一种基于深度学习的野生虫草和养殖虫草的鉴别方法

AITNT
正文
推荐专利
一种基于深度学习的野生虫草和养殖虫草的鉴别方法
申请号:CN202410812646
申请日期:2024-06-22
公开号:CN118658156A
公开日期:2024-09-17
类型:发明专利
摘要
本发明公开了一种基于深度学习的野生虫草与养殖虫草的鉴别方法。传统的野生虫草和养殖虫草鉴别通常依赖于人工观察和经验判断,存在主观性和不稳定性的问题。为解决这一问题,本发明提出了一种利用深度学习实现的自动化鉴别方法。该方法首先将采集到的虫草图像数据做初步增强处理,然后使用yolo模型进行虫草目标检测和提取,以及基于阈值的分割算法来减少背景的影响。设计并训练了一个残差网络网络模型,通过预训练来选择最合适的特征以及初始参数,以实现对野生虫草和养殖虫草的准确分类。
技术关键词
野生虫草 鉴别方法 分割算法 YOLO模型 图像增强技术 直方图均衡化 图片 残差网络 视觉特征 滤波算法 节点数 对比度 标记 数据 参数 格式 标签
系统为您推荐了相关专利信息
1
一种基于GPU的大规模并行计算优化方法
并行计算优化方法 资源分配 排队模型 多准则决策 序列
2
基于伪不变区域对的高光谱遥感影像相对辐射归一化方法
归一化方法 高光谱遥感影像 解码网络 校正 归一化植被指数
3
一种基于机器视觉的金属管端部缺陷检测方法及系统
金属管端部 图像分割算法 缺陷检测方法 缺陷检测装置 灰狼优化算法
4
一种数字孪生3D模型虚拟纹理自动衔接方法、介质及系统
纹理 衔接方法 贴图 数值优化算法 方程
5
基于图像处理的半导体陶瓷复合材料表面缺陷检测方法
表面缺陷检测方法 半导体陶瓷 像素点 特征值 分水岭分割算法
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