摘要
本发明提供了一种融合深度学习模型的水稻病虫害自动分类方法,涉及图像处理技术领域,该融合深度学习模型的水稻病虫害自动分类方法包括以下步骤:对水稻病虫害原始图像进行预处理,预处理包括标准化处理、分离水稻植株与土壤背景;选用卷积神经网络,通过迁移学习在预训练权重上微调;控制模型学习提取病虫害的关键视觉特征;采用多分类损失函数优化训练,输出各病虫害类别的概率分布;本发明在识别出病虫害类型后,会基于病虫害类型推荐对应的处置建议,并提供对应的农事指导,调整灌溉周期、施肥配比,进一步促使水稻恢复正常;用药会基于环境调整,更贴合实际;用药会考虑历史施药记录与虫害复发频率,效果更显著。
技术关键词
融合深度学习模型
水稻病虫害
自动分类方法
识别病虫害
损失函数优化
视觉特征
条件生成对抗网络
训练卷积神经网络
细菌性条斑病
图像
迁移学习策略
黑条矮缩病
叶枯病
生成热力图
语义分割模型
水稻田
土壤传感器
稻纵卷叶螟
直方图均衡化
系统为您推荐了相关专利信息
三维人脸重建方法
三维人脸重建系统
多模态
协方差矩阵
代表
特征提取网络
图像
数据
深度卷积神经网络
多尺度特征融合
动态知识图谱
指令
更新知识图谱
样本
损失函数优化
网络谣言检测方法
大语言模型
跨模态
集成特征
多头注意力机制
列车轨道
卷积神经网络提取特征
注意力机制
智能驾驶技术
损失函数优化