摘要
本发明公开了一种海洋浮游生物图像分类方法,包括采集待海水中的浮游生物图像;对采集的浮游生物图像进行人工类别指定,建立原始分类数据集;将原始分类数据集转换为海洋浮游生物图像标准分类数据集;建立并训练基于几何形态特征的分类模型、基于深度学习特征的分类模型以及基于几何形态特征和深度学习特征融合的分类模型,筛选出海洋浮游生物图像最优分类模型;利用筛选出的最优模型对采集的待检测样本的浮游生物图像进行识别,并按照类别进行分组、统计和存储。本发明实现了图像分类的自动化,相比传统方法,大幅提升了分类效率和分类准确性。
技术关键词
海洋浮游生物
图像分类方法
深度学习特征
拼图
成像分析系统
电子表格文件
深度神经网络模型
预测类别
形态
数据
图像处理工具
成像分析仪
分类模型训练
图像分类模型
样本
机器学习模型
图像类别
训练集
系统为您推荐了相关专利信息
损伤检测方法
风电机组叶片
巡检机器人
定位机器人位置
多模态传感器
问答方法
异构数据处理
深度学习特征提取
索引
节点
疾病智能诊断方法
组学特征
深度学习模型
神经系统
深度学习特征
病理图像分类方法
甲状腺超声图像
多模态特征融合
局部二值模式特征
甲状腺结节良恶性
物体
广义霍夫变换
卷积神经网络模型
模糊隶属度
模糊逻辑