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。