[发明专利]基于KPCA算法与深度信念网络的苹果表面病变图像识别方法有效
| 申请号： | 201810035763.8 | 申请日： | 2018-01-15 |
| 公开（公告）号： | CN108229571B | 公开（公告）日： | 2022-03-11 |
| 发明（设计）人： | 胡晓飞;周本君;谢文鑫 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 朱小兵 |
| 地址： | 210023 *** | 国省代码： | 江苏;32 |
| 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KPCA算法与深度信念网络的苹果表面病变图像识别方法。首先采集苹果表面图片作为数据集，一部分作为训练集图像，另一部分作为测试集图像，利用KPCA算法对训练集图像预处理，通过构建一个深度信念网络，将预处理之后的训练集图像送入深度信念网络中进行训练，从而得到一个深度信念网络模型，最终用测试集图像对该模型进行测试，通过用一个Softmax分类器得出分类结果。本发明能够科学的分析出苹果在生长过程中的状况，进而对不佳的状况做出相应的补救措施，同时，在销售苹果时，也能将优良的苹果筛选出来，帮助果农获得更高的收益。 | ||
| 搜索关键词： | 基于 kpca 算法 深度 信念 网络 苹果 表面 病变 图像 识别 方法 | ||
【主权项】：
1.基于KPCA算法与深度信念网络的苹果表面病变图像识别方法，其特征在于，包括以下步骤：步骤1：采集训练集苹果表面图像，并对采集到的训练集苹果图像进行存储和读取；步骤2：将步骤1采集的训练集苹果表面图像进行预处理；步骤3：构建深度信念网络，用预处理后的训练集苹果表面图像对该深度信念网络进行训练，进而得到深度信念网络模型；步骤4：采集测试集苹果表面图像，并对采集到的测试集苹果表面图像进行存储和读取；步骤5：利用训练好的深度信念网络模型对测试集苹果表面图像进行测试；步骤6：用Softmax分类器对步骤5中测试后的结果进行分类,同时输出分类结果。
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南京邮电大学，未经南京邮电大学许可，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/201810035763.8/，转载请声明来源钻瓜专利网。
- 上一篇：一种车辆加油过程中图像处理方法及装置
- 下一篇：一种参数寻优方法及计算设备
