摘要
本发明公开了一种黄芩病虫害识别系统及方法,内容包括:收集黄芩植株的图像数据,并对黄芩植株的图像数据进行标注,形成训练集与测试集;采用基于生成对抗网络的数据增强方法扩充训练集,得到增强后的训练集;通过改进的卷积神经网络模型对增强后的训练集的图像进行多尺度特征提取和处理,以得到多尺度融合特征图;构建自适应特征关注网络算法,调整多尺度融合特征图中不同区域的关注度,得到加权特征图,利用动态特征路径网络对加权特征图进行分析,确定特征提取路径,得到动态特征图,依据动态特征图进行病虫害分类,得到病虫害类别的概率分布。本发明能够实现黄芩病虫害的高精度识别,提高模型泛化能力,提升计算效率及黄芩种植的管理效率。
技术关键词
病虫害识别方法
黄芩
加权特征
多尺度特征提取
卷积神经网络模型
生成对抗网络
病虫害图像
训练集
尺寸特征
识别系统
融合特征
动态
图像采集模块
多尺度特征融合
数据
代表
系统为您推荐了相关专利信息
风险防御方法
网络攻击信息
多层前馈神经网络
全卷积神经网络
包络
图像超分辨率方法
浅层特征提取
深层特征提取
超分辨率重建模型
图像重建
后处理算法
瑕疵检测方法
图像特征数据
分类网络
融合特征
视觉识别分析系统
工业用机器
少量标注数据
图像
半监督学习优化
智能控制算法
动态时间弯曲距离
序列
建立特征数据库
参数