[发明专利]一种基于图片识别果蔬病害的方法及装置在审
| 申请号： | 201810183240.8 | 申请日： | 2018-03-06 |
| 公开（公告）号： | CN108596201A | 公开（公告）日： | 2018-09-28 |
| 发明（设计）人： | 马俊娜;付琰;杨小飞;崔鲁南;赵一嘉 | 申请（专利权）人： | 深圳市农博创新科技有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 北京万思博知识产权代理有限公司 11694 | 代理人： | 姜楠楠 |
| 地址： | 518000 广东省深圳市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 果蔬病害 卷积神经网络 特征数据 图片识别 图片特征 特征数据存储 图像预处理 存储器 准确度 输出 病害特征 对比结果 番茄病害 人工参与 特征提取 传统的 数据集 准确率 上传 番茄 病害 图片 图像 检测 申请 | ||
1.一种基于图片识别果蔬病害的方法，包括如下步骤：
S100：通过卷积神经网络训练至少一种果蔬病害特征，并产生对应的果蔬病害特征数据；
S200：将所述果蔬病害特征数据存储至存储器；
S300：接收被识别图片；
S400：通过所述卷积神经网络提取所述被识别图片的图片特征；及
S500：将所述图片特征与所述果蔬病害特征数据对比，并输出对比结果。
2.根据权利要求1所述的基于图片识别果蔬病害的方法，其特征在于，所述步骤100包括：
S101：接收训练图片；
S102：对所述训练图片进行步长为2，卷积核尺寸为7*7的卷积运算，并输出64张第一图片；
S103：对所述64张第一图片进行步长为2，卷积核尺寸为3*3的最大池化运算，并输出64张第二图片；
S104：对所述64张第二图片进行卷积核尺寸为1*1的卷积运算，并输出64张第三图片；
S105：对所述64张第三图片进行卷积核尺寸为3*3的卷积运算，并输出64张第四图片；
S106：对所述64张第四图片进行卷积核尺寸为1*1的卷积运算，并输出256张第五图片；
S107：在由所述256张第五图片及所述64张第二图片组成的第一图片库中随机选取256张第一随机图片，对所述256张第一随机图片进行卷积核尺寸为1*1的卷积运算，并输出64张第六图片；
S108：对所述64张第六图片进行卷积核尺寸为3*3的卷积运算，并输出64张第七图片；
S109：对所述64张第七图片进行卷积核尺寸为1*1的卷积运算，并输出256张第八图片；
S110：在由所述256张第八图片及所述64张第二图片组成的第二图片库中随机选取256张第二随机图片，对所述256张第二随机图片进行卷积核尺寸为1*1的卷积运算，并输出64张第九图片；
S111：对所述64张第九图片进行卷积核尺寸为3*3的卷积运算，并输出64张第十图片；
S112：对所述64张第十图片进行卷积核尺寸为1*1的卷积运算，并输出256张第十一图片；
S113：在由所述256张第十一图片及所述64张第二图片组成的第三图片库中随机选取256张第三随机图片，对所述256张第三随机图片进行卷积核尺寸为1*1的卷积运算，并输出128张第十二图片；
S114：对所述128张第十二图片进行卷积核尺寸为3*3的卷积运算，并输出128张第十三图片；
S115：对所述128张第十三图片进行卷积核尺寸为1*1的卷积运算，并输出512张第十四图片；
S116：在由所述512张第十四图片及所述64张第二图片组成的第四图片库中随机选取512张第四随机图片，对所述512张第四随机图片进行卷积核尺寸为1*1的卷积运算，并输出128张第十五图片；
S117：对所述128张第十五图片进行卷积核尺寸为3*3的卷积运算，并输出128张第十六图片；
S118：对所述128张第十六图片进行卷积核尺寸为1*1的卷积运算，并输出512张第十七图片；
S119：在由所述512张第十七图片及所述64张第二图片组成的第五图片库中随机选取512张第五随机图片，对所述512张第五随机图片进行卷积核尺寸为1*1的卷积运算，并输出128张第十八图片；
S120：对所述128张第十八图片进行卷积核尺寸为3*3的卷积运算，并输出128张第十九图片；
S121：对所述128张第十九图片进行卷积核尺寸为1*1的卷积运算，并输出512张第二十图片；
