基于烟叶图像的参数精确提取和分级识别系统研究与实现
发布时间：2023-01-05 10:53
烟草行业在我国的经济中始终占有重要地位,在烟叶的收购与加工过程中,如何快捷准确的进行烟叶分级至关重要。目前在烟草行业对烟叶的分级工作,主要以人工分级的方式进行,不仅费时费力,准确率也无法得到有效保障。在现有的烟叶分级算法研究中,主要是通过识别烟叶色度的不同来进行分级,但在对色度相近的烟叶进行分级时效果并不理想。本文设计了一种基于传统图像处理算法和卷积神经网络的烟叶参数提取与分级系统,以提高对烟叶分级的准确率。本文的主要内容如下:1.本文研究了一种基于叶脉骨架细化和区域生长算法的主脉与支脉间夹角提取方法。首先通过对快速并行细化算法的改进,可以去除主脉上长度较短的支脉和支脉上的分支叶脉骨架,减少后续角点检测算法中的角点数量,使改进后的细化算法更加适用于烟叶的叶脉骨架提取;然后通过改进区域生长算法的初始像素点选取与生长规则,可以提取出主脉与支脉间的夹角,并且有效提高了算法的运行速度;最后根据提取到的烟叶夹角、色度等特质,人工选取初始聚类中心点来优化聚类算法,将烟叶的色度特征与形态学特征相结合以提高对色度相近的烟叶分级的准确率。2.本文研究了一种适用于烟叶分级的卷积神经网络。由于不同类别的烟叶...
【文章页数】：87 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究历史与现状
1.2.1 图像处理算法国内外研究
1.2.2 人工神经网络算法国内外研究
1.3 论文主要研究内容
1.4 论文结构安排
第二章 相关理论及技术研究
2.1 烟叶分级原理及难点
2.1.1 烟叶分组原理
2.1.2 烟叶分级原理
2.1.3 烟叶分级难点
2.2 图像处理技术研究与应用
2.2.1 图像处理算法流程图
2.2.2 图像二值化算法
2.2.3 图像阈值分割算法
2.2.4 图像平滑处理
2.2.5 图像HSI颜色空间模型
2.2.6 基于图像处理的烟叶参数提取
2.3 神经网络技术研究
2.3.1 人工神经网络
2.3.2 卷积神经网络结构
2.3.3 激活函数
2.3.4 损失函数
2.3.5 梯度下降法
2.3.6 过拟合
2.4 系统研究整体设计
2.5 本章小结
第三章 烟叶主脉与支脉夹角提取算法研究
3.1 本章算法框架设计
3.2 基于细化算法的叶脉骨架提取
3.2.1 快速并行细化算法研究
3.2.2 叶脉骨架提取结果与不足分析
3.3 基于烟叶叶脉骨架提取的细化算法改进
3.4 基于角点检测与区域生长算法的叶脉角度提取
3.4.1 Harris角点检测算法研究
3.4.2 区域生长算法研究与改进
3.5 基于聚类算法的烟叶分级与结果分析
3.5.1 K均值聚类算法研究与烟叶分级
3.5.2 K均值聚类算法研究与烟叶分级
3.6 本章小结
第四章 基于深度学习的烟叶分级算法研究
4.1 本章算法框架设计
4.2 基于Res2Net模型的烟叶分级网络研究
4.2.1 ResNet模型的网络结构研究
4.2.2 Res2Net模块结构研究
4.2.3 构建烟叶数据库
4.2.4 迁移学习
4.2.5 实验环境与性能度量指标
4.2.6 实验结果及分析
4.3 多尺度特征提取网络优化
4.3.1 多尺度特征研究
4.3.2 多尺度特征提取模块
4.3.3 网络优化与实验结果分析
4.3.4 网络结构优化
4.4 实验结果及分析
4.5 本章小结
第五章 烟叶图像参数提取与分级系统实现
5.1 本章算法框架设计
5.2 烟叶分级系统实现
5.2.1 结合传统算法的神经网络结构
5.2.2 网络优化与实验结果分析
5.3 烟叶分级软件设计与实现
5.3.1 软件总体设计
5.3.2 软件界面实现
5.4 实验结果及分析
5.5 本章小结
第六章 总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
