公开(公告)号：CN118968026A

公开(公告)日：2024-11-15

申请号：CN202411071943.3

申请日：2024-08-06

Applicant: 西南科技大学

Inventor： 史旭阳 ,  刘紫权 ,  李珂 ,  朱哲维

IPC: G06V10/25 ,  G06V10/82 ,  G06V10/774 ,  G06N3/0464 ,  G06V10/44 ,  G06N3/08 ,  G06V10/80

Abstract: 本发明提供一种基于深度学习的目标检测系统，涉及机器学习与深度学习技术领域，该系统包括目标种类更新模块，用于管理目标检测数据集，训练目标检测模型；目标检测模块，用于利用目标检测模型，对目标检测数据集进行处理，得到目标检测结果；历史检测数据查询模块，用于存储历史目标检测结果，对历史检测数据进行查询。本发明解决了目标检测模型难以更新维护和占用大的问题。

公开(公告)号：CN118982527A

公开(公告)日：2024-11-19

申请号：CN202411071940.X

申请日：2024-08-06

Applicant: 西南科技大学

Inventor： 史旭阳 ,  朱哲维 ,  李珂 ,  刘紫权 ,  李小霞

IPC: G06T7/00 ,  G06V20/10 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/764 ,  G06V10/46 ,  G06N3/08

Abstract: 本发明提供了一种基于YOLOv5模型的植物叶片病检测方法及系统，属于图像识别领域，该方法包括：利用照相机捕捉植物叶片的高分辨率图像，对图像进行预处理，去除噪声、调整对比度等，对经预处理的图像进行特征提取并根据所提取的特征进行疾病分类，将经预处理的图像、特征和分类结果存储，并与历史数据进行比较，若无植物叶片病便继续捕捉图像，有植物叶片病便发送警报通知，完成对植物叶片病的检测。本发明基于YOLOv5模型对植物叶片病进行准确、快速的识别，提高了诊断效率，降低人为的错误，从而保障粮食安全。