-
公开(公告)号:CN114596274A
公开(公告)日:2022-06-07
申请号:CN202210204848.0
申请日:2022-03-03
Applicant: 安徽大学
Abstract: 本发明公开了一种基于改进Cascade RCNN网络的自然背景柑橘黄龙病检测方法,包括:利用Cascade RCNN网络改进后的骨干网络对待检测柑橘图像进行特征提取,改进后的骨干网络中至少一层采用可变形卷积;利用Cascade RCNN网络改进后的区域特征提取网络对骨干网络输出的特征进行高层次语义特征提取,改进后的区域特征提取网络包括一个自下而上卷积融合过程;利用Cascade RCNN网络的级联检测器对区域特征提取网络输出的高层次语义特征进行多阶段级联的目标识别检测过程,获取待检测柑橘图像的黄龙病检测结果。本发明有效提高了对柑橘黄龙病检测的准确性。
-
公开(公告)号:CN114943906A
公开(公告)日:2022-08-26
申请号:CN202210259450.7
申请日:2022-03-16
Applicant: 安徽大学
Abstract: 本申请公开了一种基于SCResneSt网络的低分辨率水稻虫害Android手机识别系统,包括实时采集模块、预处理模块以及识别模块:所述实时采集模块被配置为实时采集原始图片数据;所述预处理模块被配置为对所述原始图片数据进行预处理,得到待识别图片数据;所述识别模块被配置为将所述待识别图片数据输入至识别模型中进行识别,得到识别结果。本申请解决了现有技术中病虫害图像的准确率低和鲁棒性无法达到应用需求的技术问题,实现了将低分辨率转换成超分辨重构图像,提高了低分辨率水稻害虫识别的准确率。
-