| 专利名称 | 一种基于融合上下文信息的混合卷积神经网络的病害图像识别方法 | 申请号 | CN201710041270.0 | 专利类型 | 发明专利 | 公开（公告）号 | CN106682704A | 公开（授权）日 | 2017.05.17 | 申请（专利权）人 | 中国科学院合肥物质科学研究院 | 发明（设计）人 | 陈天娇;谢成军;余健;张洁;李瑞;陈红波;王儒敬 | 主分类号 | G06K9/62(2006.01)I | IPC主分类号 | G06K9/62(2006.01)I;G06K9/42(2006.01)I;G06N3/08(2006.01)I | 专利有效期 | 一种基于融合上下文信息的混合卷积神经网络的病害图像识别方法 至一种基于融合上下文信息的混合卷积神经网络的病害图像识别方法 | 法律状态 | 实质审查的生效 | 说明书摘要 | 本发明涉及一种基于融合上下文信息的混合卷积神经网络的病害图像识别方法，与现有技术相比解决了病害图像识别率低、鲁棒性差的缺陷。本发明包括以下步骤：训练图像的收集和预处理；构造并训练混合卷积神经网络模型；待测图像的收集和预处理；将测试样本输入训练完成后的混合卷积神经网络模型中，进行病害图像的自动识别，识别出待测病害图像的类别。本发明将病害图像的图片信息和上下文信息相结合进行混合卷积神经网络的构建，从而提高了病害识别的准确率，增强了病害识别算法的鲁棒性。 |
1、源头对接，价格透明
2、平台验证，实名审核
3、合同监控，代办手续
4、专员跟进，交易保障