摘要
本发明公开了一种基于人工智能的虫草判别方法及系统,属于虫草分类技术领域,方法包括:采集不同模态的虫草图像;对虫草图像进行预处理;结合卷积神经网络和深度学习模型构建不同模态对应的虫草融合判别模型;对所述不同模态对应的虫草判别模型进行训练;利用训练好的虫草融合判别模型对相应模态的虫草进行判别,并比较不同模态的虫草融合判别模型的判别效果。本发明模型融合了CNN在图像特征提取方面的卓越能力与RNN在处理序列数据时对时间依赖性的优势,适应不同来源的冬虫夏草图像数据,能够对不同模态的虫草图像进行判别,提升虫草判别的准确性和效率。
技术关键词
判别方法
深度学习模型
CT扫描仪
图像特征提取
相机接口
模型训练模块
图像采集模块
判别系统
分类技术
判别模块
冬虫夏草
数字相机
摄像设备
载物台
适配器
对比度
训练集
像素
系统为您推荐了相关专利信息
建筑
智能生成方法
倾斜摄影数据
图像语义分割
图像生成模型
点云特征
融合特征
多模态
图像特征提取
点云编码
深度学习模型
可视化图表
鲁棒性评估
生成攻击样本
平台
多模态深度学习
多模态学习方法
深度学习模型
样本
矩阵