申请/专利权人：吉林农业大学

申请日：2023-12-22

公开（公告）日：2024-04-16

公开（公告）号：CN117456286B

主分类号：G06V10/764

分类号：G06V10/764;G06N3/0464;G06N3/048;G06V10/774;G06V10/82;G06V20/68

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.02.13#实质审查的生效;2024.01.26#公开

摘要：本发明属于智能化人参分级技术领域，本发明公开了一种人参分级方法、装置及设备，包括：搭建用于进行人参分级的分级网络模型；获取对分级网络模型进行训练的训练样本集；利用训练样本集对分级网络模型进行训练，并基于损失函数对训练完成的分级网络模型进行优化，得到最终的分级网络模型；将待分级人参外观图像输入最终的分级网络模型中，输出人参分级结果；其中，分级网络模型以密集连接网络为骨干网络，并利用坐标注意力机制进行改进。本发明结合大数据和人工智能算法进行数据分析和挖掘，进一步优化人参品级分类算法，提高分类的准确性和效果。这些探索和改进将有助于进一步提高人参品级分类的科学性和准确性，推动该领域的发展与应用。

主权项：1.一种人参分级方法，其特征在于，包括：搭建用于进行人参分级的分级网络模型；获取对分级网络模型进行训练的训练样本集；利用训练样本集对分级网络模型进行训练，并基于损失函数对训练完成的分级网络模型进行优化，得到最终的分级网络模型；将待分级人参外观图像输入最终的分级网络模型中，输出人参分级结果；其中，分级网络模型以密集连接网络为骨干网络，并利用坐标注意力机制进行改进；所述分级网络模型的网络结构使用连结结构，输入层-卷积层-池化层-密集块1-过渡层-密集块2-过渡层-密集块3-过渡层-密集块4-分类层-输出层；其中，密集块1、密集块2、密集块3、密集块4中均由若干个的密集层构成，且在所述密集层中嵌入了所述坐标注意力机制进行改进；所述密集层的改进还包括将传统1*1卷积层替换为分组卷积层：其中，所述密集层的网络结构为：坐标注意力机制-归一化层-Prelu激活层-分组卷积层-Prelu激活层-二维卷积层。

全文数据：

权利要求：

百度查询： 吉林农业大学 一种人参分级方法、装置及设备

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