一种基于深度学习的入侵害虫粘虫板图像识别方法

    公开(公告)号:CN117635911A

    公开(公告)日:2024-03-01

    申请号:CN202311417908.8

    申请日:2023-10-30

    申请人: 浙江大学

    摘要: 本发明公开一种基于深度学习的入侵害虫粘虫板图像识别方法,包括获取拍摄图像,构建数据集;对数据集进行预处理;将经预处理后的数据集进行划分;构建改进的TPH‑YOLOv5预训练模型;将训练集输入至改进的TPH‑YOLOv5预训练模型,进行迁移学习,组合不同模型训练技巧进行模型训练,将预测结果与真实结果比对,计算损失函数,并更新网络权重;若达到预设的迭代次数,则结束训练;基于改进的TPH‑YOLOv5模型实现入侵害虫检测。本发明通过获取高质量入侵害虫数据集,利用改进的TPH‑YOLOv5模型,针对害虫样本数量不平衡,数据集数量较少等问题,组合不同模型训练技巧进行模型训练,最终实现入侵害虫精准检测。

    一种可见光图像与多光谱图像的图像融合方法及系统

    公开(公告)号:CN117670694A

    公开(公告)日:2024-03-08

    申请号:CN202311365327.4

    申请日:2023-10-19

    申请人: 浙江大学

    摘要: 本发明公开一种可见光图像与多光谱图像的图像融合方法及系统,涉及图像融合技术领域,该方法包括:采集农田区域的可见光图像与多光谱图像;基于轮廓的匹配方法对可见光图像与多光谱图像进行图像配准;采用引入L1/2正则化子稀疏性扩展非负矩阵分解方法分别对多光谱图像和可见光图像进行分解,分别得到多光谱图像和的可见光图像图像端元矩阵和图像丰度矩阵;采用迭代估计算法,对当前多光谱图像的图像端元矩阵和图像丰度矩阵,以及当前可见光图像的图像端元矩阵和图像丰度矩阵进行更新,直到满足迭代停止条件;将满足迭代停止条件时,当前多光谱图像的端元矩阵和当前可见光图像的丰度矩阵进行融合得到融合图像。本发明提高了图像融合效率。