申请/专利权人:安徽大学
申请日:2023-02-24
公开(公告)日:2023-05-30
公开(公告)号:CN116188859A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/774;G06T3/40;G06T5/00;G06T7/00;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.06.16#实质审查的生效;2023.05.30#公开
摘要:本发明涉及一种基于超分和检测网络的茶叶病害无人机遥感监测方法,包括如下步骤:数据获取:首先获取低空拍摄的茶叶图像,无人机飞行高度为2m至4m,作为网络的训练集;数据处理:利用LabelImg软件,对裁剪后的低空拍摄图像进行标注;再将低空拍摄的图像按8:2的比例划分为网络的训练集和验证集;网络训练:先训练超分网络模型,包括依次训练PSNR模型、训练GAN模型;再训练检测网络模型;超分与检测:无人机飞行高度为12m,获取高空拍摄的无人机茶叶图像送入训练好的超分网络中进行超分,恢复细节信息,然后将超分后的图像裁剪后再送入训练好的检测网络中进行茶叶病害检测。本发明能够节约无人机的飞行成本和时间,帮助茶农实时检测茶园中茶叶的病害。
主权项:1.一种基于超分和检测网络的茶叶病害无人机遥感监测方法,其特征在于,包括如下步骤:数据获取:首先获取低空拍摄的茶叶图像,无人机飞行高度为2m至4m;然后获取高空拍摄的茶叶图像,无人机飞行高度为12m左右,所有茶叶图像的分辨率均为8000*6000;数据处理:首先,将低空拍摄的图像裁剪为100张分辨率为800*600的图像;其次,利用LabelImg软件,对裁剪后的低空拍摄的图像进行标注;再将低空拍摄的图像按8:2的比例划分为网络的训练集和验证集;网络训练:先训练超分网络模型,包括依次训练PSNR模型、训练GAN模型;再训练检测网络模型;超分与检测:将高空拍摄的无人机茶叶图像送入训练好的超分网络中进行超分,恢复细节信息,然后将超分后的图像裁剪后再送入训练好的检测网络中进行茶叶病害检测。
全文数据:
权利要求:
百度查询: 安徽大学 一种基于超分和检测网络的茶叶病害无人机遥感监测方法
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。