[发明专利]基于深度卷积神经网络的害虫图像自动识别方法有效
| 申请号： | 201510247514.1 | 申请日： | 2015-05-15 |
| 公开（公告）号： | CN104850836B | 公开（公告）日： | 2018-04-10 |
| 发明（设计）人： | 刘子毅;何勇;杨国国 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 杭州天勤知识产权代理有限公司33224 | 代理人： | 胡红娟 |
| 地址： | 310027 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度卷积神经网络的害虫图像自动识别方法，包括以下步骤(1)收集原始图像并进行预处理，构成训练集，计算训练集的均值图像；(2)构造深度卷积神经网络；(3)在训练集的训练样本中随机采集子图像块，利用子图像块预训练深度卷积神经网络；(4)利用训练集，结合基于mini‑batch的随机梯度下降算法训练深度卷积神经网络；(5)对待测害虫图像进行所述预处理，形成测试样本，测试样本减去训练集的均值图像后，利用训练完成的深度卷积神经网络识别测试样本。本发明识别精度高、识别种类多，对害虫类内变化鲁棒性强、对害虫类间相似性敏感。 | ||
| 搜索关键词： | 基于 深度 卷积 神经网络 害虫 图像 自动识别 方法 | ||
【主权项】：
一种基于深度卷积神经网络的害虫图像自动识别方法，其特征在于，包括以下步骤：(1)收集原始图像并进行预处理，构成训练集，计算训练集的均值图像；(2)构造深度卷积神经网络；所述深度卷积神经网络包括：一个输入层、五个卷积层、三个池化层、两个全连接层和一个输出层；五个卷积层之前为输入层，三个最大池化层分别位于第一、第二、第五个卷积层之后，两个全连接层位于第三个最大池化层与最后的输出层之间；(3)在训练集的训练样本中随机采集子图像块，利用子图像块预训练深度卷积神经网络；(4)利用训练集，结合基于mini‑batch的随机梯度下降算法训练深度卷积神经网络；(5)对待测害虫图像进行所述预处理，形成测试样本，测试样本减去训练集的均值图像后，利用训练完成的深度卷积神经网络识别测试样本。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201510247514.1/，转载请声明来源钻瓜专利网。
