申请/专利权人：周子晗

申请日：2023-11-07

公开（公告）日：2024-02-09

公开（公告）号：CN117541970A

主分类号：G06V20/50

分类号：G06V20/50;G06V10/30;G06V10/74;G06V10/82;G06N3/0464;G06N3/048;G06N3/045

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.01#实质审查的生效;2024.02.09#公开

摘要：本发明涉及图像识别技术领域，具体为一种基于深度残差网络的金钱树健康状况检测方法，包括：构建图像数据集，所述图像集中包含图像子集，所述图像子集包含可疑金钱树树叶图像和其对应的对生树叶图像；将所述图像数据集划分为训练集和验证集；对所述图像数据集进行图像预处理，使用均值加权滤波对所述图像数据集进行去噪；通过平均哈希算法测算可疑树叶图像和对生树叶图像的相似度，通过所述训练集训练金钱树健康状况检测模型，根据所述相似度对模型进行加权，输出判断结果。本发明通过将金钱树对生树叶的相似度引入到深度残差网络模型中，有效提高了对金钱树健康状况的识别准确率。

主权项：1.一种基于深度残差网络的金钱树健康状况检测方法，其特征在于，包括：S10.获取金钱树图像，构建图像数据集；所述图像数据集包含数据子集，所述数据子集中包含可疑叶片图像和对生叶片的图像；将所述图像数据集划分为训练集和验证集；S20.对所述图像数据集进行预处理；所述预处理过程包括使用均值加权滤波对所述图像数据集进行去噪；S30.计算所述数据子集中可疑叶片图像和对生叶片图像的相似度；S40.通过所述训练集训练金钱树健康状况检测模型；S41.所述训练集输入金钱树健康状况检测模型后，依次经过初始卷积块、第一残差卷积块、第二残差卷积块、第三残差卷积块、第四残差卷积块、第五残差卷积块、第六残差卷积块、第七残差卷积块、第八残差卷积块和判断输出层；随后输出对图像的判断结果，所述判断结果用于判断图像中金钱树树叶是否健康；S42.所述初始卷积块用于对所述训练集进行整体的深度特征提取；S43.所述残差卷积块用于对图像整体特征进行进一步优化；所述残差卷积块中包含离散转化多通道注意力模块，对图像的局部区域进行识别；S44.所述判断输出层根据所述相似度对所输入数据进行加权判断，输出判断结果；S50.通过所述验证集对所述金钱树健康状况检测模型进行验证优化。

全文数据：

权利要求：

百度查询： 周子晗 一种基于深度残差网络的金钱树健康状况检测方法

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。

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