[发明专利]一种基于深度学习的药用植物叶部病害图像识别方法有效
| 申请号： | 201910956301.4 | 申请日： | 2019-10-10 |
| 公开（公告）号： | CN110717451B | 公开（公告）日： | 2022-07-08 |
| 发明（设计）人： | 刘勇国;李巧勤;杨尚明;蔡茁;李杨;何家欢 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06V20/10 | 分类号： | G06V20/10;G06V10/32;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G06T3/60;G06T5/00 |
| 代理公司： | 北京正华智诚专利代理事务所(普通合伙) 11870 | 代理人： | 杨浩林 |
| 地址： | 611731 四川省成*** | 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药用植物叶部病害图像识别方法，涉及药用植物叶部病害防护技术领域，其包括采集若干药用植物叶部病害图像；对药用植物叶部病害图像进行增强处理；将各增强处理后的药用植物叶部病害图像的尺寸统一调整为299x299；训练深度CNN模型，深度CNN模型包括串联的卷积池化网络、Inception‑I网络、平均池化网络、Dropout层和Softmax层，串联的卷积池化网络的最后两个卷积层为深度可分离卷积层，Inception‑I网络中包括随机池化层；通过深度CNN模型对尺寸调整后的各药用植物叶部病害图像进行识别，识别结果为各药用植物叶部所患病害类型，基于识别结果对各药用植物叶部所患病害进行分类。该识别方法可以有效地辅助种植人员诊断病害，提高诊断效率。 | ||
| 搜索关键词： | 一种 基于 深度 学习 药用植物 病害 图像 识别 方法 | ||
【主权项】：
1.一种基于深度学习的药用植物叶部病害图像识别方法，其特征在于，包括以下步骤：/nS1、采集若干药用植物叶部病害图像，以植物名称+病害名称的方式对各图像进行重命名；/nS2、对重命名后的药用植物叶部病害图像进行增强处理；/nS3、将各增强处理后的药用植物叶部病害图像的尺寸统一调整为299x299；/nS4、训练深度CNN模型，所述深度CNN模型包括串联的卷积池化网络、Inception-I网络、平均池化网络、Dropout层和Softmax层，所述串联的卷积池化网络的最后两个卷积层为深度可分离卷积层，所述Inception-I网络中包括随机池化层；/nS5、通过深度CNN模型对尺寸调整后的各药用植物叶部病害图像进行识别，识别获得各药用植物叶部所患病害类型，基于识别结果对各药用植物叶部所患病害进行分类。/n
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电子科技大学，未经电子科技大学许可，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/201910956301.4/，转载请声明来源钻瓜专利网。
