摘要
本发明适用植物病虫害识别算法技术领域,提供了基于深度学习的农作物病虫害识别算法、装置、存储介质;拍摄植物的多个不同时间含有多个病害类别的多个病害叶片图像;一一提取多个病害叶片图像中的叶片并按比例缩小至预设的尺寸后输出多个已处理病害虫叶片图像;根据多个已处理病害虫叶片图像计算多个病害类别一一对应的多个聚类特征向量;计算多个待识别病斑图像与多个聚类特征向量的隶属度;多个隶属度中最大的隶属度对应的聚类特征向量所对应的病害类别,为待识别病斑图像所对应的病害类别;实现先训练得出病害类别对应的聚类特征向量后,再识别待识别病斑图像所对应的病害类别,从而大大提高了病害类别的识别精度,进而提高了用户体验。
技术关键词
农作物病虫害
叶片
图像
非易失性计算机可读存储介质
分类特征
聚类
计算机可执行指令
识别算法技术
卷积神经网络算法
纹理特征
皮尔逊相关系数
植物病虫害
分辨率
颜色
尺寸
处理器通信
识别装置
系统为您推荐了相关专利信息
锅炉水冷壁
水冷壁下集箱
标志物
位移监测传感器
传感器支架
社区访客管理方法
人脸识别算法
矩阵
图像
压力传感装置
便携式摄像装置
教学场景
识别算法
反馈方法
教学反馈系统
检测追踪方法
加权损失函数
样本
实时视频流
卡尔曼滤波算法