摘要
本发明涉及人工智能技术领域,具体涉及一种基于图像处理的病虫害识别方法、系统及介质,方法包括:获取植物叶片的原始图像,对原始图像进行预处理,得到预处理后的图像;利用改进的U‑Net模型对预处理后的图像进行病斑区域分割,得到病斑的轮廓和位置;对分割后的病斑区域进行特征提取,通过预训练的ResNet‑50网络提取深层语义特征,并与病斑的颜色特征和形状特征进行拼接融合,形成综合特征向量;将综合特征向量输入至基于XGBoost的集成分类器中进行病虫害种类识别,输出病虫害的类别及对应概率;本发明能够提高病虫害预测的准确性。
技术关键词
病虫害识别方法
集成分类器
图像处理
编码器模块
植物叶片图像
语义特征
解码器
图像裁剪技术
视觉特征
混合损失函数
更新模型参数
梯度下降算法
直方图均衡化
叶片轮廓
分类准确率
高斯核函数
可读存储介质
网络
系统为您推荐了相关专利信息
人工智能辅助
多模态医学影像
成像方法
强化学习模型
图像分割识别
板自动装配装置
工业机器人
法兰板
伺服转台
穿钉
医疗图像数据
编码器
生成对抗网络
图像增强模块
解码器
样本
残差模块
深度卷积神经网络
感知损失函数
编码器模块
药物释放通道
成像模块
筛选系统
药物溶液
微流控芯片