第15卷第5期 智能系统学报 Vol.15 No.5 2020年9月 CAAI Transactions on Intelligent Systems Sep.2020 D0L:10.11992tis.202003018 融合整体与局部信息的武夷岩茶叶片分类方法 林丽惠2，罗志明3，王军政，李绍滋 (1,武夷学院数学与计算机学院，福建式夷山354300；2.武夷学院认知计算与智能信息处理福建省高校重点 实验室，福建武夷山354300：3.厦门大学信息与通信工程博士后流动站，福建厦门361005：4.厦门大学信息科 学与技术学院，福建厦门361005) 摘要：针对武夷岩茶鲜茶叶叶片图像分类问题，提出一种融合整体与局部信息的分类方法。该方法使用两分支 并行结构构建了一个整体与局部信息融合的卷积神经网铬模型。实验表明.在9个品种共计7330张武夷岩茶鲜 茶叶叶片图像数据集上，基于ResNet18构造的两分支并行卷积神经网络模型的分类准确率为96.68%，超过了其 他CNN模型的分类准确率。这表明通过融合全局信息、边缘形状信息和纹理局部信息能有效提高分类准确率。 关键词：武夷岩茶叶片分类；深度学习；迁移学习；特征融合：卷积神经网络；残差网络；边缘形状；纹理 中图分类号：TP391 文献标志码：A文章编号：1673-4785(2020)05-0919-06 中文引用格式：林丽惠，罗志明，王军政，等.融合整体与局部信息的武夷岩茶叶片分类方法.智能系统学报，2020,15（⑤）： 919-924. 英文引用格式：LIN Lihui,LUO Zhiming,WANG Junzheng,.etal.Classification of Wuyi rock tealeaves by integrating global and local information[J CAAI transactions on intelligent systems,2020,15(5):919-924. Classification of Wuyi rock tealeaves by integrating global and local information LIN Lihui2,LUO Zhiming,WANG Junzheng',LI Shaozi (1.School of Mathematics and Computer Science,Wuyi University,Wuyishan 354300,China:2.The Key Laboratory of Cognitive Computing and Intelligent Information Processing of Fujian Education Institutions,Wuyi University,Wuyishan 354300,China;3.Post- Doctoral Mobile Station of Information and Communication Engineering,Xiamen University,Xiamen 361005,China;4.Department of Artificial Intelligence,School of Informatics,Xiamen University,Xiamen 361005,China) Abstract:In this study,we focused on the classification of fresh Wuyi rock tealeaf images into different fine-grained categories and the construction of a two-branch parallel-structured convolutional neural network(CNN)model by integ- rating global and local information.We constructed a Wuyi rock tealeaf image dataset comprising 7330 fresh tealeaf im- ages of nine varieties.The experimental results showed that the proposed two-branch parallel-structured CNN model with ResNet18 achieved an accuracy of 96.68%on the Wuyi rock tealeaf image dataset,which is superior to that of oth- er CNN models.This result demonstrates that integrating global information and local information relating to edge shape and texture can effectively improve classification accuracy. Keywords:classification of Wuyi rock tealeaves;deep learning,transfer learning;feature integration;convolutional neural network;residual network;edge shape;texture 武夷岩茶是中国传统名茶，品种资源丰富，史 收稿日期：2020-03-12. 基金项目：国家自然科学基金项目(61876159,61806172， 书记载有上千个品种。因此武夷岩茶茶树品种的 U1705286):福建省2011协同创新中心一中国乌龙 茶产业协同创新中心专项（闽教科〔2015〕75号）： 智能识别技术对研究武夷岩茶茶树的分布情况以 福建省自然科学基金项目(2017J01780.2018J01562, 2020J01421):武夷学院认知计算与智能信息处理福 及种质资源保护具有重要意义。基于叶片的识别 建省高校重点实验室开放课题项目(KLCCIIP20I8105, KLCCIIP2018201). 是植物种类识别最直接有效的方法"。鉴于武夷 通信作者：李绍滋.E-mail:slig@xmu.edu.cn 岩茶不同茶树品种的叶片在形态、大小和颜色上DOI: 10.11992/tis.202003018 融合整体与局部信息的武夷岩茶叶片分类方法 林丽惠1,2，罗志明2,3，王军政4 ，李绍滋4 （1. 