一种基于深度学习的二值化Faster R-CNN柑橘病虫...
授权
摘要
本发明公开了一种基于深度学习的二值化Faster R‑CNN柑橘病虫害识别方法，该方法包括以下步骤：步骤1、获取柑橘病虫害图片，构建图片数据集；步骤2、对图片数据集中的柑橘病虫害图片进行预处理：包括图片旋转，色彩平衡，高斯模糊添加噪声干扰，HSV亮度增强；步骤3、构建二值化的Faster R‑CNN网络模型：该模型采用二阶段的全卷积神经网络代替原始Faster R‑CNN模型的全连接层；步骤4、二值化Faster R‑CNN网络模型的实现；步骤5、将待识别柑橘病虫害种类的图片，输入训练得到的二值化Faster R‑CNN网络模型，输出识别柑橘病虫害结果。本发明提出了Binary Faster R‑CNN网络模型，将二阶段的全卷积神经网络代替原始的全连接层，能节省模型存储的内存，识别准确率、FLOPs及识别速度均得到了大大提高。
基本信息
专利标题 ：
一种基于深度学习的二值化Faster R-CNN柑橘病虫害识别方法
专利标题（英）：
暂无
公开（公告）号 ：
CN113420794A
申请号 ：
CN202110622576.1
公开（公告）日 ：
2021-09-21
申请日 ：
2021-06-04
授权号 ：
CN113420794B
授权日 ：
2022-04-22
发明人 ：
郑禄汪进宋中山帖军王江晴汪红徐胜舟朱祖桐
申请人 ：
中南民族大学
申请人地址 ：
湖北省武汉市洪山区民族大道708号、823号
代理机构 ：
湖北武汉永嘉专利代理有限公司
代理人 ：
胡建平
优先权 ：
CN202110622576.1
主分类号 ：
G06K9/62
IPC分类号 ：
G06K9/62 G06K9/38 G06K9/40 G06K9/60 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
G06K9/62
应用电子设备进行识别的方法或装置
法律状态
2022-04-22 ：
授权
2021-10-12 ：
实质审查的生效
IPC(主分类) : G06K 9/62
申请日 : 20210604
申请日 : 20210604
2021-09-21 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
