[发明专利]基于深度学习的番茄叶片缺素分类和氮素预测方法及系统在审
| 申请号： | 202310691035.3 | 申请日： | 2023-06-12 |
| 公开（公告）号： | CN116740566A | 公开（公告）日： | 2023-09-12 |
| 发明（设计）人： | 魏正英;贾维兵;申奥;张育斌 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | G06V20/10 | 分类号： | G06V20/10;G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/096 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 王艾华 |
| 地址： | 710049 陕*** | 国省代码： | 陕西;61 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明一种基于深度学习的番茄叶片缺素分类和氮素预测方法及系统，包括以下步骤：将田间背景下的叶片图像输入分类模型中，对所述叶片图像分为健康、缺氮、缺磷、缺钾四类；将田间背景下的叶片图像或缺氮型叶片图像输入训练后的定量分析模型中预测叶片全氮含量；所述分类模型基于CNN卷积神经网络；定量分析模型基于改进HLS色彩空间的表示方法对叶片图像进行H通道统计得出叶片全氮含量，能对田间实时采集的图像进行分类和识别，大大降低噪声对结果的影响；可以基于CNN卷积神经网络先对采集的图像进行分类后再预测叶片全氮含量，可以直接基于对采集的图像叶片全氮含量进行预测，定量分析得到叶片全氮含量，有助于结合番茄施肥量模型进行施肥量决策。 | ||
| 搜索关键词： | 基于 深度 学习 番茄 叶片 分类 氮素 预测 方法 系统 | ||
【主权项】：
暂无信息
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西安交通大学，未经西安交通大学许可，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/202310691035.3/，转载请声明来源钻瓜专利网。
