摘要
本发明提供了一种基于机器视觉的花生果腐病病斑的鉴定方法,属于花生表型信息鉴定技术领域。包括:获取多个花生荚果图像,对其进行标注,得到多个掩膜图像,并对其进行数据集划分和图像增强处理;选择最优的花生荚果检测与分割模型,并对其进行模块集成处理及数据集训练,得到单个花生荚果图像及花生荚果面积;对单个花生荚果图像进行标注,并进行数据集划分和图像增强处理;选择最优的果腐病病斑分割模型,并对其进行优化及数据集训练,得到花生荚果病斑图像及病斑面积;通过计算病斑面积和花生荚果面积之间的比值,确定花生荚果上病斑面积的占比。本发明在节省成本的同时提高了工作效率,减少了主观因素带来的误差,进而加快了育种工作的进程。
技术关键词
花生荚果
掩膜
图像拍摄设备
图像增强
深度学习语义分割
视觉
安装杆
拍摄组件
拍摄台
照明灯
横杆
病斑面积
深度学习算法
框架
支撑杆
标注工具
注意力机制
数据
立杆
系统为您推荐了相关专利信息
编码识别系统
矫正
字符识别模型
数据获取模块
定位模块
条形码检测方法
深度神经网络
条形码特征
可变形卷积网络
多尺度特征提取
光刻胶图案
掩膜图案
光学邻近校正
光刻胶模型
sigmoid函数