攻读硕士学位期间取得的成果
【参考文献】：
期刊论文
[1]基于PCA-GA-SVM的烟叶分级方法[J]. 姚学练,贺福强,平安,罗红,管琪明. 烟草科技. 2018(12)
[2]基于图像特征的烟叶分级方法研究[J]. 赵世民,宋正雄,贺智涛,董昆乐,李丽华,王玉洁. 安徽农业科学. 2018(28)
[3]基于模糊择近原则的烟叶自动分级算法研究[J]. 陈朋,贺福强,管琪明,赖长龙. 中国农机化学报. 2016(09)
[4]一种大规模分类数据聚类算法及其并行实现[J]. 丁祥武,郭涛,王梅,金冉. 计算机研究与发展. 2016(05)
[5]基于机器视觉的烟叶自动分组方法[J]. 庄珍珍,祝诗平,孙雪剑,左英琦. 西南师范大学学报(自然科学版). 2016(04)
[6]图像的角点检测研究综述[J]. 章为川,孔祥楠,宋文. 电子学报. 2015(11)
[7]一种基于密度的k-means聚类算法[J]. 罗军锋,锁志海. 微电子学与计算机. 2014(10)
[8]基于神经网络的特征分析在烟叶分级中的应用[J]. 申振宇,申金媛,刘剑君,刘润杰. 计算机与数字工程. 2012(07)
[9]概率神经网络在烟叶自动分级中的应用[J]. 张乐明,申金媛,刘剑君,刘润杰. 农机化研究. 2011(12)
[10]Moravec和Harris角点检测方法比较研究[J]. 卢瑜,郝兴文,王永俊. 计算机技术与发展. 2011(06)
硕士论文
[1]一个基于深度学习的烤烟分级系统的设计与实现[D]. 曾祥云.东南大学 2017
[2]烟叶纹理表面的视觉检测技术研究与应用[D]. 陈朋.贵州大学 2017
[3]基于光谱与色度的烤烟分级方法研究[D]. 方世诚.贵州大学 2016
[4]基于机器视觉的烟叶自动分级方法研究[D]. 庄珍珍.西南大学 2016
[5]基于机器视觉的烟草异物检测和烟叶分类分级方法研究[D]. 李海杰.南京航空航天大学 2016
[6]基于机器视觉的烟叶分级关键技术研究与实现[D]. 张磊.贵州大学 2015
[7]基于HIS颜色模型和模糊分类的烟叶分组方法及实现[D]. 高航.云南大学 2015
[8]一种基于颜色特征的烟叶分级算法设计及系统实现[D]. 魏扬帆.北京交通大学 2014
[9]图像处理技术与支持向量机在烟叶分级中的应用研究[D]. 胡厚利.昆明理工大学 2014
[10]基于图像处理与神经网络的烟叶分级研究[D]. 郭强.中南大学 2013
本文编号：3727868
【文章页数】：87 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究历史与现状
1.2.1 图像处理算法国内外研究
1.2.2 人工神经网络算法国内外研究
1.3 论文主要研究内容
1.4 论文结构安排
第二章 相关理论及技术研究
2.1 烟叶分级原理及难点
2.1.1 烟叶分组原理
2.1.2 烟叶分级原理
2.1.3 烟叶分级难点
2.2 图像处理技术研究与应用
2.2.1 图像处理算法流程图
2.2.2 图像二值化算法
2.2.3 图像阈值分割算法
2.2.4 图像平滑处理
2.2.5 图像HSI颜色空间模型
2.2.6 基于图像处理的烟叶参数提取
2.3 神经网络技术研究
2.3.1 人工神经网络
2.3.2 卷积神经网络结构
2.3.3 激活函数
2.3.4 损失函数
2.3.5 梯度下降法
2.3.6 过拟合
2.4 系统研究整体设计
2.5 本章小结
第三章 烟叶主脉与支脉夹角提取算法研究
3.1 本章算法框架设计
3.2 基于细化算法的叶脉骨架提取
3.2.1 快速并行细化算法研究
3.2.2 叶脉骨架提取结果与不足分析
3.3 基于烟叶叶脉骨架提取的细化算法改进
3.4 基于角点检测与区域生长算法的叶脉角度提取
3.4.1 Harris角点检测算法研究
3.4.2 区域生长算法研究与改进