武夷学院 数学与计算机学院，福建 武夷山 354300; 2. 武夷学院 认知计算与智能信息处理福建省高校重点 实验室，福建 武夷山 354300; 3. 厦门大学 信息与通信工程博士后流动站，福建 厦门 361005; 4. 厦门大学 信息科 学与技术学院，福建 厦门 361005） 摘 要：针对武夷岩茶鲜茶叶叶片图像分类问题，提出一种融合整体与局部信息的分类方法。该方法使用两分支 并行结构构建了一个整体与局部信息融合的卷积神经网络模型。实验表明，在 9 个品种共计 7 330 张武夷岩茶鲜 茶叶叶片图像数据集上，基于 ResNet18 构造的两分支并行卷积神经网络模型的分类准确率为 96.68%，超过了其 他 CNN 模型的分类准确率。这表明通过融合全局信息、边缘形状信息和纹理局部信息能有效提高分类准确率。 关键词：武夷岩茶叶片分类；深度学习；迁移学习；特征融合；卷积神经网络；残差网络；边缘形状；纹理 中图分类号：TP391 文献标志码：A 文章编号：1673−4785(2020)05−0919−06 中文引用格式：林丽惠, 罗志明, 王军政, 等. 融合整体与局部信息的武夷岩茶叶片分类方法 [J]. 智能系统学报, 2020, 15(5): 919–924. 英文引用格式：LIN Lihui, LUO Zhiming, WANG Junzheng, et al. Classification of Wuyi rock tealeaves by integrating global and local information[J]. CAAI transactions on intelligent systems, 2020, 15(5): 919–924. Classification of Wuyi rock tealeaves by integrating global and local information LIN Lihui1,2 ，LUO Zhiming2,3 ，WANG Junzheng4 ，LI Shaozi4 (1. School of Mathematics and Computer Science, Wuyi University, Wuyishan 354300, China; 2. The Key Laboratory of Cognitive Computing and Intelligent Information Processing of Fujian Education Institutions, Wuyi University, Wuyishan 354300, China; 3. Post￾Doctoral Mobile Station of Information and Communication Engineering, Xiamen University, Xiamen 361005, China; 4. Department of Artificial Intelligence, School of Informatics, Xiamen University, Xiamen 361005, China) Abstract: In this study, we focused on the classification of fresh Wuyi rock tealeaf images into different fine-grained categories and the construction of a two-branch parallel-structured convolutional neural network (CNN) model by integ￾rating global and local information. We constructed a Wuyi rock tealeaf image dataset comprising 7330 fresh tealeaf im￾ages of nine varieties. The experimental results showed that the proposed two-branch parallel-structured CNN model with ResNet18 achieved an accuracy of 96.68% on the Wuyi rock tealeaf image dataset, which is superior to that of oth￾er CNN models. This result demonstrates that integrating global information and local information relating to edge shape and texture can effectively improve classification accuracy. Keywords: classification of Wuyi rock tealeaves; deep learning; transfer learning; feature integration; convolutional neural network; residual network; edge shape; texture 武夷岩茶是中国传统名茶，品种资源丰富，史 书记载有上千个品种。因此武夷岩茶茶树品种的 智能识别技术对研究武夷岩茶茶树的分布情况以 及种质资源保护具有重要意义。基于叶片的识别 是植物种类识别最直接有效的方法[1]。鉴于武夷 岩茶不同茶树品种的叶片在形态、大小和颜色上 收稿日期：2020−03−12. 基金项目：国家自然科学基金项 目 (61876159， 61806172， U1705286)；福建省 2011 协同创新中心—中国乌龙 茶产业协同创新中心专项（闽教科〔2015〕75 号）； 福建省自然科学基金项目 (2017J01780，2018J01562， 2020J01421)；武夷学院认知计算与智能信息处理福 建省高校重点实验室开放课题项目 (KLCCIIP2018105， KLCCIIP2018201) . 通信作者：李绍滋. E-mail：szlig@xmu.edu.cn. 第 15 卷第 5 期 智 能 系 统 学 报 Vol.15 No.5 2020 年 9 月 CAAI Transactions on Intelligent Systems Sep. 2020