申请/专利权人：浙江大学

申请日：2023-10-30

公开（公告）日：2024-03-01

公开（公告）号：CN117635911A

主分类号：G06V10/25

分类号：G06V10/25;G06V10/774;G06V10/764;G06V10/82;G06N3/0464;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本发明公开一种基于深度学习的入侵害虫粘虫板图像识别方法，包括获取拍摄图像，构建数据集；对数据集进行预处理；将经预处理后的数据集进行划分；构建改进的TPH‑YOLOv5预训练模型；将训练集输入至改进的TPH‑YOLOv5预训练模型，进行迁移学习，组合不同模型训练技巧进行模型训练，将预测结果与真实结果比对，计算损失函数，并更新网络权重；若达到预设的迭代次数，则结束训练；基于改进的TPH‑YOLOv5模型实现入侵害虫检测。本发明通过获取高质量入侵害虫数据集，利用改进的TPH‑YOLOv5模型，针对害虫样本数量不平衡，数据集数量较少等问题，组合不同模型训练技巧进行模型训练，最终实现入侵害虫精准检测。

主权项：1.一种基于深度学习的入侵害虫粘虫板图像识别方法，其特征在于，所述图像识别方法包括以下具体步骤：S1、获取拍摄图像，构建数据集；S2、对数据集进行标注和数据集增强处理；S3、将经预处理后的数据集划分为训练集、验证集和测试集三个子集；S4、构建改进的TPH-YOLOv5预训练模型；S5、将训练集输入至改进的TPH-YOLOv5预训练模型，进行迁移学习，组合不同模型训练技巧进行模型训练，将预测结果与真实结果比对，计算损失函数，并更新网络权重，若达到预设的迭代次数，则结束训练；S6、基于改进的TPH-YOLOv5模型进行入侵害虫检测。

全文数据：

权利要求：

百度查询： 浙江大学 一种基于深度学习的入侵害虫粘虫板图像识别方法

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