3.5 基于聚类算法的烟叶分级与结果分析
3.5.1 K均值聚类算法研究与烟叶分级
3.5.2 K均值聚类算法研究与烟叶分级
3.6 本章小结
第四章 基于深度学习的烟叶分级算法研究
4.1 本章算法框架设计
4.2 基于Res2Net模型的烟叶分级网络研究
4.2.1 ResNet模型的网络结构研究
4.2.2 Res2Net模块结构研究
4.2.3 构建烟叶数据库
4.2.4 迁移学习
4.2.5 实验环境与性能度量指标
4.2.6 实验结果及分析
4.3 多尺度特征提取网络优化
4.3.1 多尺度特征研究
4.3.2 多尺度特征提取模块
4.3.3 网络优化与实验结果分析
4.3.4 网络结构优化
4.4 实验结果及分析
4.5 本章小结
第五章 烟叶图像参数提取与分级系统实现
5.1 本章算法框架设计
5.2 烟叶分级系统实现
5.2.1 结合传统算法的神经网络结构
5.2.2 网络优化与实验结果分析
5.3 烟叶分级软件设计与实现
5.3.1 软件总体设计
5.3.2 软件界面实现
5.4 实验结果及分析
5.5 本章小结
第六章 总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
攻读硕士学位期间取得的成果
【参考文献】：
期刊论文
[1]基于PCA-GA-SVM的烟叶分级方法[J]. 姚学练,贺福强,平安,罗红,管琪明. 烟草科技. 2018(12)
[2]基于图像特征的烟叶分级方法研究[J]. 赵世民,宋正雄,贺智涛,董昆乐,李丽华,王玉洁. 安徽农业科学. 2018(28)
[3]基于模糊择近原则的烟叶自动分级算法研究[J]. 陈朋,贺福强,管琪明,赖长龙. 中国农机化学报. 2016(09)
[4]一种大规模分类数据聚类算法及其并行实现[J]. 丁祥武,郭涛,王梅,金冉. 计算机研究与发展. 2016(05)
[5]基于机器视觉的烟叶自动分组方法[J]. 庄珍珍,祝诗平,孙雪剑,左英琦. 西南师范大学学报(自然科学版). 2016(04)
[6]图像的角点检测研究综述[J]. 章为川,孔祥楠,宋文. 电子学报. 2015(11)
[7]一种基于密度的k-means聚类算法[J]. 罗军锋,锁志海. 微电子学与计算机. 2014(10)
[8]基于神经网络的特征分析在烟叶分级中的应用[J]. 申振宇,申金媛,刘剑君,刘润杰. 计算机与数字工程. 2012(07)
[9]概率神经网络在烟叶自动分级中的应用[J]. 张乐明,申金媛,刘剑君,刘润杰. 农机化研究. 2011(12)
[10]Moravec和Harris角点检测方法比较研究[J]. 卢瑜,郝兴文,王永俊. 计算机技术与发展. 2011(06)
硕士论文
[1]一个基于深度学习的烤烟分级系统的设计与实现[D]. 曾祥云.东南大学 2017
[2]烟叶纹理表面的视觉检测技术研究与应用[D]. 陈朋.贵州大学 2017
[3]基于光谱与色度的烤烟分级方法研究[D]. 方世诚.贵州大学 2016
[4]基于机器视觉的烟叶自动分级方法研究[D]. 庄珍珍.西南大学 2016
[5]基于机器视觉的烟草异物检测和烟叶分类分级方法研究[D]. 李海杰.南京航空航天大学 2016
[6]基于机器视觉的烟叶分级关键技术研究与实现[D]. 张磊.贵州大学 2015
[7]基于HIS颜色模型和模糊分类的烟叶分组方法及实现[D]. 高航.云南大学 2015
[8]一种基于颜色特征的烟叶分级算法设计及系统实现[D]. 魏扬帆.北京交通大学 2014
[9]图像处理技术与支持向量机在烟叶分级中的应用研究[D]. 胡厚利.昆明理工大学 2014
[10]基于图像处理与神经网络的烟叶分级研究[D]. 郭强.中南大学 2013
本文编号：3727868
本文链接：https://www.wllwen.com/projectlw/qgylw/3727868.html
