申请/专利权人：福建农林大学

申请日：2023-12-14

公开（公告）日：2024-03-15

公开（公告）号：CN117710733A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/82;G06N3/0464;G06V10/44;G06V10/26;G06T7/13;G06T7/194;G06N3/047;G06N3/045

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本发明公开了一种基于深度学习的快速植物腊叶标本分类识别方法，其由图像输入模块，图像分割模块，图像识别分类模块，预测信息处理与输出模块构成，其中图像分割模块采用基于卷积神经网络的图像分割算法，图像识别分类模块采用基于卷积神经网络的分类算法，本发明的优点：提高了工作效率和精度；对于植物图像的预处理中对植物图像的背景去噪，增加导致模型性能，可以完成需要较高精度的植物腊叶标本识别工作；对植物标本图像进行分割，提取出植物腊叶标本的轮廓并去除背景干扰；可以使用训练好的深度学习模型，对未分类的植物腊叶标本图像进行分类识别，模型会对输入图像的特征进行提取和分析，并预测图像所属的物种类别。

主权项：1.一种基于深度学习的快速植物腊叶标本分类识别方法，其特征在于，包括以下步骤：步骤一：制作腊叶标本；步骤二：将植物腊叶标本转化为数字化图像，并将其传入至计算机处理系统中；步骤三：对植物标本图像进行分割，提取出物体的轮廓并去除背景干扰；步骤四：将分割后的植物标本图像作为训练集，对基于预训练的深度神经网络进行特征提取和模型训练，从而获得针对植物物种分类的高性能模型；步骤五：使用训练好的深度学习模型，对新的植物腊叶标本图像进行分类识别；步骤六：将分类识别物种结果输出。

全文数据：

权利要求：

百度查询： 福建农林大学 一种基于深度学习的快速植物腊叶标本分类识别方法

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