[發(fā)明專利]一種基于全卷積神經(jīng)網(wǎng)絡(luò)的香蕉枯萎病遙感快速檢測方法在審
| 申請?zhí)枺?/td> | 202110109383.6 | 申請日: | 2021-01-27 |
| 公開(公告)號: | CN112580610A | 公開(公告)日: | 2021-03-30 |
| 發(fā)明(設(shè)計)人: | 黃偉鋒;陳家政;高一華;朱立學(xué);張世昂;黃培峰;李超;官金炫;梁境鑫 | 申請(專利權(quán))人: | 仲愷農(nóng)業(yè)工程學(xué)院 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/32;G06K9/62;G06N3/04;G06T7/11;G06T7/60 |
| 代理公司: | 廣東省暢欣知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44631 | 代理人: | 耿佳 |
| 地址: | 510225 廣東省*** | 國省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 卷積 神經(jīng)網(wǎng)絡(luò) 香蕉 枯萎病 遙感 快速 檢測 方法 | ||
1.一種基于全卷積神經(jīng)網(wǎng)絡(luò)的香蕉枯萎病遙感快速檢測方法,包括以下步驟:
步驟一,訓(xùn)練檢測模型:采集大量香蕉枯萎病的遙感圖像,形成全卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集,對全卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練;
步驟二,輸入遙感圖像:拍攝待檢測區(qū)域的遙感圖像,將圖像尺寸調(diào)整為512×512×3,輸入到全卷積神經(jīng)網(wǎng)絡(luò);
步驟三,循環(huán)3輪兩次卷積+1次最大值池化操作:將512×512×3的圖像進(jìn)行六次卷積+三次最大值池化操作,得到64×64×512大小的圖像;
步驟四,循環(huán)3輪兩次卷積+一次上采樣操作:將64×64×512的圖像進(jìn)行六次卷積+三次上采樣操作,得到512×512×192大小的圖像;
步驟五,特征信號的深度提取:將512×512×192大小的圖像進(jìn)行兩次卷積,得到512×512×1的圖像;
步驟六,判斷圖像像素是否患病:使用Softmax分類器對512×512×1的圖像進(jìn)行枯萎病判別,輸出判別結(jié)果。
2.根據(jù)權(quán)利要求1所述的一種基于全卷積神經(jīng)網(wǎng)絡(luò)的香蕉枯萎病遙感快速檢測方法,步驟二中輸入的遙感圖像為多光譜遙感圖像,且遙感圖像采用無人機搭載多光譜相機飛行拍攝的方式獲得。
3.根據(jù)權(quán)利要求2所述的一種基于全卷積神經(jīng)網(wǎng)絡(luò)的香蕉枯萎病遙感快速檢測方法,所述多光譜相機配備490±10nm、615±10nm、808±20nm波段的窄帶濾光片。
4.根據(jù)權(quán)利要求1所述的一種基于全卷積神經(jīng)網(wǎng)絡(luò)的香蕉枯萎病遙感快速檢測方法,循環(huán)3輪兩次卷積+1次最大值池化操作,具體步驟包括:
S1:輸入512×512×3大小的圖像經(jīng)過兩次卷積+一次最大值池化,得到256×256×128大小的圖像;
S2:輸入256×256×128大小的圖像經(jīng)過兩次卷積+一次最大值池化,得到128×128×256大小的圖像;
S3:輸入128×128×256大小的圖像經(jīng)過兩次卷積+一次最大值池化,得到64×64×512大小的圖像。
5.根據(jù)權(quán)利要求1所述的一種基于全卷積神經(jīng)網(wǎng)絡(luò)的香蕉枯萎病遙感快速檢測方法,循環(huán)3輪兩次卷積+一次上采樣操作,具體步驟包括:
S4:輸入64×64×512大小的圖像經(jīng)過兩次卷積+一次上采樣,與128×128×256大小的圖像連接,得到128×128×764大小的圖像;
S5:輸入128×128×764大小的圖像經(jīng)過兩次卷積+一次上采樣,與256×256×128大小的圖像連接,得到256×256×384大小的圖像;
S6:輸入256×256×384大小的圖像經(jīng)過兩次卷積+一次上采樣,與512×512×64大小的圖像連接,得到512×512×192大小的圖像。
6.根據(jù)權(quán)利要求1所述的一種基于全卷積神經(jīng)網(wǎng)絡(luò)的香蕉枯萎病遙感快速檢測方法,Softmax分類器給圖像上的每一個像素分類出患病和不患病的概率,并且患病與不患病的概率總和為1;根據(jù)分類的概率大小判定這個像素是否患病。
7.根據(jù)權(quán)利要求1所述的一種基于全卷積神經(jīng)網(wǎng)絡(luò)的香蕉枯萎病遙感快速檢測方法,步驟六中Softmax分類器判斷圖像像素是否患病后,返還出檢測圖像結(jié)果,把檢測出的疑似患病區(qū)域在圖像上標(biāo)注顯示,并返回拍攝該多光譜圖像時的GPS經(jīng)緯度坐標(biāo);由種植人員實地對疑似患病區(qū)域進(jìn)行重點檢測。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于仲愷農(nóng)業(yè)工程學(xué)院,未經(jīng)仲愷農(nóng)業(yè)工程學(xué)院許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110109383.6/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形,例如,指紋的方法或裝置
G06K9-03 .錯誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個筆畫組成的,而且每個筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 卷積運算處理方法及相關(guān)產(chǎn)品
- 一種卷積神經(jīng)網(wǎng)絡(luò)的計算方法及系統(tǒng)
- 卷積運算方法及系統(tǒng)
- 卷積運算方法、裝置及系統(tǒng)
- 深度神經(jīng)網(wǎng)絡(luò)裁剪方法、裝置及電子設(shè)備
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法和圖像處理裝置
- 卷積神經(jīng)網(wǎng)絡(luò)及基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法
- 一種圖像處理方法、裝置以及計算機存儲介質(zhì)
- 用于卷積神經(jīng)網(wǎng)絡(luò)的卷積運算裝置
- 基于FPGA實現(xiàn)圖像識別的方法、裝置、設(shè)備及存儲介質(zhì)
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計算設(shè)備及計算機存儲介質(zhì)
- 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲介質(zhì)和計算機設(shè)備
- 一種適應(yīng)目標(biāo)數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置





