-
公开(公告)号:CN119600539A
公开(公告)日:2025-03-11
申请号:CN202411649088.X
申请日:2024-11-19
Applicant: 中国农业科学院深圳农业基因组研究所(岭南现代农业科学与技术广东省实验室深圳分中心)
IPC: G06V20/52 , G06V20/10 , G06V10/25 , G06V10/774 , G06V10/82 , G06V10/26 , G06V10/764 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于深度学习模型的叶片虫害识别方法及装置,基于VGG16并加入残缺网络结构块,可以通过标准格式图像进行模型训练,可以对不同环境下所有作物的叶片虫害进行监测。模型经训练后,在训练集和验证集上MSE仅为0.02和0.09,MAE仅为0.11和0.18。在测试集上MSE为0.19,MAE为0.35,通过相关性分析,DCNN‑PDS根据图片所预测出来的值与人工视觉评审的值的皮尔逊相关系数为0.94,具有较高的准确性。可以广泛应用于作物田间生产监测中,精准定位虫害发生,在未来作物生产和虫害防治市场具有重要应用价值。
-
公开(公告)号:CN117672357A
公开(公告)日:2024-03-08
申请号:CN202311654558.7
申请日:2023-12-05
Applicant: 中国农业科学院深圳农业基因组研究所(岭南现代农业科学与技术广东省实验室深圳分中心)
Abstract: 本发明公开了一种基于机器学习的葡萄无核性状全基因组选择育种方法及其应用,利用机器学习(Machine Learning)和基因组预测(Genome Prediction)的方法,搭建了一种适合早期实生苗的种子败育的预测方法,并可以对杂交后代的有核、无核性状进行批量、标准化预测。本发明可以缩短育种周期、减少资源和成本投入,实现标准化、精准化育苗,在未来葡萄育种领域和国际市场具有重要应用价值。
-