申请/专利权人：西安电子科技大学

申请日：2023-03-17

公开（公告）日：2023-05-26

公开（公告）号：CN116168299A

主分类号：G06V20/10

分类号：G06V20/10;G06V10/44;G06V10/764;G06V10/82;G06N3/08;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.06.13#实质审查的生效;2023.05.26#公开

摘要：一种基于元学习和深度学习的茶叶病害检测方法、系统、设备及介质，其方法包括S1、采集图像并进行数据处理；S2、将数据集进行准备和划分；S3、对数据集进行训练；S4、对数据集进行网络训练；S5、生成病害情况并给出相应的解决方案；其系统、设备及介质用于基于元学习和深度学习实时对茶叶病害情况进行检测；本发明考虑到真实场景中受光线影响，通过MSR算法以模拟实际场景中的不同光照情况，提高算法的鲁棒性和泛化性；利用元学习的方法增强模型对于小样本数据的学习，能够在少量样本的情况下就具有识别茶叶病害的能力；缓解了茶叶病害检测样本量不足的问题，并且针对于茶叶形态在目标检测上进行了改进，具有效率高，成本低和准确率高的特点。

主权项：1.一种基于元学习和深度学习的茶叶病害检测方法，其特征在于，具体步骤如下：步骤S1、采集到茶叶病害图像后，对图片进行数据处理，保存至数据集中；步骤S2、将数据集进行准备和划分，以茶云纹枯叶病和茶藻斑病作为基类数据集，茶芽枯病作为小样本数据集；步骤S3、对步骤S2得到的数据集进行训练，通过特征提取网络提取出支持集和查询集的图片特征，通过角点提纯模块增强对于茶叶的特征学习，以支持集的特征增强茶叶病害图像的学习；步骤S4、对步骤S3得到的数据集进行网络训练，使得不同茶叶病害的权重进行区分；步骤S5、根据茶田摄像头获取的茶田图像生成病害情况，并给出相应的解决方案。

全文数据：

权利要求：

百度查询： 西安电子科技大学 一种基于元学习和深度学习的实时茶叶病害情况检测方法、系统、设备及介质

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD