公开(公告)号：CN111611889B

公开(公告)日：2023-04-18

申请号：CN202010398156.5

申请日：2020-05-12

Applicant: 安徽大学

Inventor： 陈鹏 ,  李卫鹭 ,  方桃 ,  章军 ,  王兵 ,  梁栋

IPC: G06V20/10 ,  G06V10/25 ,  G06V10/30 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于改进卷积神经网络的农田微型虫害识别装置，包括摄像终端系统、智能识别系统、远程更新系统。所述摄像终端系统用于通过摄像控制模块来调用终端摄像模块，拍摄田间微型虫害图片，并传送到智能识别系统中；所述智能识别系统，基于改进卷积神经网络，接收摄像终端系统拍摄的图片并进行一定的处理，通过智能识别系统识别拍摄图片中的农业微型虫害，再返回到摄像终端系统的界面以显示虫害的具体种类以及防治等信息；所述远程更新系统，在于实时存储用户拍摄的图片，以此定期更新智能识别系统，提高虫害识别精度和效率。本发明具有操作方便、智能交互、便于携带等优点。

公开(公告)号：CN110097104A

公开(公告)日：2019-08-06

申请号：CN201910324553.5

申请日：2019-04-22

Applicant: 安徽大学

Inventor： 陈鹏 ,  方桃 ,  章军 ,  王兵

IPC: G06K9/62

Abstract: 本发明公开基于深度学习的苹果叶片病害分类方法及其自动识别装置，属于图像分类领域，用于解决现有技术中难以对拍摄的苹果图片进行病害识别和快速有效分类的问题，基于深度学习的苹果叶片病害分类方法，是在Vgg16网络模型的基础上进行改进的，改进的方法包括：在Vgg16模型的基础上，每个卷积层中添加了批标准化层；批标准化层的加入，不仅加速了网络模型的训练速度，在分类精度上也有所提升；在损失函数方面，加入了新的辅助损失函数，使学习到的特征更有区分度；该装置可以将拍摄的叶片数据传输到分类器中进行自动识别，具有识别精度高和易于操作的优点。

公开(公告)号：CN111611889A

公开(公告)日：2020-09-01

申请号：CN202010398156.5

申请日：2020-05-12

Applicant: 安徽大学

Inventor： 陈鹏 ,  李卫鹭 ,  方桃 ,  章军 ,  王兵 ,  梁栋

IPC: G06K9/00 ,  G06K9/32 ,  G06K9/40 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进卷积神经网络的农田微型虫害识别装置，包括摄像终端系统、智能识别系统、远程更新系统。所述摄像终端系统用于通过摄像控制模块来调用终端摄像模块，拍摄田间微型虫害图片，并传送到智能识别系统中；所述智能识别系统，基于改进卷积神经网络，接收摄像终端系统拍摄的图片并进行一定的处理，通过智能识别系统识别拍摄图片中的农业微型虫害，再返回到摄像终端系统的界面以显示虫害的具体种类以及防治等信息；所述远程更新系统，在于实时存储用户拍摄的图片，以此定期更新智能识别系统，提高虫害识别精度和效率。本发明具有操作方便、智能交互、便于携带等优点。