S122：在由所述512张第二十图片及所述64张第二图片组成的第六图片库中随机选取512张第六随机图片，对所述512张第六随机图片进行卷积核尺寸为1*1的卷积运算，并输出128张第二十一图片；
S123：对所述128张第二十一图片进行卷积核尺寸为3*3的卷积运算，并输出128张第二十二图片；
S124：对所述128张第二十二图片进行卷积核尺寸为1*1的卷积运算，并输出512张第二十三图片；
S125：在由所述512张第二十三图片及所述64张第二图片组成的第七图片库中随机选取512张第七随机图片，对所述512张第七随机图片进行卷积核尺寸为1*1的卷积运算，并输出256张第二十四图片；
S126：对所述256张第二十四图片进行卷积核尺寸为3*3的卷积运算，并输出256张第二十五图片；
S127：对所述256张第二十五图片进行卷积核尺寸为1*1的卷积运算，并输出1024张第二十六图片；
S128：在由所述1024张第二十六图片及所述64张第二图片组成的第八图片库中随机选取1024张第八随机图片，对所述1024张第八随机图片进行卷积核尺寸为1*1的卷积运算，并输出256张第二十七图片；
S129：对所述256张第二十七图片进行卷积核尺寸为3*3的卷积运算，并输出256张第二十八图片；
S130：对所述256张第二十八图片进行卷积核尺寸为1*1的卷积运算，并输出1024张第二十九图片；
S131：在由所述1024张第二十九图片及所述64张第二图片组成的第九图片库中随机选取1024张第九随机图片，对所述1024张第九随机图片进行卷积核尺寸为1*1的卷积运算，并输出256张第三十图片；
S132：对所述256张第三十图片进行卷积核尺寸为3*3的卷积运算，并输出256张第三十一图片；
S133：对所述256张第三十一图片进行卷积核尺寸为1*1的卷积运算，并输出1024张第三十二图片；
S134：在由所述1024张第三十二图片及所述64张第二图片组成的第十图片库中随机选取1024张第十随机图片，对所述1024张第十随机图片进行卷积核尺寸为1*1的卷积运算，并输出256张第三十三图片；
S135：对所述256张第三十三图片进行卷积核尺寸为3*3的卷积运算，并输出256张第三十四图片；
S136：对所述256张第三十四图片进行卷积核尺寸为1*1的卷积运算，并输出1024张第三十五图片；
S137：在由所述1024张第三十五图片及所述64张第二图片组成的第十一图片库中随机选取1024张第十一随机图片，对所述1024张第十一随机图片进行卷积核尺寸为1*1的卷积运算，并输出512张第三十六图片；
S138：对所述512张第三十六图片进行卷积核尺寸为3*3的卷积运算，并输出512张第三十七图片；
S139：对所述512张第三十七图片进行卷积核尺寸为1*1的卷积运算，并输出2048张第三十八图片；
S140：在由所述2048张第三十八图片及所述64张第二图片组成的第十二图片库中随机选取2048张第十二随机图片，对所述2048张第十二随机图片进行卷积核尺寸为1*1的卷积运算，并输出512张第三十九图片；
S141：对所述512张第三十九图片进行卷积核尺寸为3*3的卷积运算，并输出512张第四十图片；
S142：对所述512张第四十图片进行卷积核尺寸为1*1的卷积运算，并输出2048张第四十一图片；
S143：在由所述2048张第四十一图片及所述64张第二图片组成的第十三图片库中随机选取2048张第十三随机图片，对所述2048张第十三随机图片进行卷积核尺寸为1*1的卷积运算，并输出512张第四十二图片；
S144：对所述512张第四十二图片进行卷积核尺寸为3*3的卷积运算，并输出512张第四十三图片；
S145：对所述512张第四十三图片进行卷积核尺寸为1*1的卷积运算，并输出2048张第四十四图片；
S146：在由所述2048张第四十四图片及所述64张第二图片组成的第十四图片库中随机选取2048张第十四随机图片，对所述2048张第十四随机图片进行卷积核尺寸为1*1的卷积运算，并输出15张第四十五图片；
S147：通过所述第四十五图片产生对应的果蔬病害特征数据。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳市农博创新科技有限公司，未经深圳市农博创新科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810183240.8/1.html，转载请声明来源钻瓜专利网。
