[发明专利]一种基于神经网络的作物病害识别方法在审
| 申请号： | 201810230177.9 | 申请日： | 2018-03-20 |
| 公开（公告）号： | CN108537777A | 公开（公告）日： | 2018-09-14 |
| 发明（设计）人： | 林东;张善文;周美丽;王涛 | 申请（专利权）人： | 西京学院 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/90;G06K9/62;G06N3/04 |
| 代理公司： | 北京众合诚成知识产权代理有限公司 11246 | 代理人： | 夏艳 |
| 地址： | 710100 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于神经网络的作物病害识别方法，包括利用构建的自适应全局池化卷积神经网络来来估计病害叶片图像的类别；所述自适应全局池化卷积神经网络由1个输入层、1个批归一化层、6个隐层和一个分类输出层依次连接构成；所述隐层中的前4个隐层每层均包括卷积操作、激活操作、最大池化操作和局部响应归一化操作，第5个隐层包括卷积和激活操作，第6个隐层为全局池化操作；本发明采用自适应学习率能够极大缩短训练所需的时间，克服了固定学习率所带来的欠学习和陷入局部最优的问题，提高了网络的收敛速度、泛化能力及稳定性。 | ||
| 搜索关键词： | 隐层 池化 卷积神经网络 激活操作 神经网络 作物病害 自适应 卷积 全局 归一化操作 自适应学习 局部响应 叶片图像 依次连接 归一化 输出层 输入层 构建 病害 收敛 分类 学习 网络 | ||
【主权项】：
1.一种基于神经网络的作物病害识别方法，其特征在于，包括利用构建的自适应全局池化卷积神经网络来来估计病害叶片图像的类别；所述自适应全局池化卷积神经网络由1个输入层、1个批归一化层、6个隐层和一个分类输出层依次连接构成；所述隐层中的前4个隐层每层均包括卷积操作、激活操作、最大池化操作和局部响应归一化操作，第5个隐层包括卷积和激活操作，第6个隐层为全局池化操作；所述卷积操作用于图像的特征提取，池化操作用于网络参数约简，全局池化操作用于减少网络参数规模和训练时间，输出层用于病害叶片分类识别。
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西京学院，未经西京学院许可，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/201810230177.9/，转载请声明来源钻瓜专利网。
