[发明专利]基于卷积神经网络模型GoogleNet的玉米叶片病害识别方法在审
| 申请号： | 201810001661.4 | 申请日： | 2018-01-02 |
| 公开（公告）号： | CN107945182A | 公开（公告）日： | 2018-04-20 |
| 发明（设计）人： | 张喜海;乔岳;孟繁锋;张明明;许绥佳;李想;赵语杭;范成国;宋伟先;许永花 | 申请（专利权）人： | 东北农业大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/10;G06T3/60;G06K9/46;G01N21/88;G06N3/04 |
| 代理公司： | 哈尔滨市松花江专利商标事务所23109 | 代理人： | 岳泉清 |
| 地址： | 150030 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于卷积神经网络模型GoogleNet的玉米叶片病害识别方法，本发明涉及玉米叶片病害识别方法。本发明为了解决现有玉米叶片病害识别技术中网络模型参数较多、病害种类识别精确度低的缺点。本发明包括一进行玉米叶片图像数据集的收集，将收集的玉米叶片图像数据集进行扩大后，进行图像数据集的预处理；预处理后的图像数据集分为训练集和测试集；二将训练集和测试集输入到卷积神经网络模型GoogleNet中利用第一个分类器进行训练和测试，得到优化的卷积神经网络模型GoogleNet；三将测试集输入优化后的卷积神经网络模型GoogleNet中，完成对玉米叶片病害种类的识别。本发明用于图像识别技术领域。 | ||
| 搜索关键词： | 基于 卷积 神经网络 模型 googlenet 玉米 叶片 病害 识别 方法 | ||
【主权项】：
基于卷积神经网络模型GoogleNet的玉米叶片病害识别方法，其特征在于：所述玉米叶片病害识别方法包括以下步骤：步骤一：进行玉米叶片图像数据集的收集，将收集的玉米叶片图像数据集进行扩大后，进行图像数据集的预处理；预处理后的图像数据集分为训练集和测试集；步骤二：将步骤一预处理后的训练集和测试集输入到卷积神经网络模型GoogleNet中利用第一个分类器进行训练和测试，调整卷积神经网络模型GoogleNet参数，得到优化的卷积神经网络模型GoogleNet；步骤三：将步骤一处理后的测试集输入步骤二得到的优化后的卷积神经网络模型GoogleNet中，完成对玉米叶片病害种类的识别。
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东北农业大学，未经东北农业大学许可，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/201810001661.4/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于冠字号的涉案人民币布控侦查方法
- 下一篇：一种指纹考勤用固定装置
