龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：安徽理工大学
申请日：2024-03-20
公开（公告）日：2024-06-28
公开（公告）号：CN118262149A
主分类号：G06V10/764
分类号：G06V10/764;G06V10/774;G06V10/82;G06V10/44;G06V20/10;G06N3/045;G06N3/084
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本发明公开了一种基于深度学习的农作物病虫害图像识别方法与系统。通过获得农作物病虫害的图像数据，制成数据集，对数据进行预处理，构建基于卷积神经网络、双向长短时记忆模型和注意力机制的深度学习模型，对模型进行训练和测试，调整模型的参数，获得调参之后的模型。输入农作物病虫害的数据，即可得到识别结果。本发明的系统与方法包括图像采集模块、图像预处理模块、深度学习模型、防治建议模块四大模块，本发明通过结合卷积神经网络的图像特征提取能力、双向长短时记忆模型的序列建模能力和注意力机制的重要区域关注能力，能够高效准确地识别不同类型的病虫害，提供病虫害防治方法。
主权项：1.一种基于深度学习的农作物病虫害图像识别方法，其特征在于，具体包括以下步骤：S1、采集农作物病虫害的图像，将其制成数据集，用于农作物病虫害识别数据；S2、基于步骤S1所获取的数据选取图像特征；S3、基于步骤S1所获取的农作物病虫害图像的相关数据进行预处理，其中包括调整图像大小、旋转、翻转、调整对比度、归一化处理；S4、综合卷积神经网络CNN、双向长短时记忆模型BILSTM和注意力机制ATTENTION搭建CNN-BILSTM-ATTENTION模型；S5、基于步骤S3预处理之后的数据集采用随机划分的方式，按照4：1的比例划分为训练集和测试集，将训练集输入到CNN-BILSTM-ATTENTION模型中，得到训练后的CNN-BILSTM-ATTENTION模型；S6、输入测试集对模型进行测试，并调整模型中的各项参数；S7、利用调参后的模型，输入待识别农作物病虫害图像进行识别，得到识别结果。
全文数据：
权利要求：
百度查询： 安徽理工大学 一种基于深度学习的农作物病虫害图像识别方法与系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号