[发明专利]一种烟草病害识别方法、系统、平台及存储介质在审

专利信息
申请号: 202010555276.1 申请日: 2020-06-17
公开(公告)号: CN111709481A 公开(公告)日: 2020-09-25
发明(设计)人: 夏振远;吕明站;麻莉娜;马俊红;卢灿华;盖晓彤;姜宁;李永亮;户艳霞;蔡永占 申请(专利权)人: 云南省烟草农业科学研究院
主分类号: G06K9/62 分类号: G06K9/62;G06K9/46
代理公司: 昆明知道专利事务所(特殊普通合伙企业) 53116 代理人: 姜开侠;姜开远
地址: 650021*** 国省代码: 云南;53
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 烟草 病害 识别 方法 系统 平台 存储 介质
【权利要求书】:

1.一种烟草病害识别方法,其特征在于,所述的方法具体包括如下步骤:

获取烟草病害浅层特征数据;

根据浅层特征数据,抽取细粒度高层特征信息;

生成烟草病害类别数据。

2.根据权利要求1所述的一种烟草病害识别方法,其特征在于,于步骤获取烟草病害浅层特征数据之前,还包括如下步骤:

获取烟草病害初始特征图像。

3.根据权利要求1所述的一种烟草病害识别方法,其特征在于,于步骤根据浅层特征数据,抽取细粒度高层特征信息中,还包括如下步骤:

对初始特征图像的通道域和空间域依赖关系进行建模。

4.根据权利要求3所述的一种烟草病害识别方法,其特征在于,于步骤对初始特征图像的通道域和空间域依赖关系进行建模中,还包括如下步骤:

捕获特征图像中的通道相关性,生成通道域调整权重;

扫描全局信息,并结合初始特征图像对将信息还原处理,生成特征图像中每个位置的权重值;

生成多重加权特征图像。

5.根据权利要求4所述的一种烟草病害识别方法,其特征在于,于步骤扫描全局信息,并结合初始特征图像对将信息还原处理,生成特征图像中每个位置的权重值中,还包括如下步骤:

对输出的特征图像信息进行归一化处理。

6.根据权利要求1所述的一种烟草病害识别方法,其特征在于,于步骤生成烟草病害类别数据中,还包括如下步骤:

将特征图像张量压缩为一维特征向量;

生成特征向量与输出类别之间的映射。

7.一种烟草病害识别系统,其特征在于,所述的系统具体包括:

获取单元,用于获取烟草病害浅层特征数据;

抽取单元,用于根据浅层特征数据,抽取细粒度高层特征信息;

生成单元,用于生成烟草病害类别数据。

8.根据权利要求7所述的一种烟草病害识别系统,其特征在于,所述的系统还包括:

获取模块,用于获取烟草病害初始特征图像;

所述的抽取单元中,还包括建模模块,所述的建模模块,用于对初始特征图像的通道域和空间域依赖关系进行建模;

所述的建模模块中,还包括:捕获模块、扫描模块和第一生成模块;

所述的捕获模块,用于捕获特征图像中的通道相关性,生成通道域调整权重;

所述的扫描模块,用于扫描全局信息,并结合初始特征图像对将信息还原处理,生成特征图像中每个位置的权重值;

所述的第一生成模块,用于生成多重加权特征图像;

所述的捕获模块中,还包括:归一化模块,用于对输出的特征图像信息进行归一化处理;

所述的生成单元中,还包括压缩模块和第二生成模块;

所述的压缩模块,用于将特征图像张量压缩为一维特征向量;所述的第二生成模块,用于生成特征向量与输出类别之间的映射。

9.一种烟草病害识别平台,其特征在于,包括:

处理器、存储器以及烟草病害识别平台控制程序;

其中在所述的处理器执行所述的烟草病害识别平台控制程序,所述的烟草病害识别平台控制程序被存储在所述存储器中,所述的烟草病害识别平台控制程序,实现如权利要求1至6中任一项所述的烟草病害识别方法步骤。

10.一种计算机可读取存储介质,其特征在于,所述计算机可读取存储介质存储有烟草病害识别平台控制程序,所述的烟草病害识别平台控制程序,实现如权利要求1至6中任一项所述的烟草病害识别方法步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于云南省烟草农业科学研究院,未经云南省烟草农业科学研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010555276.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top