公开(公告)号：CN117710733A

公开(公告)日：2024-03-15

申请号：CN202311716192.1

申请日：2023-12-14

Applicant: 福建农林大学

Inventor： 秦源 ,  郑平 ,  陈盛圳 ,  安昌 ,  吴佳昊 ,  陆琳

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/44 ,  G06V10/26 ,  G06T7/13 ,  G06T7/194 ,  G06N3/047 ,  G06N3/045

Abstract: 本发明公开了一种基于深度学习的快速植物腊叶标本分类识别方法，其由图像输入模块，图像分割模块，图像识别分类模块，预测信息处理与输出模块构成，其中图像分割模块采用基于卷积神经网络的图像分割算法，图像识别分类模块采用基于卷积神经网络的分类算法，本发明的优点：提高了工作效率和精度；对于植物图像的预处理中对植物图像的背景去噪，增加导致模型性能，可以完成需要较高精度的植物腊叶标本识别工作；对植物标本图像进行分割，提取出植物腊叶标本的轮廓并去除背景干扰；可以使用训练好的深度学习模型，对未分类的植物腊叶标本图像进行分类识别，模型会对输入图像的特征进行提取和分析，并预测图像所属的物种类别。