-
公开(公告)号：CN114463738A
公开(公告)日：2022-05-10
申请号：CN202111585183.4
申请日：2021-12-22
申请人： 华南农业大学
摘要： 本发明针对现有技术的局限性，提出了一种基于深度学习的常见农作物多类别虫害识别方法，其对深度学习模型DenseNet卷积神经网络进行了改进，通过集成学习结合了选择性内核单元、表征批规范化模块以及自适应激活函数ACON，使该卷积神经网络能够根据网络的输入，自适应调整感受野的大小，捕捉不同尺寸的目标；减少输入信息的噪声，增强输入信息的特征，让特征服从稳定的分布；还增强了网络的综合表现；使得DenseNet卷积神经网络能够有效处理多农作物品种、多虫害类型的数据集，提高了训练后所得虫害识别模型对农作物虫害的识别率，在实际应用过程中能很好的满足真实环境的要求。
-
公开(公告)号：CN113159060A
公开(公告)日：2021-07-23
申请号：CN202110199295.X
申请日：2021-02-23
申请人： 华南农业大学
摘要： 本发明提供了一种农作物虫害检测方法及系统，该方法包括：S1，采集并处理待检测农作物虫害图像；S2，对待检测农作物虫害图像进行特征提取，提取到虫害的特征参数，根据虫害的特征参数获得分类特征；S3，将分类特征输入已训练好的深度学习检测模型，深度学习检测模型识别出虫害的类别；S4，判断虫害的类别是否满足预设报警类别；若是，则执行步骤S5；S5，发出警报，并输出虫害的名称和对应的防治措施。本发明可准确对农作物虫害进行识别检测，并给出相应的虫害防治措施，有效控制虫害对农作物的破坏，从而提高农产品的产量。
-
公开(公告)号：CN113159060B
公开(公告)日：2023-04-28
申请号：CN202110199295.X
申请日：2021-02-23
申请人： 华南农业大学
IPC分类号： G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明提供了一种农作物虫害检测方法及系统，该方法包括：S1，采集并处理待检测农作物虫害图像；S2，对待检测农作物虫害图像进行特征提取，提取到虫害的特征参数，根据虫害的特征参数获得分类特征；S3，将分类特征输入已训练好的深度学习检测模型，深度学习检测模型识别出虫害的类别；S4，判断虫害的类别是否满足预设报警类别；若是，则执行步骤S5；S5，发出警报，并输出虫害的名称和对应的防治措施。本发明可准确对农作物虫害进行识别检测，并给出相应的虫害防治措施，有效控制虫害对农作物的破坏，从而提高农产品的产量。
-
公开(公告)号：CN114463741A
公开(公告)日：2022-05-10
申请号：CN202210108805.2
申请日：2022-01-28
申请人： 华南农业大学
IPC分类号： G06V20/68 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明针对现有技术的局限性，提出了一种基于深度学习的荔枝病虫害识别方法。该方法运用了深度学习训练的结果，能够自动识别多种荔枝病虫害，解决传统人工识别病虫害方法效率低下、识别效果不佳等问题；方案中使用的荔枝病虫害识别模型在轻量型卷积神经网络ShuffleNetV2的基础上引入了注意力机制SimAM、使用了激活函数Hardswish，并在全连接层中采用了Dropout正则化方法；该荔枝病虫害识别模型不仅能够有效提取重要特征，抑制非重要特征的干扰，提高网络分类识别性能，而且不额外增加网络模型参数数量，降低了模型的存储和计算开销。
-
-
-
搜索结果
4 条记录 (耗时 0.031 秒)
