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：青岛农业大学
摘要：本发明涉及农业病害识别技术领域，具体涉及一种基于深度学习的黄瓜病害识别方法，具体如下：采集不同天气情况下图像，创建数据集；对数据集中的图像放缩为统一标准，并对图像进行标注；接着对数据集进行增强；将数据集划分为训练集、验证集和测试集、同时根据标注类型对训练集、验证集和测试集进一步划分；构建包括特征提取模块、布朗距离协方差模块和分类器模块的深度学习模型，实现对图像中病害类型预测概率；对深度学习模型进行训练与测试模型，将测试集中图像输入至训练好的深度学习模型得到图像中病害类型。本发明通过深度学习模型能够无需人工干预，自动从大量病害图像中学习特征，进而提高病害识别的自动化程度。
主权项：1.一种基于深度学习的黄瓜病害识别方法，其特征是，包括以下步骤：S1、创建数据集：采集不同天气情况下蔬菜大棚内黄瓜叶片初期、中期和晚期三个时间段内的图像，图像包含异常叶片图像和正常叶片图像，通过采集到的图像创建数据集；S2、数据预处理：将数据集中的图像放缩为统一标准，并对图像进行标签标注，得到预处理后的数据集；S3、数据集增强：通过对预处理后的数据集中每幅图进行随机加噪、亮度抖动、对比度拉伸、饱和度抖动和色调抖动传统方式操作来进行数据扩充，得到增强后的数据集；S4、数据集划分：将增强后的数据集按比例划分为训练集、验证集和测试集、同时根据标注类型对训练集、验证集和测试集进一步划分；S5、构建深度学习模型：深度学习模型包括特征提取模块、布朗距离协方差模块和分类器模块，将图像输入至深度学习模型然后通过特征提取模块深入挖掘不同图像之间的深度特征，然后通过布朗距离协方差模块对特征进行更深层次的表达，最后将深度特征输入至分类器模块，得到图像中病害类型预测概率；S6、训练与测试模型：包括自定义损失函数模块、训练模块和测试模块，根据步骤S5得到的预测结果与图像的真实标注进行损失计算，然后将训练集中数据输入至深度学习模型对深度学习模型进行优化训练，再将验证集中数据输入至训练后的深度学习模型进行验证，并进行模型参数更新，最后设定阈值，将测试集中数据输入中验证后的深度学习模型得到图像中病害类型。
全文数据：
权利要求：
百度查询： 青岛农业大学 一种基于深度学习的黄瓜病害识别方法
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