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：陕西麦克斯农业科技股份有限公司

摘要：本发明公开了一种基于机器学习的水果病害检测方法及系统，方法包括水果数据收集、数据增强、生物性病害检测、非生物性病害检测和水果病害检测。本发明涉及水果病害检测技术领域，具体是指一种基于机器学习的水果病害检测方法及系统，本发明采用预训练模型结合迁移学习方法进行生物性病害和非生物性病害的细节检测，为水果病害由抽象到细节的检测流程提供了可行方案；采用结合层级优化双路径预训练模型的加权集成学习方法，进行生物性病害检测，整体上提升了水果生物性病害检测的检测性能；采用迁移学习方法，通过将大数据量的生物性病害检测的模型迁移至非生物性病害检测，优化了非生物性检测的新数据的处理能力。

主权项：1.一种基于机器学习的水果病害检测方法，其特征在于：该方法包括以下步骤：步骤S1：水果数据收集，具体为从水果采收过程中，通过图像数据采集和人工数据标记，得到水果病害原始图像集；步骤S2：数据增强，具体为对所述水果病害原始图像集进行基本预处理、直方图均衡化、滤波去噪和数据分割操作，得到优化水果病害检测图像数据，具体包括生物性病害检测优化数据、非生物性病害检测优化数据和水果病害检测优化数据；步骤S3：生物性病害检测，用于针对生物性水果病害进行分项检测，具体为依据所述优化水果病害检测图像数据中的生物性病害检测优化数据，采用结合层级优化双路径预训练模型的加权集成学习方法，进行生物性病害检测，得到生物性病害检测分类数据，具体包括以下步骤：步骤S31：构建残差网络预训练模型；步骤S32：残差网络参数优化设计；步骤S33：构建密集连接卷积网络预训练模型；步骤S34：密集连接卷积网络参数优化设计；步骤S35：双路径加权集成；步骤S36：生物性病害检测模型训练；步骤S37：生物性病害检测；步骤S4：非生物性病害检测，用于针对非生物性水果病害进行分项检测，具体为依据所述优化水果病害检测图像数据中的非生物性病害检测优化数据，采用迁移学习方法，进行非生物性病害检测，得到非生物性病害检测分类数据；所述迁移学习方法，具体将步骤S3中所述结合层级优化双路径预训练模型的加权集成学习方法进行生物性病害检测至非生物性病害检测的迁移学习，并使用迁移学习结合所述优化水果病害检测图像数据中的非生物性病害检测优化数据，进行非生物性病害检测模型训练了，具体包括以下步骤：步骤S41：模型加载复现，具体为加载所述生物性病害检测模型ModelGP，并通过所述生物性病害检测模型ModelGP复现所述结合层级优化双路径预训练模型的加权集成学习模型结构；步骤S42：模型冻结，具体为冻结模型的ResNet50预训练网络层和DenseNet201预训练网络层，并在模型中添加新的输出层，用于模型训练；步骤S43：模型输出层修改，具体为采用softmax层代替所述生物性病害检测模型ModelGP原本的密集层，用于针对非生物性病害检测任务进行适应性修改；步骤S44：非生物性病害检测模型训练，具体为通过所述模型加载复现、所述模型输出层修改和所述模型冻结，进行非生物性病害检测模型训练，得到非生物性病害检测模型ModelNP；步骤S45：非生物性病害检测，具体为依据所述优化水果病害检测图像数据中的非生物性病害检测优化数据，使用所述非生物性病害检测模型ModelNP进行非生物性病害检测，得到非生物性病害检测分类数据；步骤S5：水果病害检测，采用卷积支持向量机的方法进行整体水果病害检测，并通过区分水果病害的生物性或非生物性，结合所述生物性病害检测和所述非生物性病害检测，进行水果病害综合检测，得到水果病害检测参考数据。

全文数据：

权利要求：

百度查询： 陕西麦克斯农业科技股份有限公司 一种基于机器学习的水果病害检测方法及系统