摘要
本发明提供基于叶片图像深度学习的野生梨品种识别系统及识别方法,涉及深度学习算法技术领域,包括获得叶片增强图像,将原始叶片图像训练集与经过格式转换后的生成图像混合,将混合图像进行标准化预处理,输入到构建的多尺度残差网络进行训练,并输出野生梨品种概率向量。获取野生梨叶片图像不同光照条件下的训练集、测试集和验证集,将原始叶片训练集输入到构建的生成对抗网络中,获得叶片增强图像,增加样本的数据量,将混合图像进行二维离散小波变换,提高对叶片图像的识别精度,输入到构建的多尺度残差网络进行训练,引入注意力机制,强化关键区域,获得优化后的野生梨品种分类模型,并输出野生梨品种概率向量。
技术关键词
图像深度学习
叶片
生成对抗网络
残差网络
识别方法
二维离散小波变换
构建训练集
深度学习算法技术
样本
生成器网络
品种识别
识别系统
格式
中间层
引入注意力机制
多尺度
系统为您推荐了相关专利信息
渲染优化方法
高维特征向量
纹理
光照
深度强化学习
便携式装备
智能手持终端
健康诊断系统
特征参量
电力设备局放
运动矢量场
无人机运动轨迹
无人机识别方法
多尺度膨胀卷积
光强
金属板材成型设备
参数
克里金模型
框架
消息传递机制
政务
协同系统
智能决策支持
应急资源调度
生成对抗网络