基于深度学习的水稻病斑检测方法及系统
基本信息
| 申请号 | CN201811043736.1 | 申请日 | - |
| 公开（公告）号 | CN109165623A | 公开（公告）日 | 2019-01-08 |
| 申请公布号 | CN109165623A | 申请公布日 | 2019-01-08 |
| 分类号 | G06K9/00;G06K9/62 | 分类 | 计算；推算；计数; |
| 发明人 | 陈俊伸;宫华泽;刘龙;田平;孙盈蕊;李晓鹏;董振兴 | 申请（专利权）人 | 广州百度风投人工智能股权投资合伙企业（有限合伙） |
| 代理机构 | 北京晟睿智杰知识产权代理事务所（特殊普通合伙） | 代理人 | 北京麦飞科技有限公司 |
| 地址 | 100000 北京市朝阳区阜通东大街1号院6号楼6层2单元220702 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习的水稻病斑检测方法及系统，属于图像处理领域，包括：照片样本集和人工标注样本集，将照片样本集和人工标注样本集按照比例进行切分，形成第二照片样本集和第二人工标注样本集；将第二照片样本集和第二人工标注样本集输入Linknet网络模型，并基于Pytorch深度学习框架对Linknet网络模型进行训练得到最优模型；利用最优模型识别当前需要检测的水稻病斑图像，计算水稻病斑面积占比并对病害情况进行分级。通过采用Pytorch深度学习框架的Linknet网络模型，能够提升水稻叶片病斑识别的泛化能力以及野外实用性，提高信息利用率，有利于后续定量施药，降低环境污染。 |
