龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：滨州市农业科学院
摘要：本发明公开了基于机器学习的农田杂草检测方法及系统，属于智慧农业技术领域，方法包括图像准备、图像预处理、多模态特征提取、农田杂草检测和农田杂草检测报告生成。本发明采用图像修复结合图像编码的方法进行图像预处理，优化图像质量并将图像转化为信息系统可处理和编解码的形式，优化了农田杂草检测的自动性和效率；采用并行卷积特征提取器进行多模态特征提取，通过并行卷积同时处理多模态图像中的特征，优化了特征工程的精细程度，减少了信息的丢失；采用轻量级卷积神经网络模型进行农田杂草检测，通过只构建三层卷积层优化模型的计算复杂度，并设置多个全局最大池化层和全连接层，在不损失检测精度的同时优化了整体的计算速度和检测效率。
主权项：1.基于机器学习的农田杂草检测方法，其特征在于：该方法包括以下步骤：步骤S1：图像准备；步骤S2：图像预处理，具体为通过图像对齐、图像修复、图像编码和图像增强，进行图像预处理，得到三通道深度图像和农田增强图像；步骤S3：多模态特征提取，采用并行卷积特征提取器进行多模态特征提取，得到农田杂草多模态特征；所述并行卷积特征提取器，用于从农田增强图像和三通道深度图像中提取杂草特征，具体包括并行卷积多尺度特征处理层和多模态特征融合层；所述并行卷积多尺度特征处理层，用于捕捉颜色纹理特征和空间几何特征，具体包括两个并行的卷积多尺度特征处理子层；所述卷积多尺度特征处理子层，具体包括卷积网络层、一个最大池化层和一个反卷积层和多尺度特征拼接层；所述多尺度特征拼接层，用于将不同尺度的特征进行拼接；所述多模态特征融合层，用于融合多尺度多模态信息；步骤S4：农田杂草检测，具体为采用轻量级卷积神经网络模型，进行农田杂草检测模型构建，得到农田杂草检测结果；所述轻量级卷积神经网络模型，包括轻量卷积层、全局最大池化层、全连接层、特征拼接层和分类输出层；步骤S5：农田杂草检测报告生成。
全文数据：
权利要求：
百度查询： 滨州市农业科学院 基于机器学习的农田杂草检测方法及系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号