申请/专利权人：西安电子科技大学

申请日：2023-11-28

公开（公告）日：2024-04-09

公开（公告）号：CN117853899A

主分类号：G06V20/10

分类号：G06V20/10;G06V10/80;G06V10/82;G06V10/44;G06N3/0464;G06N3/0455;G06N3/045;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种基于多特征融合的葡萄病害图片识别方法，步骤是：1收集葡萄正常图片和病害图片，标注并整理成数据集，构建深度学习网络模型；2进行模型训练；3多特征融合识别模型训练完成后，将多特征融合识别模型及相关参数集成到软件中，得到葡萄病害识别软件操作系统，实现可视化操作；4输入待检测样本，软件操作系统输出识别结果。本发明还公开了一种基于多特征融合的葡萄病害图片识别系统，依次为数据预处理模块、特征转化模块、三路特征提取网络模块、多路径融合变换器模块及特征金字塔模块，该五个模块从前到后依次对接实施。本发明的葡萄病害图片识别方法及系统，全面利用各个特征提供的信息，提高了识别准确率。

主权项：1.一种基于多特征融合的葡萄病害图片识别方法，利用一种基于多特征融合的葡萄病害图片识别系统，其特征在于，按照以下步骤实施：步骤1：收集葡萄正常图片和病害图片，进行标注并整理成数据集，构建深度学习网络模型；步骤2：模型展开训练，使用该数据集作为输入，结合损失函数不断迭代更新其网络模型参数，得到多特征融合识别模型；步骤3：将多特征融合识别模型及相关参数集成到软件中，得到葡萄病害识别软件操作系统，实现可视化操作；步骤4：输入待检测样本，软件操作系统输出识别结果。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于多特征融合的葡萄病害图片识别方法及系统

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