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

Inventor： 王星 ,  杜伟 ,  唐晓亮 ,  常戬 ,  陈吉 ,  关连正 ,  李汉森

IPC: G06F17/30 ,  G06K9/62 ,  G06N5/02 ,  G06N3/04 ,  G06N3/08

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

Inventor： 王永贵 ,  李鑫 ,  关连正 ,  孙宁

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。