基于深度学习的黄龙病检测方法及装置

    公开(公告)号:CN117689994A

    公开(公告)日:2024-03-12

    申请号:CN202311688187.4

    申请日:2023-12-11

    Abstract: 本发明涉及果树智能识别技术领域,且公开了一种基于深度学习的黄龙病检测方法及装置,包生成YOLO v8n‑C2G改进模型,引入坐标注意力机制,用于对植物疾病的特征提取之后引入GSConv模型,并更改模型特征提取的网络结构,用于对模型的推理速度进行优化,最后对预测框和真实框进行匹配。该一种基于深度学习的黄龙病检测方法及装置通过改进模型的内存占用量减少,平均精度提升,改进的YOLO v8n‑C2G模型在柑橘、沃柑、西柚的植物数据集上都有良好的表现和鲁棒性,推理速度快,精准度高,对实际场景中被遮挡的叶片检测性能好,易于部署,从而能够快速对病叶进行识别。

    一种作物图像自动采集装置
    2.
    发明公开

    公开(公告)号:CN119402732A

    公开(公告)日:2025-02-07

    申请号:CN202411518278.8

    申请日:2024-10-29

    Abstract: 本申请是关于一种作物图像自动采集装置。包括内框架和安装在内框架内的拍照机构;内框架包括底板、顶板、连接杆,内框架的侧面通过遮光板封闭,遮光板上设有遮光门;拍照机构包括丝杆、导向套、驱动螺母、升降驱动电机、周向图像采集相机;丝杆竖直安装在内框架内,丝杆上滑动安装有导向套;导向套内安装有驱动螺母;导向套上设置有周向图像采集相机,周向图像采集相机的上方设有补光条。本申请通过遮光板营造了一个相对昏暗的环境,再通过补光条进行补光,避免了外部光源对图像的影响,有效确保了图像的准确性;通过丝杆机构带动周向图像采集相机在竖直方向上进行移动,对作物不同高度位置进行图像采集,有效确保了采集图像的全面。

Patent Agency Ranking