[发明专利]一种基于深度循环的小麦赤霉病的检测方法及其系统在审
| 申请号： | 201810805085.9 | 申请日： | 2018-07-20 |
| 公开（公告）号： | CN109035231A | 公开（公告）日： | 2018-12-18 |
| 发明（设计）人： | 李绍稳;金秀;许高建;傅运之;王帅;朱娟娟;方向 | 申请（专利权）人： | 安徽农业大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/62;G06N3/04 |
| 代理公司： | 西安铭泽知识产权代理事务所(普通合伙) 61223 | 代理人： | 俞晓明 |
| 地址： | 230036 安徽*** | 国省代码： | 安徽;34 |
| 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循环的小麦赤霉病的检测方法，包括如下步骤:S1、采集小麦麦穗高光谱图像像元，并对高光谱图像像元进行样本欠采样，以解决数据集不平衡的问题，从而得到目标数据；S2、对目标数据进行二维图像的重塑来作为灰度图像，并基于灰度图像进行预处理；S3、基于预处理的数据运用深度循环神经网络对数据进行训练；S4、基于训练的结果来分析深度循环神经网络模型的分类效果；本发明利用高光谱成像技术对小麦赤霉病进行早期的快速和无破坏检测，提高了对被测小麦区域分类结果的准确性。 | ||
| 搜索关键词： | 小麦赤霉病 预处理 循环神经网络 高光谱图像 灰度图像 目标数据 像元 高光谱成像 小麦 二维图像 分类效果 破坏检测 区域分类 数据运用 欠采样 数据集 麦穗 检测 样本 采集 分析 | ||
【主权项】：
1.一种基于深度循环的小麦赤霉病的检测方法，其特征在于，包括以下步骤：S1、采集小麦麦穗高光谱图像像元，并对高光谱图像像元进行样本欠采样，以解决数据集不平衡的问题，从而得到具有背景、健康、病害三种特征的用来训练深度卷积神经网络模型的目标数据；S2、对目标数据进行二维图像的重塑得到灰度图像，并基于灰度图像运用均值去除和主成分分析两种方法进行预处理,均值去除法用于减少不同日期的采样误差；主成分分析法用于在不同观察时间,识别数据的主要特征，并且用于改进光谱数据的可视化；S3、基于预处理的数据运用深度循环神经网络模型进行训练；深度循环神经网络模型的训练是基于预处理得到的数据按照模型的结构自上而下进行的监督学习,训练过程中的误差自上向下传输，并自动对网络结构参数进行微调，从而达到训练模型的效果；S4、基于训练得到的模型准确率和损失率来分析深度循环神经网络模型的分类效果。
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安徽农业大学，未经安徽农业大学许可，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/201810805085.9/，转载请声明来源钻瓜专利网。
