【技术实现步骤摘要】
本专利技术涉及病虫害识别，具体涉及一种基于深度学习的农作物病虫害识别方法。
技术介绍
1、病虫害是病害和虫害的并称，农作物在生长过程中会遇到不同种类的病虫害侵袭，给农作物的产量和质量都带来较大影响。基于病虫害给农作物带来的负面影响，如何对农作物病虫害进行准确分类识别已经成为防治农作物病虫害、保证农作物的产量和质量、促进农业发展、降低经济损失的重要前提。
2、目前，农作物病虫害识别主要采用人工方式，即通过病虫害专家根据长期的工作经历和研究经验，查阅相关文献资料来进行分类识别。人工分类识别的精度不高，存在混淆、分类错误等问题。
3、随着深度学习技术的不断发展，其已经成为病虫害检测和识别、农作物检测和分类、杂草检测和分类的重要技术手段。深度学习是人工神经网络的研究结果，在图像识别领域中应用非常广泛。然而，现有基于深度学习的农作物病虫害识别方法存在模型结构复杂、识别精度较低的问题。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术所存在的上述缺点，本专利...
【技术保护点】
1.一种基于深度学习的农作物病虫害识别方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于深度学习的农作物病虫害识别方法，其特征在于：所述病害识别模型的模型训练方法，包括：
3.根据权利要求2所述的基于深度学习的农作物病虫害识别方法，其特征在于：所述采集病害样本的图像信息，并对所有图像信息进行预处理，得到病害样本图像，包括：
4.根据权利要求3所述的基于深度学习的农作物病虫害识别方法，其特征在于：所述对农业病害数据集中的所有图像进行图像处理，得到病害样本图像，包括：
5.根据权利要求3所述的基于深度学习的农作物...
【技术特征摘要】
1.一种基于深度学习的农作物病虫害识别方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于深度学习的农作物病虫害识别方法，其特征在于：所述病害识别模型的模型训练方法，包括：
3.根据权利要求2所述的基于深度学习的农作物病虫害识别方法，其特征在于：所述采集病害样本的图像信息，并对所有图像信息进行预处理，得到病害样本图像，包括：
4.根据权利要求3所述的基于深度学习的农作物病虫害识别方法，其特征在于：所述对农业病害数据集中的所有图像进行图像处理，得到病害样本图像，包括：
5.根据权利要求3所述的基于深度学习的农作物病虫害识别方法，其特征在于：所述对农业病害数据集中的所有图像进行图像处理，得到病害样本图像之后，包括：
6.根据权利要求2所述的基于深度学习的农作物病虫害识别方法，其特征在于：所述深度学习网...
【专利技术属性】
技术研发人员：凌飞，刘家保，向钰欣，周向明，许飞，
申请(专利权)人：安徽安视智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。