基于3D卷积神经网络的槟榔叶片黄化症状分析方法及系统

AITNT
正文
推荐专利
基于3D卷积神经网络的槟榔叶片黄化症状分析方法及系统
申请号:CN202410800499
申请日期:2024-06-20
公开号:CN118887525A
公开日期:2024-11-01
类型:发明专利
摘要
本发明涉及槟榔黄化症状分析技术领域,尤其涉及基于3D卷积神经网络的槟榔叶片黄化症状分析方法及系统,采用活体拍摄高光谱图像的方法,使用推扫式高光谱成像系统拍摄槟榔叶片的高光谱图像;采用黑白校正方法得到初步的高光谱图像;对槟榔叶片进行感兴趣区域提取并计算提取出感兴趣区域的平均光谱,对平均光谱进行SG平滑滤波器处理;使用SHAP方法提取出贡献度最高的特征波段;训练3D卷积神经网络模型,判断光谱数据所属的不同类别输出槟榔黄化症状的原因分析结果,高光谱图像和3D卷积神经网络共同提高模型对于光谱的空间特征提取能力,模型对槟榔黄化症状的原因分析能力更强,不局限于区分健康和病害,分析导致病害的不同原因。
技术关键词
推扫式高光谱成像 分析方法 感兴趣区域提取 特征提取模块 叶片 卷积神经网络模型 校正方法 反射率 数据 输出特征 图像校正 滤波器 健康槟榔 空间特征提取 黄化现象 空洞
系统为您推荐了相关专利信息
1
一种基于AI大模型智能体的数据融合系统
数据融合系统 融合算法 特征提取模块 冗余度 数据融合技术
2
一种融合用户影响力和活跃度的社交网络情感演化模型
信息传播模型 演化动力学 模型分析方法 社交网络分析 文本
3
基于表面信息时序特征的多动症初筛方法及系统
时序特征 融合特征 多动症 眼动特征 初筛方法
4
一种基于人工智能的市民体质数据分析方法及系统
数据分析方法 决策树模型 多模态 指标 聚类
5
一种基于机器学习的评标系统及方法
机器学习算法 特征提取模块 评标方法 电子招投标技术 数据获取模块
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号