申请/专利权人：山东农业大学

申请日：2023-09-18

公开（公告）日：2023-12-12

公开（公告）号：CN117218645A

主分类号：G06V20/68

分类号：G06V20/68;G06V10/10;G06V10/20;G06V10/82;G06V10/80;G06N3/0464;G06N3/08;G06V10/26

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.29#实质审查的生效;2023.12.12#公开

摘要：本发明马铃薯疮痂病识别领域，具体是一种基于语义分割的马铃薯疮痂病识别系统，本发明目的在于准确分割马铃薯疮痂病斑，精准估计疮痂覆盖率，提出了一种基于多尺度特征融合的马铃薯疮痂病分割模型，命名为MSFF‑UNet。该模型在U‑Net模型的基础上，使用VGG16作为主干网络，增强模型的特征提取以及语义理解能力；其次，在解码器特征向上融合的过程加入了深度特征增强模块，通过叠加一系列卷积和归一化操作，提高了不同尺寸马铃薯疮痂病斑及其分布情况的区分度；最后，在解码器中加入多尺度特征融合模块，对解码器的高层次特征进行强化特征提取、低层次特征进行上采样后进行特征融合，随后逐层向上融合，捕获不同尺度下的马铃薯疮痂病斑语义信息，实现对马铃薯及疮痂病斑的精准分割。

主权项：1.一种马铃薯疮痂病识别方法，其特征在于，其包括下列步骤：S1：马铃薯疮痂病数据采集：采集每种疮痂病的图像；S2：数据处理与数据集构建：对采集到的马铃薯疮痂病图像集进行预处理，采用Labelme标注工具标注马铃薯疮痂病图像，标注马铃薯和疮痂病斑两类目标，再将标注图从.json格式转换为.png格式保存，最后将标注的数据按照7∶2∶1比例划分为训练集、验证集、测试集；S3：构建用于马铃薯疮痂病分割模型：将U-Net编码器部分的主干网络设置为VGG16；S4：通过训练集训练马铃薯疮痂病识别模型；S4-1：为了验证马铃薯疮痂病识别的性能，训练实验中采用了MPA、MIoU、IoU、Precision等指标进行评估，计算公式如下： 其中TN表示模型正确地将负类别样本分类为负类别，TP表示模型正确地将正类别样本分类为正类别，FN表示模型错误地将正类别样本分类为负类别，FP表示模型错误地将负类别样本分类为正类别，k为类别数；S4-2：进行训练；S5：将S4步骤训练后的马铃薯疮痂病识别模型部署到移动端APP中，通过移动端APP拍照识别马铃薯疮痂病，并估算疮痂覆盖率。

全文数据：

权利要求：

百度查询： 山东农业大学 马铃薯疮痂病识别方法

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。

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