申请/专利权人:临沂大学;北京青苔数据科技有限公司
申请日:2021-06-23
公开(公告)日:2024-05-07
公开(公告)号:CN113469233B
主分类号:G06V10/764
分类号:G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.05.07#授权;2021.10.26#实质审查的生效;2021.10.01#公开
摘要:本公开提供了一种基于深度学习的烟叶自动定级方法及系统,包括以下步骤:获取烟叶图像,对获取的图像进行数据清洗,构建图像数据集;进行图像数据集的预处理,所述预处理包括图像增强、数据去模糊和数据增强;在卷积神经网络的下采样提取特征过程中引入卷积残差块,构建深度学习神经网络模型,训练预处理后的图像数据集,得到不同组的权重;将测试图像数据输入到所述深度学习神经网络模型中,加载所述不同组的权重,得到基于不同权重的测试数据,分析比较不同权重的测试数据,得到测试数据最优时所对应的最优权重;将待分级的烟叶图像输入到所述深度学习神经网络模型中,直接加载所得到的最优权重,得到烟叶的检测定级结果。
主权项:1.基于深度学习的烟叶自动定级方法,其特征在于,包括以下步骤:获取烟叶图像,对获取的图像进行数据清洗,构建图像数据集;进行图像数据集的预处理,所述预处理包括图像增强、数据去模糊和数据增强;在卷积神经网络的下采样提取特征过程中引入卷积残差块,构建深度学习神经网络模型,训练预处理后的图像数据集,得到不同组的权重;将测试图像数据输入到所述深度学习神经网络模型中,加载所述不同组的权重,得到基于不同权重的测试数据,分析比较不同权重的测试数据,得到测试数据最优时所对应的最优权重;将待分级的烟叶图像输入到所述深度学习神经网络模型中,直接加载所得到的最优权重,得到烟叶的检测定级结果;所述图像增强具体为:对获取的原始图像进行数据清洗,采用直方图筛选法,确保所用图像数据具有足够的高频信息,即保留图像中能被利用的价值、删掉图像中没有使用价值的图像数据,将数据清洗之后的图像据按一定的比例分配并进行相应的人工标注,以构建图像数据集;所述数据去模糊采用一种端到端的性能好的生成对抗网络的DeblurGAN-v2模块;所述数据增强为对烟叶图像进行旋转、翻转及裁剪,在不增加人工标注图像的数量的前提下,使得总的训练数据、验证数据,测试数据以及训练数据标签,验证数据标签和测试数据标签能满足深度学习要求。
全文数据:
权利要求:
百度查询: 临沂大学;北京青苔数据科技有限公司 基于深度学习的烟叶自动定级方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。