公开(公告)号：CN114359644B

公开(公告)日：2024-04-16

申请号：CN202111583032.5

申请日：2021-12-22

Applicant: 华南农业大学

Inventor： 陈梓明 ,  田绪红 ,  古万荣 ,  毛宜军 ,  卢泽伦 ,  何亦琛 ,  柯海萍 ,  何浩明

IPC: G06V10/771 ,  G06V20/10 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06V10/44

Abstract: 本发明公开了一种基于改进VGG‑16网络的农作物病虫害识别方法，包括：S1、获取农作物病虫害图像数据，并按照不同的农作物病虫害进行分类；S2、将农作物病虫害图像数据中的图像输入到改进VGG‑16网络进行参数训练；S3、参数训练完成后，得到一个能够对图像中的农作物病虫害进行识别的最优网络，最终通过该最优网络即可对任意输入的图像中的农作物病虫害进行自动识别。本发明突破原有技术准确率较低、缺乏鲁棒性和自适应能力差等问题，鲁棒性更强，识别率更高，网络参数更少，自适应能力更强，识别速度更快，对图像中的农作物病虫害识别更加准确。

公开(公告)号：CN113887868B

公开(公告)日：2024-09-06

申请号：CN202111013269.X

申请日：2021-08-31

Applicant: 华南农业大学

Inventor： 柯海萍 ,  毛宜军 ,  古万荣 ,  梁早清 ,  黄锦涛 ,  李观明 ,  陈蔚钊

IPC: G06Q10/0635 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开了一种基于改进的神经网络实现食品风险评估的方法，包括步骤：1)获取样本食品数据集；2)对样本食品数据集进行预处理，将预处理后的样本数据集分为训练集和测试集；3)将训练集输入到改进的DCN网络模型中进行训练，训练完成后得到最优的改进DCN网络模型；4)将测试集输入到最优的改进DCN网络模型中进行测试，测试后得到样本食品的最终预测值，是每个样本食品所对应的风险评估预测分数。本发明将神经网络的特征提取技术和食品风险评估结合起来，通过决策树的残差计算方法和深度交叉网络中的特征交叉计算方法来挖掘数据特征，利用模型实现样本食品风险评估的预测，从而有效缓解食品风险预测耗费人工的问题。

公开(公告)号：CN114359644A

公开(公告)日：2022-04-15

申请号：CN202111583032.5

申请日：2021-12-22

Applicant: 华南农业大学

Inventor： 陈梓明 ,  田绪红 ,  古万荣 ,  毛宜军 ,  卢泽伦 ,  何亦琛 ,  柯海萍 ,  何浩明

IPC: G06V10/771 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进VGG‑16网络的农作物病虫害识别方法，包括：S1、获取农作物病虫害图像数据，并按照不同的农作物病虫害进行分类；S2、将农作物病虫害图像数据中的图像输入到改进VGG‑16网络进行参数训练；S3、参数训练完成后，得到一个能够对图像中的农作物病虫害进行识别的最优网络，最终通过该最优网络即可对任意输入的图像中的农作物病虫害进行自动识别。本发明突破原有技术准确率较低、缺乏鲁棒性和自适应能力差等问题，鲁棒性更强，识别率更高，网络参数更少，自适应能力更强，识别速度更快，对图像中的农作物病虫害识别更加准确。

公开(公告)号：CN113887868A

公开(公告)日：2022-01-04

申请号：CN202111013269.X

申请日：2021-08-31

Applicant: 华南农业大学

Inventor： 柯海萍 ,  毛宜军 ,  古万荣 ,  梁早清 ,  黄锦涛 ,  李观明 ,  陈蔚钊

IPC: G06Q10/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进的神经网络实现食品风险评估的方法，包括步骤：1)获取样本食品数据集；2)对样本食品数据集进行预处理，将预处理后的样本数据集分为训练集和测试集；3)将训练集输入到改进的DCN网络模型中进行训练，训练完成后得到最优的改进DCN网络模型；4)将测试集输入到最优的改进DCN网络模型中进行测试，测试后得到样本食品的最终预测值，是每个样本食品所对应的风险评估预测分数。本发明将神经网络的特征提取技术和食品风险评估结合起来，通过决策树的残差计算方法和深度交叉网络中的特征交叉计算方法来挖掘数据特征，利用模型实现样本食品风险评估的预测，从而有效缓解食品风险预测耗费人工的问题。

公开(公告)号：CN115438876A

公开(公告)日：2022-12-06

申请号：CN202211238632.2

申请日：2022-10-11

Applicant: 华南农业大学

Inventor： 何浩明 ,  古万荣 ,  毛宜军 ,  柯海萍 ,  卢泽伦 ,  陈梓明 ,  何亦琛

IPC: G06Q10/04 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于特征选择与交互模型的点击率预测方法，包括以下步骤：1)构建特征选择与交互模型，所述特征选择与交互模型包括：稀疏输入层、嵌入层、SENET层、双线性交互层、组合层、多隐藏层和输出层；2)将特征向量输入到特征选择与交互模型中，特征选择与交互模型最终输出点击率预测得分；本发明的SENET层可以动态学习特征的重要性，提高了重要特征的权重，并抑制了不重要特征的权重；同时引入了三种类型的双线性交互层来学习特征交互，使特征间的交互更加充分，优化点击率预测。