[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
