摘要
本发明提供一种基于改进卷积神经网络的枇杷生育时期自动识别方法,获取不同栽培方式、不同生育时期下的枇杷图像;标注图像并对图像进行数据增强,构建训练集、验证集和测试集;建立包含改进损失函数和注意力机制模块的YOLOv8卷积神经网络模型并训练;输入测试集的图像数据至训练好的模型,调整模型参数,得到最终的优化模型;将优化的卷积神经网络模型部署至手机APP,通过不同图像获取途径输入枇杷图像,得到枇杷的生育时期识别结果,并根据各个生育时期配备相应的农事管理指导方案,形成枇杷生育时期识别与相关农事管理软件,本发明的方法能实现生育时期的自动、准确识别,并为枇杷管理提供决策支持。
技术关键词
自动识别方法
枇杷
卷积神经网络模型
图像
管理软件
拍摄装置
注意力机制
构建训练集
深度学习模型
数据
果实
数码相机
手机
参数
指标
代表
大棚
决策
光照
系统为您推荐了相关专利信息
多模态特征融合
多尺度特征融合
语义分割方法
编码器特征
融合特征
超声波指纹芯片
电子设备
图像
神经网络模型
场景
图像优化系统
图像采集模块
采集管理器
广告特征
特征提取模块
快速计算方法
地表覆盖分类
消息传递方法
语义特征
网络
疲劳状态检测方法
高阶神经网络
生成对抗网络模型
特征提取模型
机车