[发明专利]基于深度学习的小麦田间杂草检测方法在审
| 申请号： | 201910175260.5 | 申请日： | 2019-03-08 |
| 公开（公告）号： | CN109961024A | 公开（公告）日： | 2019-07-02 |
| 发明（设计）人： | 何昱晓;张宇婷;史良胜;张洋;邓悦;孙延鑫;连泰棋 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 湖北武汉永嘉专利代理有限公司 42102 | 代理人： | 唐万荣;程力 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 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学习的小麦田间杂草检测方法，采集大量不同生长阶段的小麦和小麦田间主要杂草的图片，建立数据集并将数据集分为训练集与测试集；通过迁移学习的方法，将训练集输入预设的卷积神经网络模型中进行训练得到作物杂草分类识别器，利用测试集对作物杂草分类识别器进行测试得到分类识别结果从而进行微调；采用滑动窗口法在待检测图片上生成大量不同尺寸的兴趣域，将每个兴趣域输入作物杂草分类识别器进行分类识别得到对应的预测类别与正确概率；应用非极大值抑制算法从所有兴趣域中筛选出对应每个种类局部极大正确概率的兴趣域，输出分类与定位的预测结果。本方法能快速准确的对作物与杂草进行识别和定位，对所数据要求较低。 | ||
| 搜索关键词： | 兴趣域 分类识别器 作物杂草 小麦 分类识别 田间杂草 测试集 数据集 训练集 检测 杂草 非极大值抑制 卷积神经网络 滑动窗口 生长阶段 数据要求 预测结果 概率 算法 微调 学习 预设 迁移 采集 筛选 测试 田间 输出 分类 图片 预测 应用 | ||
【主权项】：
1.一种基于深度学习的小麦田间杂草检测方法，其特征在于：包括步骤，S1、采集大量不同生长阶段的小麦和小麦田间主要杂草的图片，建立数据集并将数据集分为训练集与测试集；S2、将训练集中的图片缩放至预设的卷积神经网络模型所要求的像素尺寸并通过数据增强方法扩充训练集数据量；S3、通过迁移学习的方法，将训练集输入预设的卷积神经网络模型中进行训练得到作物杂草分类识别器，利用测试集对作物杂草分类识别器进行测试得到分类识别结果并计算准确度，若准确度达标则进入下一步，否则调整参数或网络结构并重新训练；S4、采用滑动窗口法在待检测图片上生成大量不同尺寸的兴趣域，将每个兴趣域输入作物杂草分类识别器进行分类识别，得到兴趣域对应的预测类别与正确概率；S5、应用非极大值抑制算法从所有兴趣域中筛选出对应每个种类局部极大正确概率的兴趣域，输出分类与定位的预测结果。
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武汉大学，未经武汉大学许可，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/201910175260.5/，转载请声明来源钻瓜专利网。
