公开(公告)号：CN117935039A

公开(公告)日：2024-04-26

申请号：CN202311329520.2

申请日：2023-10-16

Applicant: 蚌埠学院

Inventor： 王显龙 ,  朱洪浩 ,  李现伟 ,  周杰涵 ,  何金阳 ,  杨明旭

IPC: G06V20/10 ,  G06N3/0464 ,  G06V10/82 ,  G06V10/776 ,  G06V10/774 ,  G06N3/084

Abstract: 本发明提供一种基于CNN的农作物病虫害识别方法及系统，涉及农作物病虫害识别技术领域，本发明构建基于卷积神经网络的深度学习模型，让深度学习模型识别农作物的叶片后输出农作物的形态大小数据和状态数据，以及叶绿素含量数据和水分含量数据，并构建生长状态系数，针对环境中的光照不同对于农作物的影响，采用Lambert光照模型对照片中的光照强度进行识别，并对生成的生长状态系数进行修正，生成状态判断指数，从农作物的形态大小数据和状态数据，以及叶绿素含量数据和水分含量数据方面综合评价农作物的病虫害情况，能够在病虫害的早期通过农作物的形态、状态等方面进行综合分析，判断农作物的病虫害情况，识别的效果更加的精准。

公开(公告)号：CN117456409A

公开(公告)日：2024-01-26

申请号：CN202311329512.8

申请日：2023-10-16

Applicant: 蚌埠学院

Inventor： 王显龙 ,  李现伟 ,  朱洪浩 ,  赵文志

IPC: G06V20/40 ,  G06V10/82 ,  G06V10/776 ,  G06V10/774 ,  G06V10/764 ,  G06V10/77 ,  G06N3/0464

Abstract: 本发明提供一种基于PCANet的多示例学习视频异常识别方法，涉及视频分析技术领域，本发明通过构建基于PCANet深度学习网络的图像分类模型，使用PCANet深度学习网络提取视频片段的特征，PCANet深度学习网络通过卷积和主成分分析层，能够高效地捕获图视频中的局部特征，还可以降低特征的维度，同时保留主要的信息，减少计算复杂性，并可以帮助消除冗余或不重要的特征，从而提高后续任务的效率和性能，而且不依赖于大规模标注数据不需要大规模标记的数据进行训练，可以通过无监督或半监督学习方式进行预训练，另外使用多示例学习模型中进行分类对视频片段是否异常进行分类，可以使用多个正常的学习示例作为训练样本，不用依赖单一的训练样本。