公开(公告)号：CN113269738A

公开(公告)日：2021-08-17

申请号：CN202110541226.2

申请日：2021-05-18

Applicant: 河北农业大学

Inventor： 袁洪波 ,  朱加俊 ,  程曼 ,  王起帆 ,  蔡振江

IPC: G06T7/00 ,  G06T7/62 ,  G06N3/04 ,  G06N3/08 ,  G06T3/40

Abstract: 本发明公开了一种葡萄叶病害检测方法，包括图像超分辨率处理、深度学习网络训练、病毒检测步骤。所述深度学习网络包括大卷积层Conv_1‑Conv_6，特征输出层Predict1‑Predict3、连接层Concatenate1‑Concatenate2。大卷积层Conv_6包括SPP模块。本发明代替传统的人工肉眼检测葡萄叶片病害，提高葡萄叶片黑腐病检测速度与准确率，降低了人工成本以及检测周期。它改进了损失函数，可以避免两个目标框无重叠为0时的问题，使梯度可以持续更新，在训练中可以有更好的回归框；对数据集进行超分辨率处理，提高了目标检测精度。

公开(公告)号：CN113269738B

公开(公告)日：2024-08-20

申请号：CN202110541226.2

申请日：2021-05-18

Applicant: 河北农业大学

Inventor： 袁洪波 ,  朱加俊 ,  程曼 ,  王起帆 ,  蔡振江

IPC: G06T7/00 ,  G06T7/62 ,  G06T3/4053 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种葡萄叶病害检测方法，包括图像超分辨率处理、深度学习网络训练、病毒检测步骤。所述深度学习网络包括大卷积层Conv_1‑Conv_6，特征输出层Predict1‑Predict3、连接层Concatenate1‑Concatenate2。大卷积层Conv_6包括SPP模块。本发明代替传统的人工肉眼检测葡萄叶片病害，提高葡萄叶片黑腐病检测速度与准确率，降低了人工成本以及检测周期。它改进了损失函数，可以避免两个目标框无重叠为0时的问题，使梯度可以持续更新，在训练中可以有更好的回归框；对数据集进行超分辨率处理，提高了目标检测精度。