一种基于生成对抗网络的不同品种茶树图像识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113627474A(43)申请公布日2021.11.09(21)申请号202110764249.X(22)申请日2021.07.06(71)申请人中国计量大学地址310018浙江省杭州市下沙高教园区学源街258号(72)发明人章东平雷羽文(74)专利代理机构杭州浙科专利事务所(普通合伙)33213代理人孙孟辉(51)Int.Cl.G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书6页附图6页(54)发明名称一种基于生成对抗网络的不同品种茶树图像识别方法(57)摘要本发明公开了一种基于生成对抗网络的不同品种茶树图像识别方法，利用生成对抗网络对不同茶树组织器官图像数据集进行训练，得到另外的茶树组织器官图像，并将生成的数据和原始的数据进行一系列不同结合运算，最终通过分类器得到不同茶树品种的分类。其目的在于利用生成对抗网络、深度学习和图像处理等技术来实现不同品种茶树组织器官图像的生成和识别，进而提高不同茶树品种的识别分类准确率。CN113627474ACN113627474A权利要求书1/3页1.一种基于生成对抗网络的不同品种茶树图像识别方法，其特征在于包括如下步骤：步骤1：收集不同形态特征的茶树组织器官图像，依据茶树生长特征将训练数据集分为4类，分别为：1、Xi(Xi表示茶芽图像的数据集)；2、Xj(Xj表示茶叶图像的数据集)；3、Xu(Xu表示茶花图像的数据集)；4、Xv(Xv表示茶树果实图像的数据集)，并对图像进行尺寸大小归一化预处理；步骤2：模型设计：基于生成对抗网络的不同品种茶树图像识别模型由3类模型组成，分别为生成对抗网络(GenerativeAdversarialNetworks)中的12个生成器Gij、Gji、Giu、Gui、Giv、Gvi、Gju、Gjv、Guj、Gvj、Guv、Gvu，4个判断器Dk(k＝i，j，u,ν)和8个分类器Ck、C′k(k＝i，j，u,ν)；其中，12个生成器都采用深度卷积网络结构，输入为i，j，u,ν任一形态的茶树组织器官图像，输出得到另三种形态的茶树组织器官图像；判断器Dk输入表示真实的任一形态的茶树组织器官和由生成器生成的同一形态的茶树组织器官，输出值表示将输入图像判断为同一真实形态的茶树组织器官图像的概率；分类器Ck是由卷积神经网络层、全连接层、softmax层构建的分类模型，输入为单类图像数据集，输出为预测茶树品种的概率值Sk(k＝i,j,u,ν)，分类器C′k输入为4类图像数据集，输出为预测茶树品种；步骤3：输入i形态的茶树组织器官图像xi，通过生成器Gij、Giuj、Givj、Giuvj、Givuj(其中Giuj＝Guj(Giu)，Givj＝Gvj(Giv)，Giuvj＝Gvj(Guv(Giu)))、Givuj＝Guj(Gvu(Giv)))生成j形态茶树组织器官图像x′ij、x′iuj、x′ivj、x′iuvj、x′ivuj,将x′ij、x′iuj、x′ivj、x′iuvj、x′ivuj和j形态的真实茶树组织器官图像xj分别输入判断器Dj中，得到损失同理，输入i形态的茶树组织器官图像xi，通过生成器Giu、Giju、Givu、Givju、Gijvu生成u形态茶树组织器官图像x′iu、x′iju、x′ivu、x′ivju、x′ijvu，将x′iu、x′iju、x′ivu、x′ivju、x′ijvu和u形态的真实茶树组织器官图像xu分别输入判断器Du中，得到损失以此类推，输入j、u、v、i形态的茶树组织器官图像xj、xu、xv、xi通过不同组合生成器生成不同形态的茶树组织器官图像，并输入相对应的判断器中得到损失和步骤4：输入j形态的茶树组织器官图像xj，通过生成器Gji、Gjui、Gjvi、Gjuvi、Gjvui(其中Gjui＝Gui(Gju)，Gjvi＝Gvi(Gjv)，Gjuvi＝Gvi(Guv(Gju))、Gjvui＝Gui(Gvu(Gjv)))生成茶树组织器官图像x′ji、x′jui、x′jvi、x′juvi、x′jvui,将x′ji、x′jui、x′jvi、x′juvi、x′jvui,和i形态的真实茶树组织器官图像xi输入判断器Di中，得到损失同理，输入u形态的茶树组织器官图像xu，通过生成器Gui、Guji、Guvi、Guvji、Gujvi生成i形态茶树组织器官图像x′ui、x′uji、x′uvi、x′uvji、x′ujvi,将x′ui、x′uji、x′uvi、x′uvji、x′ujvi和i形态的真实茶树组织器官图像xu分别输入判断器Di中，得到损失以此类推，输入j、u、v、i形态的茶树组织器官图像xj、xu、xv、x