申请/专利权人:华南农业大学
申请日:2024-03-04
公开(公告)日:2024-05-28
公开(公告)号:CN118097465A
主分类号:G06V20/17
分类号:G06V20/17;G06N3/045;G06N3/0464;G06Q50/02;G06V10/25;G06V10/80;G06V10/82;G06V20/10
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.14#实质审查的生效;2024.05.28#公开
摘要:本发明涉及一种基于无人机图像和深度学习的田间稻穗定位识别方法,S1,选择生育期样本,拍摄图像;选择处于抽穗期和灌浆期的水稻,使用无人机自动巡航拍摄获取高密度水稻图像;S2,对拍摄的图像进行切割,构建稻穗数据集,进行数据标注;S3,基于数据集特征,引入小目标检测层和高效多尺度注意力机制,构建损失函数并更新模型参数,得到田间稻穗定位识别模型;S4,基于构建的田间稻穗定位识别模型进行计数,并与基准模型进行检测准确率对比;S5,选择评估指标来测试多种深度学习经典模型,选取最优的或合适的田间稻穗定位识别模型。本发明能高效且准确地识别整个生育期在内的水稻稻穗,属于水稻稻穗识别技术领域。
主权项:1.一种基于无人机图像和深度学习的田间稻穗定位识别方法,其特征在于,包括如下步骤:S1,选择生育期样本,拍摄图像;选择处于抽穗期和灌浆期的水稻,使用无人机自动巡航拍摄获取高密度水稻图像;S2,对拍摄的图像进行切割,构建稻穗数据集,进行数据标注;S3,基于数据集特征,引入小目标检测层和高效多尺度注意力机制,构建损失函数并更新模型参数,得到田间稻穗定位识别模型;S4,基于构建的田间稻穗定位识别模型进行计数,并与基准模型进行检测准确率对比;S5,选择评估指标来测试多种深度学习经典模型,选取最优的或合适的田间稻穗定位识别模型。
全文数据:
权利要求:
百度查询: 华南农业大学 一种基于无人机图像和深度学习的田间稻穗定位识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。