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

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
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
申请号:CN202510540864
申请日期:2025-04-27
公开号:CN120451964B
公开日期:2025-10-10
类型:发明专利
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
手写字符识别方法 结合点 手写字符识别装置 神经网络模型 多分类器
图像查重方法 卷积神经网络模型 局部特征描述子 嵌入特征 残差网络
损伤程度识别方法 线缆 激励出超声导波 回波 BP神经网络
校准相机 快速识别方法 图像校准 误差校正 图像像素
连续型数据 深度神经网络模型 样本 矩阵 随机森林