申请/专利权人：河北农业大学

申请日：2023-12-19

公开（公告）日：2024-03-12

公开（公告）号：CN117690026A

主分类号：G06V20/10

分类号：G06V20/10;G06V10/25;G06V10/40;G06V10/762;G06V10/764;G06V10/774;G06V10/776;G06V10/82

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本发明公开了一种基于深度学习的梨花密度分级方法，属于图像识别的技术领域；包括以下步骤：S1：采集梨花图像，形成梨花图像集，对梨花图像集使用labelImg对目标梨花进行最小外形标注，构建梨花数据集，梨花数据集包括训练集、验证集与测试集；S2：搭建改进YOLOv7目标检测模型，使用步骤S1中的梨花数据集进行训练，得到训练好的目标检测模型；S3：使用训练好的目标检测模型检测新采集的梨花图像，图像识别获取梨花图像中的距离密度和点密度；S4：用距离密度和点密度获取梨花图像的分级临界值，将分级临界值应用到梨花图像中获得梨花密度分级信息，本发明采用上述方法，使用分类临界值进行密度分级，梨花密度分级能对疏花作业起到指导作用。

主权项：1.一种基于深度学习的梨花密度分级方法，其特征在于：包括以下步骤：S1：采集不同距离的梨花图像，形成梨花图像集，对梨花图像集使用labelImg对目标梨花进行最小外形标注，构建梨花数据集，梨花数据集包括训练集、验证集与测试集；S2：搭建YOLOv7-ES目标检测模型，将步骤S1中的梨花数据集输入YOLOv7-ES目标检测模型进行训练，得到训练好的YOLOv7-ES目标检测模型；S3：使用训练好的YOLOv7-ES目标检测模型检测新采集的梨花图像，通过图像识别计算获取梨花图像中的距离密度和点密度；S4：依据距离密度和点密度获取梨花图像的初始分级临界值，并对初始分级临界值进行优化，将优化后的分级临界值应用到梨花图像中获得梨花密度分级信息。

全文数据：

权利要求：

百度查询： 河北农业大学 一种基于深度学习的梨花密度分级方法

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