申请/专利权人：河南理工大学

申请日：2023-09-28

公开（公告）日：2024-01-02

公开（公告）号：CN117333701A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/82;G06V20/68;G06N3/0464;G06N3/096

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.19#实质审查的生效;2024.01.02#公开

摘要：本发明公开了一种基于图像深度学习的毒蘑菇类型鉴定方法，其特征在于，包括如下步骤：步骤100、采集现有已知的蘑菇图像，对所述蘑菇图像进行元素调整，将所述蘑菇图像按照比例分配分别构建训练集和验证集；步骤200、基于迁移学习策略构建预训练模型；步骤300、将所述训练集中的所述蘑菇图像输入预训练模型对其进行训练以得到最终的分类模型；步骤400、根据所述分类模型对所述验证集中的蘑菇图像进行验证，在验证合格后对蘑菇图像进行直接鉴定。本发明根据收集的蘑菇图像资料，构建训练模型，通过使用五种主流的神经网络模型进行对比实验后选择预测效果最好的一种的分类模型进行部署，对已有的毒蘑菇图像数据进行分类，达到区分毒蘑菇类型的作用。

主权项：1.一种基于图像深度学习的毒蘑菇类型鉴定方法，其特征在于，包括如下步骤：步骤100、采集现有已知的蘑菇图像，对所述蘑菇图像进行元素调整，将所述蘑菇图像按照比例分配分别构建训练集和验证集；步骤200、基于迁移学习策略构建预训练模型；步骤300、将所述训练集中的所述蘑菇图像输入预训练模型对其进行训练以得到最终的分类模型；步骤400、根据所述分类模型对所述验证集中的蘑菇图像进行验证，在验证合格后对蘑菇图像进行直接鉴定。

全文数据：

权利要求：

百度查询： 河南理工大学 一种基于图像深度学习的毒蘑菇类型鉴定方法

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