[发明专利]一种基于卷积神经网络和多视频图像的作物病害识别方法在审
| 申请号： | 201810124790.2 | 申请日： | 2018-02-07 |
| 公开（公告）号： | CN108304812A | 公开（公告）日： | 2018-07-20 |
| 发明（设计）人： | 张善文;张晴晴;齐国红 | 申请（专利权）人： | 郑州大学西亚斯国际学院 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 安彦彦 |
| 地址： | 451150 *** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于卷积神经网络和多视频图像的作物病害识别方法，属于图像处理与机器学习技术领域，该方法包括：对利用农业物联网采集的原始彩色病害叶片图像训练集进行扩充得到扩充的训练集；构建多通道卷积神经网络，并利用所述扩充训练集对所述多通道卷积神经网络进行训练，得到作物病害识别模型；将待识别作物的作物病害叶片图像输入至所述作物病害识别模型中进行图像分类，得到所述待识别作物的病害类型。该方法可以提高作物病害识别模型的准确率，同时解决了现有作物病害识别方法的正确率较低的问题。 | ||
| 搜索关键词： | 作物病害 卷积神经网络 训练集 多视频图像 叶片图像 多通道 机器学习技术 病害类型 图像处理 图像分类 原始彩色 农业物 正确率 准确率 构建 病害 采集 联网 | ||
【主权项】：
1.一种基于卷积神经网络和多视频图像的作物病害识别方法，其特征在于，包括以下步骤：步骤1，利用农业物联网的视频设备每天从3个视角分别采集3幅作物病害叶片彩色图像，将获取的每幅原始作物病害叶片图像缩放为维数大小为64×64×3的彩色图像，组成训练集；对训练集中的每幅图像进行旋转操作、平移操作、尺寸变换操作以及噪声处理，将每幅病害叶片图像扩充为多幅新病害叶片图像；将得到多幅新病害叶片图像加入到训练集，得到扩充训练集；步骤2，构建多通道卷积神经网络模型，并利用步骤1得到的扩充训练集训练该模型；步骤3：将待识别叶片图像输入到步骤2中训练过的多通道卷积神经网络模型，进行分类得到病害叶片图像的识别结果。
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郑州大学西亚斯国际学院，未经郑州大学西亚斯国际学院许可，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/patent/201810124790.2/，转载请声明来源钻瓜专利网。
