公开(公告)号：CN111611924B

公开(公告)日：2022-03-25

申请号：CN202010437569.X

申请日：2020-05-21

Applicant: 东北林业大学

Inventor： 黄英来 ,  沈若兰 ,  孙晓芳 ,  孙海龙 ,  于慧伶 ,  孟诗语

IPC: G06V10/774 ,  G06V10/771 ,  G06V20/10 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明公开了一种基于深度迁移学习模型的蘑菇识别方法，将基于深度学习的迁移学习与蘑菇识别相融合，通过迁移学习经典模型后，挑选精确率最高模型并对其进行模型调整，提取图像数据中的向量特征得到识别结果。本发明保留图像背景等环境因素实验得到95.1％的精确率，同时通过混合矩阵图像说明了对于每类蘑菇识别率均达到了较高的水平，可以说明迁移学习对不同复杂环境处理，模型鲁棒性强的优势。本发明对提取特征进行不同维度的数据降维处理，同时引入多种机器学习方法进行分类。从训练模型时间参数与验证集精确率参数对结果进行对比分析，保证了实验对比的多样性与图像识别的可靠性。

公开(公告)号：CN111611924A

公开(公告)日：2020-09-01

申请号：CN202010437569.X

申请日：2020-05-21

Applicant: 东北林业大学

Inventor： 黄英来 ,  沈若兰 ,  孙晓芳 ,  孙海龙 ,  于慧伶 ,  孟诗语

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明公开了一种基于深度迁移学习模型的蘑菇识别方法，将基于深度学习的迁移学习与蘑菇识别相融合，通过迁移学习经典模型后，挑选精确率最高模型并对其进行模型调整，提取图像数据中的向量特征得到识别结果。本发明保留图像背景等环境因素实验得到95.1％的精确率，同时通过混合矩阵图像说明了对于每类蘑菇识别率均达到了较高的水平，可以说明迁移学习对不同复杂环境处理，模型鲁棒性强的优势。本发明对提取特征进行不同维度的数据降维处理，同时引入多种机器学习方法进行分类。从训练模型时间参数与验证集精确率参数对结果进行对比分析，保证了实验对比的多样性与图像识别的可靠性。

公开(公告)号：CN212069584U

公开(公告)日：2020-12-04

申请号：CN202020593879.6

申请日：2020-04-20

Applicant: 东北林业大学 ,  江苏恒大助业网络科技有限公司

Inventor： 黄英来 ,  沈若兰 ,  孙晓芳 ,  周恒业 ,  于慧伶 ,  孙海龙 ,  孟诗语

IPC: B07C5/342 ,  B07C5/02 ,  B07C5/36 ,  B07C5/38 ,  A23N15/00 ,  A23N15/06

Abstract: 本实用新型公开了一种用于蘑菇分类的自动识别装置，包括识别仓体、贴合板体和刮板，所述识别仓体的内部安装有丝杆转台，且丝杆转台的右侧设置有色彩传感器一，所述识别仓体的右端面安装有连接轴体，所述贴合板体固定于连接轴体的外表面，所述识别仓体的前端面设置有蜂鸣器，且蜂鸣器的左下方安装有控制器，所述丝杆转台的内部套接有滚珠丝杆，所述刮板固定于丝杆转台的下端面，且刮板的下端面贴合有传送台。该蘑菇分类的自动识别装置的主要特点是利用色彩传感器一可以实时的检测运动中的蘑菇是否存在颜色较为鲜艳的品种，同时利用刮板可以将颜色鲜艳的蘑菇推离，进而实现对有害蘑菇和可食用蘑菇的自动分类。