申请/专利权人:河北农业大学
申请日:2024-01-15
公开(公告)日:2024-04-12
公开(公告)号:CN117876338A
主分类号:G06T7/00
分类号:G06T7/00;G06V10/82;G06V10/774;G06V10/26;G06V10/40;G06V10/80;G06N3/045;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-公开
法律状态:2024.04.12#公开
摘要:本发明公开了一种面向开放环境的单阶段作物叶片异常识别方法,属于计算机视觉和植物病理学技术领域,该方法包括以下步骤:S1、数据采集与预处理;S2、基于步骤S1的数据集,进行数据增强;S3、构建单阶段训练模型;S4、进行模型训练与推理。本发明采用上述的一种面向开放环境的单阶段作物叶片异常识别方法,不仅降低了对训练数据的获取难度,简化了实施过程,提高了病斑识别的准确性和效率,而且通过将叶片分割和病斑识别集成在同一深度学习框架中,为大规模农业监控和植物病理学研究提供一种实用、高效的工具,在处理不同作物种类和各种环境条件下的叶片图像方面表现出良好的泛化能力和适应性,具有广泛的应用前景和重大的实用价值。
主权项:1.一种面向开放环境的单阶段作物叶片异常识别方法,其特征在于,包括以下步骤:S1、数据采集与预处理;S2、基于步骤S1的数据集,进行数据增强;S3、构建单阶段训练模型;S4、进行模型训练与推理。
全文数据:
权利要求:
百度查询: 河北农业大学 一种面向开放环境的单阶段作物叶片异常识别方法
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。