[发明专利]一种基于多空间卷积神经网络的害虫图像识别方法有效
申请号: | 201710041268.3 | 申请日: | 2017-01-20 |
公开(公告)号: | CN106845401B | 公开(公告)日: | 2020-11-03 |
发明(设计)人: | 陈红波;谢成军;张洁;李瑞;余健;陈天娇;王儒敬;宋良图 | 申请(专利权)人: | 中国科学院合肥物质科学研究院 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06N3/04;G06N3/08 |
代理公司: | 合肥国和专利代理事务所(普通合伙) 34131 | 代理人: | 张祥骞 |
地址: | 230031 *** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及一种基于多空间卷积神经网络的害虫图像识别方法,与现有技术相比解决了害虫图像识别率低、鲁棒性差的缺陷。本发明包括以下步骤:对训练图像进行收集和预处理;构造多尺度的MS‑CNN网络模型和多核分类模型;对待测图像进行收集和预处理;将测试样本输入经过多核模型的训练的MS‑CNN网络模型中,进行害虫图像的自动识别。本发明提高了害虫识别的准确率,增强了害虫识别算法的鲁棒性,达到了实际应用水平。 | ||
搜索关键词: | 一种 基于 空间 卷积 神经网络 害虫 图像 识别 方法 | ||
【主权项】:
一种基于多空间卷积神经网络的害虫图像识别方法,其特征在于,包括以下步骤:11)对训练图像进行收集和预处理,收集若干幅图像作为训练图像,对所有训练图像进行大小归一化处理,将其处理为256×256像素,得到若干个训练样本;12)构造多尺度的MS‑CNN网络模型和多核分类模型,将训练样本作为输入,完成对MS‑CNN网络模型及多核模型的训练;13)对待测图像进行收集和预处理,利用采集设备拍摄待测的害虫图像,并对待测的害虫图像按256×256像素进行归一化处理,得到测试样本;14)将测试样本输入经过多核模型的训练的MS‑CNN网络模型中,进行害虫图像的自动识别。
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中国科学院合肥物质科学研究院,未经中国科学院合肥物质科学研究院许可,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/patent/201710041268.3/,转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序