专利名称：一种基于图像处理与卷积神经网络的作物病害识别方法      申请号：2019112220683     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 卷积神经网络 害识别   相似专利 发布日：2024/06/28  
摘要： 本发明公开了一种基于图像处理与卷积神经网络的作物病害识别方法。本发明首先收集、整理和扩充了作物病害图像数据，然后对扩充平衡后的农作物病害叶片图像数据集进行预处理。针对亮度较低的图像，通过运用带颜色恢复的多尺度视网膜增强算法MSRCR提升图像整体亮度。然后通过基于GrabCut的全局图像自动分割GAAG算法对数据集做分割处理。最后选择MobileNet模型对样本数据集进行分类，先使用经过处理后的数据集对MobileNet模型进行训练，再调用训练好的模型对输入图像进行识别，进而得到农作物所患的病害信息。采用本发明所述的方法，能有效的去除图像背景噪声以及光线环境对模型识别的影响，具有自动化程度高、效率好和鲁棒性强的特点。

专利名称：一种基于卷积神经网络的苹果叶片病害识别的方法      申请号：2019106743763     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 果 港口 卷积神经网络 害识别   相似专利 发布日：2023/10/17  
摘要： 本发明公开了一种基于卷积神经网络的苹果叶片病害识别的方法，属于计算机视觉领域。该方法包括以下步骤：S1：对样本进行预处理；S2：搭建卷积神经网络，基于VGG16卷积神经网络模型，搭建包含归一化层和全局平均池化层的改进的卷积神经网络模型，并采用Adam算法对模型进行求解；S3：训练卷积神经网络模型，卷积基层的初始参数采用VGG16模型在ImageNet数据集上训练好的参数；S4：对测试样本进行预测并输出。本发明提出的改进的卷积神经网络提高了对苹果叶片病害的识别准确率，并且新型卷积神经网络极大地减少了训练参数，训练时间短、效率高，对苹果叶片病害的识别奠定了较好的基础。

专利名称：一种基于图像识别的生姜茎叶病虫害识别方法及系统      申请号：2019103641819     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：调味品 音视频 人工智能 图像处理 害识别   相似专利 发布日：2023/04/04  
摘要： 一种基于图像识别的生姜茎叶病虫害识别方法，包括生姜茎叶病虫害识别深度神经网络训练方法和生姜茎叶病虫害深度神经网络识别方法；以及基于图像识别的生姜茎叶病虫害识别系统，其特征在于：该系统由茎叶识别模块、图像归一化模块、模型预测模块组成，分别完成对图像中生姜茎、叶的识别，以及对茎叶区域的归一化处理和使用训练完成模型进行病虫害分类判决；通过图像自动识别，快速、准确完成对生姜种植过程中的病虫害的发生进行分类和判决；系统的输入为图像，在生产过程中，生姜种植者获取生姜图像成本较低、快捷，利于生姜种植者的操作及病虫害的快速确认和分类，使得生姜种植者对种植生姜的病虫害情况快速、充分了解，及时合理采取应对措施。

专利名称：一种具备喷药功能的充电型果园果害识别机器人      申请号：2020114055787     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：机器人 害识别   相似专利 发布日：2024/07/31  
摘要： 本发明公开了一种具备喷药功能的充电型果园果害识别机器人，包括机械台和药箱；所述机械台底部设置有行动履带，便于灵活移动；所述药箱设置在所述机械台的上方；药箱周围设置有缓震结构，能够适应移动过程中的颠簸，抑制药箱内的液体起沫，提升喷药供药的稳定性；同时提供了灵活驱动充电插头调整位置的结构，并设置了实时收纳线缆的绕线筒结构，使机器人的充电过程更加安全快捷。