下获得更好的结果。在机采的茶鲜叶数据集上分别使用了上述网络模型进行实验，并进行优化相关参数的分析和比较。 通过对比实验，选择出最适用于机采茶鲜叶数据集的优化后YOLOv5模型，再对其网络进行训练。实验表明，优化后的YOLOv5模型在茶鲜叶数据集上的mAP达到了72.50%，比原始YOLOv5模型的mAP提高了17.40%，实验基本达到了预期的效果和研究目的。 |
| 并列题名： | Category Recognition of Fresh Leaves of Machine - harvested Tea Based on Machine Vision eng |
| 题名主题： | 机采茶鲜叶 类别识别 机器视觉 目标检测 学位论文 |
| 中图分类： | TP391.41-533 |
| 个人名称等同： | 张光勇 著 |
| 个人名称次要： | 曹志勇 指导 |
| 团体名称等同： | 云南农业大学 授予 |
| 记录来源： | CN YNAUL 20240301 |