[发明专利]基于改进DenseNet模型的番茄叶片病害识别方法在审
| 申请号： | 202310402769.5 | 申请日： | 2023-04-10 |
| 公开（公告）号： | CN116563845A | 公开（公告）日： | 2023-08-08 |
| 发明（设计）人： | 王奕男;谢志军;庄黎波 | 申请（专利权）人： | 宁波大学;宁波时新生态农业有限公司 |
| 主分类号： | G06V20/68 | 分类号： | G06V20/68;G06V10/77;G06V10/80;G06V10/42;G06V10/44;G06V10/52;G06V10/82;G06N3/0464;G06N3/0455;G06N3/047;G06N3/048;G06V10/764 |
| 代理公司： | 宁波奥圣专利代理有限公司 33226 | 代理人： | 方小惠 |
| 地址： | 315211 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于改进的DenseNet模型的番茄叶片病害识别方法，用Ghost bottleneck模块替换了原Densenet模型的Bottleneck layer，在保证识别性能的同时大大减少了模型的计算量以及参数量，将第二Ghost bottleneck中的第二个Ghost模块中的卷积核大小为3×3的普通卷积替换成空洞卷积，以及第三Ghost bottleneck中的第二个Ghost模块中的卷积核大小为3×3的普通卷积替换成空洞卷积，提高了对于多尺度变化的番茄病害的识别精度，引入了CMIFA注意力机制模块，在仅增加少量参数以及计算量的同时，提高了在复杂背景下的番茄病害的识别精度；优点是识别精度高，且模型结构简单，模型的参数量以及计算量较小，能够在实际生活中推广使用。 | ||
| 搜索关键词： | 基于 改进 densenet 模型 番茄 叶片 病害 识别 方法 | ||
【主权项】：
暂无信息
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宁波大学;宁波时新生态农业有限公司，未经宁波大学;宁波时新生态农业有限公司许可，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/202310402769.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种显示设备及多窗口的画质显示方法
- 下一篇：一种反光衣生产用热烫机
