基本信息:
- 专利标题： 一种基于深度学习的水果植株叶片病变检测方法及系统
- 申请号：CN202411892585.2 申请日：2024-12-20
- 公开(公告)号：CN119832421A 公开(公告)日：2025-04-15
- 发明人： 刘丙友 , 曹珂涵 , 赵宇涵 , 蒋述
- 申请人： 安徽工程大学
- 申请人地址： 安徽省芜湖市鸠江区北京中路安徽工程大学
- 专利权人： 安徽工程大学
- 当前专利权人： 安徽工程大学
- 当前专利权人地址： 安徽省芜湖市鸠江区北京中路安徽工程大学
- 代理机构： 南京创略知识产权代理事务所(普通合伙)
- 代理人： 刘文艳
- 主分类号： G06V20/10
- IPC分类号： G06V20/10 ; G06V10/20 ; G06V10/52 ; G06V10/80 ; G06N3/0464 ; G06N3/048 ; G06N3/08
摘要：
本发明公开了一种基于深度学习的水果植株叶片病变检测方法及系统，首先采集水果植株叶片的高分辨率图像并获得采集图像，再对采集图像进行图像预处理并获得预处理后图像，接着构建深度学习模型，再对深度学习模型进行训练及验证并获得验证后深度学习模型；本发明实现了该水果植株叶片病变检测方法及系统具有采用深度学习模型自动识别和分类水果植株叶片表面病变的功能，还实现了能自动学习水果植株叶片表面正常与异常的特征并对其进行标注，且通过训练大规模的水果植株叶片图像数据集使得深度学习模型能逐渐提高对不同病变类型的检测精度，不仅提升了检测效率和准确率，还减少了人工成本，适合被广泛推广和使用。