公开(公告)号：CN108985237A

公开(公告)日：2018-12-11

申请号：CN201810805095.2

申请日：2018-07-20

Applicant: 安徽农业大学

Inventor： 李绍稳 ,  金秀 ,  许高建 ,  傅运之 ,  王帅 ,  朱娟娟 ,  方向

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于深度混合的小麦赤霉病的检测方法，包括如下步骤：S1、采集小麦麦穗高光谱图像像元，并对高光谱图像像元进行样本欠采样，以解决数据集不平衡的问题，从而得到目标数据；S2、对目标数据进行二维图像的重塑得到灰度图像，并基于灰度图像进行预处理；S3、基于预处理的数据运用深度卷积循环混合神经网络对数据进行训练；S4、基于训练的结果来分析深度卷积循环混合神经网络模型的分类效果；本发明利用高光谱成像技术对小麦赤霉病进行早期的快速和无破坏检测，提高了对被测小麦区域分类结果的准确性。

公开(公告)号：CN109117743A

公开(公告)日：2019-01-01

申请号：CN201810805980.0

申请日：2018-07-20

Applicant: 安徽农业大学

Inventor： 李绍稳 ,  金秀 ,  许高建 ,  傅运之 ,  王帅 ,  朱娟娟 ,  方向

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度卷积的小麦赤霉病的检测方法，包括如下步骤：S1、采集小麦麦穗高光谱图像像元，并对高光谱图像像元进行样本欠采样，以解决数据集不平衡的问题，从而得到目标数据；S2、对目标数据进行二维图像的重塑得到灰度图像，并基于灰度图像进行预处理；S3、基于预处理的数据运用深度卷积神经网络对数据进行训练；S4、基于训练的结果来分析深度卷积神经网络模型的分类效果；本发明利用高光谱成像技术对小麦赤霉病进行早期的快速和无破坏检测，提高了对被测小麦区域分类结果的准确性。

公开(公告)号：CN109035231A

公开(公告)日：2018-12-18

申请号：CN201810805085.9

申请日：2018-07-20

Applicant: 安徽农业大学

Inventor： 李绍稳 ,  金秀 ,  许高建 ,  傅运之 ,  王帅 ,  朱娟娟 ,  方向

IPC: G06T7/00 ,  G06K9/62 ,  G06N3/04

CPC classification number: G06T7/0002 ,  G06K9/6268 ,  G06N3/0454 ,  G06T7/0012 ,  G06T2207/20081 ,  G06T2207/20104

Abstract: 本发明公开了一种基于深度循环的小麦赤霉病的检测方法，包括如下步骤:S1、采集小麦麦穗高光谱图像像元，并对高光谱图像像元进行样本欠采样，以解决数据集不平衡的问题，从而得到目标数据；S2、对目标数据进行二维图像的重塑来作为灰度图像，并基于灰度图像进行预处理；S3、基于预处理的数据运用深度循环神经网络对数据进行训练；S4、基于训练的结果来分析深度循环神经网络模型的分类效果；本发明利用高光谱成像技术对小麦赤霉病进行早期的快速和无破坏检测，提高了对被测小麦区域分类结果的准确性。