公开(公告)号：CN117197525A

公开(公告)日：2023-12-08

申请号：CN202310901514.3

申请日：2023-07-21

Applicant: 中国农业科学院农业基因组研究所

Inventor： 乔曦 ,  张子照 ,  李儒奇 ,  刘博 ,  刘聪辉 ,  万方浩 ,  钱万强

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/26 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种农作物病害识别技术领域中，一种植物叶片病害的识别检测方法，其中包括了图像分割、数据增强及图像识别。具体步骤如下：1)采集原始植物叶片进行标注，建立原始数据集，进行训练获得Unet语义分割模型，制作去除背景数据集，并训练，获得DCGAN数据增强模型，制作数据增强数据集，形成图形分类模型，通过模型进行分析得到植物叶片的病虫害分类。本发明与现有技术相比的优点在于：通过图像分割和数据增强后整合得到的数据库训练的MobileNetV3‑Large图像识别网络，可以使该网络的识别精度大幅提高。

公开(公告)号：CN116310549A

公开(公告)日：2023-06-23

申请号：CN202310256932.1

申请日：2023-03-17

Applicant: 中国农业科学院农业基因组研究所

Inventor： 钱万强 ,  张子照 ,  乔曦 ,  黄亦其 ,  刘博 ,  刘聪辉 ,  黄聪 ,  万方浩

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/26 ,  G06V10/28 ,  G06V10/44 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种进口大豆中的入侵植物种子检测方法，该方法主要包括以下步骤：拍摄混有多种入侵植物种子的进口大豆种子的图像；标注种子原始图像并制作VOC格式的语义分割数据集并训练U2Net语义分割模型；对分割后的图像进行掩膜处理；提取掩膜后得到单个种子的图像；建立种子数据集，并训练ResNet图像分类模型；使用训练好的U2Net语义分割模型与ResNet图像分类模型对待检测的种子进行检测应用。本发明与现有技术相比的优点在于：该方法涉及计算机视觉、深度学习和入侵生物领域，使用语义分割技术和图像分类技术能够对进口大豆种子产品中混杂的各种入侵植物种子进行快速准确且无损的分类鉴别，提高大豆中入侵种子的检测准确率。

公开(公告)号：CN116310548A

公开(公告)日：2023-06-23

申请号：CN202310256931.7

申请日：2023-03-17

Applicant: 中国农业科学院农业基因组研究所

Inventor： 乔曦 ,  张子照 ,  钱万强 ,  黄亦其 ,  刘博 ,  刘聪辉 ,  黄聪 ,  万方浩

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/26 ,  G06V10/28 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种进口种子产品中的入侵植物种子检测方法，主要包括以下步骤：拍摄获取所有种子的图像；对获取的种子图像进行标注建立语义分割数据集并训练DeepLabV3语义分割模型；对分割后的图像进行掩膜处理；对掩膜后的图像进行种子边界轮廓提取，画出外接矩形框并进行裁剪，得到单个种子的图像；将裁剪后的单个种子图像进行标注建立种子数据集，并训练MobileNet图像分类模型；使用训练好的DeepLabV3语义分割模型与MobileNet图像分类模型对待检测的种子进行检测应用。本发明与现有技术相比的优点在于：使用语义分割和图像分类相结合的方法能够保证高效的去除背景，提取单个种子，从而提高多类种子分类的准确率。