基于深度学习的茶叶病虫害检测方法及计算机装置制造方法及图纸

本发明专利技术涉及茶叶病虫害检测领域，具体涉及一种基于深度学习的茶叶病虫害检测方法及计算机装置，提高了茶叶病虫害检测的精确性。方案包括：使用RGB传感器和红外传感器对茶叶进行图像采集；对采集的图像进行处理，通过计划感知失真对采集到的低比特图像进行处理，低比特图像通过一个预定义的计划感知失真模板向像素的邻居像素添加偏移，偏移后的像素值进入量化器，每个偏移后的信号被量化器量化为不同的量化值，不同的量化值形成了图像信号的多个描述；然后进行特征提取与重构，将重构后的特征输入选择性状态空间模型，对选择性状态空间模型进行训练并优化，最后输出病虫害检测结果。本发明专利技术适用于茶叶病虫害检测。

【技术实现步骤摘要】

本专利技术涉及茶叶病虫害检测领域，具体涉及一种基于深度学习的茶叶病虫害检测方法及计算机装置。

技术介绍

1、近年来，随着农业智能化的发展，基于计算机视觉和深度学习的图像识别技术在茶叶病虫害监测中的应用逐渐受到关注。传统的图像处理方法通常依赖于手工特征提取，效果受限于图像清晰度和特征选择的有效性。例如，使用图像增强算法如直方图均衡化和对比度拉伸等，虽然可以改善图像质量，但往往无法充分捕捉到复杂背景下茶叶的细微差异。

2、在此背景下，卷积神经网络因其在图像处理领域的成功应用而成为主流。然而，现有的卷积神经网络模型在处理多尺度、复杂结构的农业图像时，仍存在一定局限性，如对特定病虫害的识别精度不足。此外，现有技术常常忽视了先验知识的融入，例如茶叶的生长环境和病虫害的特征，这限制了模型的泛化能力和准确度。

3、现有技术的缺陷和不足

4、（1）图像处理效果差：传统图像增强技术（如直方图均衡化、锐化等）在处理茶叶图像时，无法有效解决图像模糊、光照不均等问题，从而导致后续特征提取和识别效果不佳。

5、（2）特征提取效率低：现本文档来自技高网...

【技术保护点】

1.基于深度学习的茶叶病虫害检测方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的茶叶病虫害检测方法，其特征在于，步骤S1具体包括：

3.根据权利要求1所述的基于深度学习的茶叶病虫害检测方法，其特征在于，步骤S5中，评估过程具体包括：

4.一种计算机装置，包括存储器，所述存储器存储有程序指令，其特征在于，所述程序指令运行时，执行如权利要求1-3任意一项所述的基于深度学习的茶叶病虫害检测方法。

【技术特征摘要】

1.基于深度学习的茶叶病虫害检测方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的茶叶病虫害检测方法，其特征在于，步骤s1具体包括：

3.根据权利要求1所述的基于深度学习的茶叶病虫害检...

【专利技术属性】
技术研发人员：黄靖扬，樊亚敏，陈彦宇，罗橙霖，杨梓淇，李金峰，廖丁仪，赵洲，张宸玮，唐屿泓，
申请(专利权)人：四川农业大学，
类型：发明
国别省市：