[发明专利]一种基于深度学习的农作物病虫害智能检测方法在审
| 申请号： | 201910195639.2 | 申请日： | 2019-03-15 |
| 公开（公告）号： | CN109919239A | 公开（公告）日： | 2019-06-21 |
| 发明（设计）人： | 尹显东;郭竞;刘琪芬 | 申请（专利权）人： | 尹显东 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 成都正华专利代理事务所(普通合伙) 51229 | 代理人： | 陈选中 |
| 地址： | 621900 四川省绵阳市游*** | 国省代码： | 四川;51 |
| 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农作物病虫害智能检测方法，属于计算机视觉与人工智能技术领域，解决了人工检测病虫害效率低下且容易造成农作物病虫害误检的问题。本发明将深度学习方法用于病虫害检测，在野外受限于能源获取的恶劣条件下，代替人工检测农作物病虫害的状况，有效降低了人工检测的错误率，提高了农作物病虫害检测的准确率和检测速度，本发明能够用于提升管理者工作效率，节约生产者人力物力，同时为农林的管理决策提供科学依据，具有广阔的市场前景。 | ||
| 搜索关键词： | 农作物病虫害 人工检测 智能检测 人工智能技术 病虫害检测 计算机视觉 恶劣条件 工作效率 管理决策 人力物力 错误率 检测 准确率 受限 误检 学习 病虫害 野外 农林 节约 能源 | ||
【主权项】：
1.一种基于深度学习的农作物病虫害智能检测方法，其特征在于，包括以下步骤：S1、采集农作物病虫害图像，并将所有图像修改为统一格式大小；S2、对所有图像打标签，实现对常见病虫害的识别与分类，通过打好标签的图像构建数据集，并将数据集分为训练集与测试集；S3、采用ResNet50和FPN结合的网络构建特征网络，并将训练集输入特征网络进行回归和分类，得到特征图；S4、对特征图进行窗口滑动得到建议窗口，并通过建议窗口构建RPN区域生成网络；S5、对RPN区域生成网络进行训练，得到农作物病虫害智能检测模型；S6、采用农作物病虫害智能检测模型对测试集中的图像进行测试，得到农作物病虫害智能检测结果。
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尹显东，未经尹显东许可，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/201910195639.2/，转载请声明来源钻瓜专利网。
