公开(公告)号：CN116364275A

公开(公告)日：2023-06-30

申请号：CN202310289482.6

申请日：2023-03-23

Applicant: 华南农业大学

Inventor： 代芬 ,  邢鸿昕 ,  王叶元 ,  冯敏 ,  胡豆豆 ,  孙京臣 ,  王先燕

IPC: G16H50/20 ,  G06F18/214 ,  G06F18/241 ,  G06N20/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于深度学习的家蚕微粒子病无损检测方法及系统，该方法包括：采集家蚕蚕卵样品的拉曼光谱数据并进行数据预处理，构建家蚕微粒子病拉曼光谱数据集；引入密集连接块与转换层，构建基于R‑DenseNet的深度学习分类模型；基于R‑DenseNet的深度学习分类模型对家蚕微粒子病拉曼光谱数据集进行分类训练，得到家蚕微粒子病分类学习结果。该系统包括：采集模块、构建模块和分类模块。通过使用本发明，通过构建基于R‑DenseNet的深度学习分类模型实现对家蚕微粒子病拉曼光谱的快速、准确且无损的检测。本发明作为一种基于深度学习的家蚕微粒子病无损检测方法及系统，可广泛应用于拉曼光谱数据分类技术领域。

公开(公告)号：CN114445817A

公开(公告)日：2022-05-06

申请号：CN202210089310.X

申请日：2022-01-25

Applicant: 华南农业大学

Inventor： 代芬 ,  王锋城 ,  杨冬子 ,  邓小玲 ,  邢鸿昕 ,  张荣文 ,  王紫阳 ,  陈楚汉

IPC: G06V20/69 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N3/12

Abstract: 本发明公开了一种基于增强拉曼光谱和图像辅助的柑橘缺素症状识别方法，属于人工智能和拉曼光谱应用领域，该方法包括：获取柑橘叶片的增强拉曼光谱数据，构建缺素症状识别的增强拉曼光谱识别网络；获取柑橘叶片的可见光图像，构建缺素症状识别的可见光图像辅助分类网络；分别利用增强拉曼光谱识别网络和可见光图像辅助分类网络对待识别柑橘叶片的缺素症状进行识别，并对识别结果进行加权求和，获取柑橘叶片缺素症状最终识别结果。本发明通过表面增强拉曼技术放大拉曼信号，反应叶片内部微弱的成分信息；利用增强拉曼光谱识别网络和可见光图像辅助分类网络相结合对缺素症状进行综合判断，极大地提高了柑橘缺素症状识别的准确性。

公开(公告)号：CN114445817B

公开(公告)日：2024-10-29

申请号：CN202210089310.X

申请日：2022-01-25

Applicant: 华南农业大学

Inventor： 代芬 ,  王锋城 ,  杨冬子 ,  邓小玲 ,  邢鸿昕 ,  张荣文 ,  王紫阳 ,  陈楚汉

IPC: G06V20/69 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/094 ,  G06N3/096 ,  G06N3/126

Abstract: 本发明公开了一种基于增强拉曼光谱和图像辅助的柑橘缺素症状识别方法，属于人工智能和拉曼光谱应用领域，该方法包括：获取柑橘叶片的增强拉曼光谱数据，构建缺素症状识别的增强拉曼光谱识别网络；获取柑橘叶片的可见光图像，构建缺素症状识别的可见光图像辅助分类网络；分别利用增强拉曼光谱识别网络和可见光图像辅助分类网络对待识别柑橘叶片的缺素症状进行识别，并对识别结果进行加权求和，获取柑橘叶片缺素症状最终识别结果。本发明通过表面增强拉曼技术放大拉曼信号，反应叶片内部微弱的成分信息；利用增强拉曼光谱识别网络和可见光图像辅助分类网络相结合对缺素症状进行综合判断，极大地提高了柑橘缺素症状识别的准确性。