一种基于YOLOv5模型的植物叶片病检测方法及系统

AITNT
正文
推荐专利
一种基于YOLOv5模型的植物叶片病检测方法及系统
申请号:CN202411071940
申请日期:2024-08-06
公开号:CN118982527A
公开日期:2024-11-19
类型:发明专利
摘要
本发明提供了一种基于YOLOv5模型的植物叶片病检测方法及系统,属于图像识别领域,该方法包括:利用照相机捕捉植物叶片的高分辨率图像,对图像进行预处理,去除噪声、调整对比度等,对经预处理的图像进行特征提取并根据所提取的特征进行疾病分类,将经预处理的图像、特征和分类结果存储,并与历史数据进行比较,若无植物叶片病便继续捕捉图像,有植物叶片病便发送警报通知,完成对植物叶片病的检测。本发明基于YOLOv5模型对植物叶片病进行准确、快速的识别,提高了诊断效率,降低人为的错误,从而保障粮食安全。
技术关键词
叶片 数据存储单元 图像 多尺度特征金字塔 卷积神经网络学习 保障粮食安全 历史数据查询 警报 高层次 检测子系统 照相机 疾病 采样方法 通知 网络结构 物体 决策 上采样 对比度
系统为您推荐了相关专利信息
1
基于文生图的多轮图像修改处理方法、装置及终端
自然语言理解 关键词 编辑 指令 语义
2
一种视频检测算法结果分析方法、系统及存储介质
图像 置信度阈值 分析方法 标签 算法
3
智能化细水雾消防安全控制系统及控制方法
消防安全控制系统 多维运动机构 喷雾 控制决策模块 空间坐标信息
4
一种基于真实场景的三维水生植被冠层反射特性建模方法
反射率 特性建模方法 叶片 冠层结构 植被场景
5
一种基于ICEEMDAN-VMD-GAF和PCNN-BiGRU的水电机组故障识别方法与系统
水电机组故障 识别方法 重构 识别神经网络 信号
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