-
公开(公告)号：CN112581301B
公开(公告)日：2023-12-29
申请号：CN202011496196.X
申请日：2020-12-17
Applicant: 塔里木大学
IPC: G06Q50/02 , G06T7/136 , G06N3/0464 , G06N3/09
Abstract: 本发明提供了一种基于深度学习的农田残膜残留量的检测预警方法和系统，方法包括：针对整地后的农田，进行农田可见光图像的采集，得到原始残膜图像；对所述原始残膜图像进行位置信息标注；将标注后的原始残膜图像分为残膜图像的训练集和测试集；构建基于深度学习的可微分阈值分割网络模型；将训练集输入可微分阈值分割网络模型进行训练，得到农田残膜残留量预测模型；将测试集输入训练得到的农田残膜残留量预测模型进行残膜残留量检测；将检测得到的残膜残留量与分级预警值进行比较，显示预警级别。本发明利用深度卷积层监督学习不同层次的特征，将二值化函数设成可微分形式，使得二值化的阈值可以随网络一起得到训练，增加预测的精度，贴合实际应用场景，提高了算法的鲁棒性。
-
公开(公告)号：CN112085725B
公开(公告)日：2021-08-27
申请号：CN202010972893.1
申请日：2020-09-16
Applicant: 塔里木大学
Abstract: 一种基于启发式迭代算法的残膜残留量检测方法，包括如下步骤：S1.对整地后的农田采集可见光图像；S2.进行预处理将所述图像二值化；S3.采用启发式填充算法定义二值化后的所述图像的边界阈值，所述启发式填充算法公式为：，其中，p0为中心像素点的像素值；pi代表与p0相邻的上、下、左、右4个点的像素值；S4.计算农田残膜残留面积；S5.计算残膜残留量；本发明通过启发式迭代算法进行大量建模，可以提高在土壤条件下的数据入场算适应性，自动连通因残膜折叠、光照不均产生的图像断裂区域，提高了算法的鲁棒性，更贴合实际应用场景，增加预测的精度。
-
公开(公告)号：CN112581301A
公开(公告)日：2021-03-30
申请号：CN202011496196.X
申请日：2020-12-17
Applicant: 塔里木大学
Abstract: 本发明提供了一种基于深度学习的农田残膜残留量的检测预警方法和系统，方法包括：针对整地后的农田，进行农田可见光图像的采集，得到原始残膜图像；对所述原始残膜图像进行位置信息标注；将标注后的原始残膜图像分为残膜图像的训练集和测试集；构建基于深度学习的可微分阈值分割网络模型；将训练集输入可微分阈值分割网络模型进行训练，得到农田残膜残留量预测模型；将测试集输入训练得到的农田残膜残留量预测模型进行残膜残留量检测；将检测得到的残膜残留量与分级预警值进行比较，显示预警级别。本发明利用深度卷积层监督学习不同层次的特征，将二值化函数设成可微分形式，使得二值化的阈值可以随网络一起得到训练，增加预测的精度，贴合实际应用场景，提高了算法的鲁棒性。
-
公开(公告)号：CN112085725A
公开(公告)日：2020-12-15
申请号：CN202010972893.1
申请日：2020-09-16
Applicant: 塔里木大学
Abstract: 一种基于启发式迭代算法的残膜残留量检测方法，包括如下步骤：S1.对整地后的农田采集可见光图像；S2.进行预处理将所述图像二值化；S3.采用启发式填充算法定义二值化后的所述图像的边界阈值，所述启发式填充算法公式为：其中，p0为中心像素点的像素值；pi代表与p0相邻的上、下、左、右4个点的像素值；S4.计算农田残膜残留面积；S5.计算残膜残留量；本发明通过启发式迭代算法进行大量建模，可以提高在土壤条件下的数据入场算适应性，自动连通因残膜折叠、光照不均产生的图像断裂区域，提高了算法的鲁棒性，更贴合实际应用场景，增加预测的精度。
-
-
-
Search Results
4
records
(took 0.017 seconds)
