摘要
本发明公开了一种基于机器学习的水果病害检测方法及系统,方法包括水果数据收集、数据增强、生物性病害检测、非生物性病害检测和水果病害检测。本发明涉及水果病害检测技术领域,具体是指一种基于机器学习的水果病害检测方法及系统,本发明采用预训练模型结合迁移学习方法进行生物性病害和非生物性病害的细节检测,为水果病害由抽象到细节的检测流程提供了可行方案;采用结合层级优化双路径预训练模型的加权集成学习方法,进行生物性病害检测,整体上提升了水果生物性病害检测的检测性能;采用迁移学习方法,通过将大数据量的生物性病害检测的模型迁移至非生物性病害检测,优化了非生物性检测的新数据的处理能力。
技术关键词
水果病害
预训练模型
参数优化设计
残差网络
检测模型训练
集成学习方法
迁移学习方法
图像
数据收集模块
层级
集成学习模型
直方图均衡化
角斑病
白粉病
标记
内存
系统为您推荐了相关专利信息
影像报告生成方法
影像检索模块
医学知识库
多模态注意力
生成方式
遥感图像分割方法
状态空间模型
混合结构
图像分割模型
多尺度特征
车位状态检测方法
混合网络模型
残差网络
残差模块
检测车位状态
Word2Vec模型
动态匹配方法
分词词库
矩阵
语义