[发明专利]基于图像识别技术的茶叶识别方法及其系统

说明书

技术领域

本发明涉及移动终端的图像识别技术，具体涉及一种基于图像识别技术的茶叶识别方法及其系统。

背景技术

随着经济社会的快速发展及人们对健康生活要求的不断提高，茶叶作为自然健康饮品受到越来越多消费者的青睐。我国是最早发现并饮用茶叶的国家，随着制茶技术的不断发展，我国的茶叶根据制茶工艺的不同分为六大茶类；然而随着研究的深入及产品多样化趋势的发展，各类茶叶花色繁多，市场上的产品丰富多样，这为消费者提供更多选择的同时，也增加了消费者识别判断茶叶质量的难度。为了获取更加准确的信息，消费者可通过茶叶相关书籍、杂志、网络等多种渠道；随着智能手机的应用普及，茶叶相关科普软件应运而生，为消费者的茶知识获取提供了一个更加便捷的渠道。然而调查显示，虽然目前手机应用市场上应用的茶叶相关的手机软件内容丰富，但普遍存在以下缺陷：(1)、内容覆盖面广，对于初学者由浅入深的引导性较弱；(2)、对于普通初级消费者即时应用性较弱，看到茶叶无法通过软件应用迅速得到相关信息；(3)、茶叶特征识别与茶叶特征数据库没有有效对应链接。

数据图像处理技术是利用计算机数据处理的一种具体表现，是一种对数字图像进行自动化运算和处理的一种手段。图像处理技术在茶叶特征即时识别方面具有可操作性，对于提升软件即时应用性具有现实意义，而现今缺少通过图像处理技术即时识别茶叶并相用户科普该茶叶特征信息的方法及系统。

卷积神经网络(Convolutional Neural Network,CNN)是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。

卷积神经网络模型的组建、优化，有多种可使用的算法(开源或非开源)，同样对于卷积神经网络模型的“构件”(权值共享、池化)以代码实现，现今也存在多种不同的实现的代码形式，如已存在Caffe(指卷积神经网络框架，全称Convolutional Architecture for Fast Feature Embedding)、TensorFlow(指谷歌基于DistBelief进行研发的第二代人工智能学习系统)、Theano(深度学习工具)等均为成熟的卷积神经网络模型构建工具，其代码均可开源获取；

MSGD(小批量随机梯度下降)算法为卷积神经网络模型参数优化算法之一。

发明内容

本发明的目的在于提供一种能够即时识别未知茶叶并向用户科普对应茶叶特征信息的基于图像识别技术的茶叶识别系统，以及该系统进行的茶叶识别方法。

为了解决上述技术问题，本发明提供一种基于图像识别技术的茶叶识别系统；

所述移动终端包括图像采集模块、特征识别模块、自主搜索模块、数据库和显示模块；所述图像采集模块、特征识别模块和数据库依次信号相连；所述图像采集模块、特征识别模块和自主搜索模块均与显示模块信号相连，其中自主搜索模块与数据库信号相连；

所述图像采集模块用于获取待识别茶叶图像，并将待识别茶叶图像发送至特征识别模块；

所述特征识别模块用于将图像采集模块所获取的待识别茶叶图像进行处理和分析，并提取所述待识别茶叶图像的特征向量；所述特征识别模块采用图像识别模型；

所述自主搜索模块用于输入待识别茶叶的名称或类别，并利用数据库进行搜索和匹配；

所述数据库用于储存茶叶样本图像数据集和茶叶特征信息；所述特征识别模块将提取的待识别茶叶图像特征向量利用数据库在茶叶样本图像数据集中进行搜索和匹配，特征识别模块将相匹配的样本茶叶图像所对应的茶叶名称按照匹配度由高到低的顺序排列通过显示模块显示；

所述自主搜索模块将输入或选择的茶叶类别(包括乌龙茶、白茶、绿茶、红茶、黄茶和黑茶)利用数据库与茶叶特征信息中茶叶类别进行匹配，并将相匹配茶叶类别所对应的茶叶名称输出至显示模块；

所述自主搜索模块将输入或选择的茶叶名称利用数据库与茶叶特征信息中茶叶名称进行匹配，并将相匹配的茶叶名称所对应的茶叶特征信息输出至显示模块；

所述显示模块用于显示图像采集模块采集的待识别茶叶图像信息，并显示由特征识别模块发送的茶叶名称；所述显示模块还用于显示自主搜索模块输入的茶叶名称或类别信息，并显示由自主搜索模块发送的茶叶名称或茶叶特征信息。

作为本发明基于图像识别技术的茶叶识别系统的改进：

所述图像识别模型为卷积神经网络模型；

所述数据库包括信号相连的样本图像数据库和茶叶知识数据库；

所述自主搜索模块包括均与茶叶知识数据库信号相连的名称搜索模块和分类查询模块；