一种基于深度卷积的干腐病马铃薯的检测方法
公开
摘要
本发明是一种基于深度卷积的干腐病马铃薯的检测方法，包括如下步骤：步骤一、采集待测干腐病马铃薯块茎的高光谱图像；步骤二、对步骤一得到的高光谱图像进行去除背景、噪音等预处理，从而得到具有病害、健康两种特征的用来训练深度卷积神经网络的目标数据；步骤三、基于步骤二的目标数据运用深度卷积神经网络模型进行训练，其训练过程为：步骤四、基于训练得到的模型准确率来分析所建深度卷积神经网络模型的分类效果。本发明所述的一种基于深度卷积神经网络的干腐病马铃薯的检测方法，该模型诊断马铃薯干腐病快速、系统、简便、正确率高，提高了高光谱成像技术对马铃薯干腐病快速检测的准确性。
基本信息
专利标题 ：
一种基于深度卷积的干腐病马铃薯的检测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114418993A
申请号 ：
CN202210058117.X
公开（公告）日 ：
2022-04-29
申请日 ：
2022-01-19
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
王文秀张凡孙剑锋马倩云王颉刘亚琼牟建楼
申请人 ：
河北农业大学
申请人地址 ：
河北省保定市灵雨寺街289号
代理机构 ：
天津盈佳知识产权代理事务所(特殊普通合伙)
代理人 ：
王海洋
优先权 ：
CN202210058117.X
主分类号 ：
G06T7/00
IPC分类号 ：
G06T7/00 G06V10/764 G06V10/82 G06N3/04 G06N3/08 G06K9/62
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T7/00
图像分析
法律状态
2022-04-29 ：
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
