-
公开(公告)号:CN108287914A
公开(公告)日:2018-07-17
申请号:CN201810132772.9
申请日:2018-02-09
Applicant: 辽宁工程技术大学
Abstract: 本发明提供一种基于卷积神经网络的果树病害识别与防治方法,涉及计算机视觉技术领域。包括:获取图片数据集并构建系统图片知识库;构建果树病害的系统文本知识库;对果树病害进行图片采集;提取图片的纹理特征,将采集的图片数据与系统图片知识库进行匹配;输出图片匹配结果,返回给用户解决方法。本发明提供的一种基于卷积神经网络的果树病害识别与防治方法,通过深度学习方式,利用大量果树病害的图片形成的系统图片知识库,与用户采集到的果树病害图片进行匹配、分类,并结合构建的果树病害系统文本数据库,返回给用户该类疾病的解决方法,不仅能为用户在解决果树疾病预防、治疗、防御上提供方便,也能为农科所的工作人员减轻工作负担。
-
公开(公告)号:CN113516164A
公开(公告)日:2021-10-19
申请号:CN202110485451.9
申请日:2021-04-30
Applicant: 辽宁工程技术大学
IPC: G06K9/62 , G06K9/46 , G06F16/951 , G06F16/36 , G06F40/295 , G06N3/04
Abstract: 本发明公开了一种融合知识图谱与深度学习的果树病虫害诊断方法,该方法主要步骤包括数据采集以及预处理;构建病虫害领域知识图谱;利用VGG模型提取图像特征;利用知识图谱和TransR知识表示模型对病虫害症状描述文本进行向量化表示,利用BiLSTM进行文本特征提取;融合图像和文本特征向量进行病虫害诊断与识别。该方法从文本和图像两个维度数据进行分析,并结合知识图谱、知识表示模型和深度学习能够挖掘更深层的病虫害特征,从而达到了更准确的识别效果。
-