一种基于深度迁移和Cayley-Klein度量的小样本下茶叶病害识别算法

    公开(公告)号:CN113221942A

    公开(公告)日:2021-08-06

    申请号:CN202110313426.2

    申请日:2021-03-24

    Abstract: 本发明涉及一种基于深度迁移和Cayley‑Klein度量的小样本下茶叶病害识别算法,深度迁移和Cayley‑Klein度量的神经网络的训练过程:基于深度迁移和Cayley‑Klein度量的神经网络的训练过程分为两个阶段:第一个阶段是数据由低层次向高层次传播的阶段,即前向传播阶段;另外一个阶段是,择Cayley‑Klein度量以反应样本空间结构信息或语义信息,使得距离度量具有更好的区分性,更好的减少负迁移特征所带来的影响。本算法能够准确地检测三种不同的茶叶病害图像,并且具有较高的识别精度,同时具有较快的识别速度。该特性主要得益于迁移学习解决了小样本情况下数据量不足无法进行深度学习提取特征的问题,而Cayley‑Klein度量边降维边度量的过程,降低了因迁移学习带来的负迁移影响。

    一种基于多尺度卷积神经网络的茶叶病斑自动识别算法

    公开(公告)号:CN112434662A

    公开(公告)日:2021-03-02

    申请号:CN202011447437.1

    申请日:2020-12-09

    Abstract: 本发明属于基于图片特征的图像分类算法的研究领域,具体涉及一种基于多尺度卷积神经网络的茶叶病斑自动识别算法,包括多卷积神经网络的训练过程:多卷积神经网络的训练过程分为两个阶段:第一个阶段是数据由低层次向高层次传播的阶段,即前向传播阶段;另外一个阶段是,当前向传播得出的结果与预期不相符时,将误差从高层次向底层次进行传播训练的阶段,即反向传播阶段。本算法能够准确地检测四种不同的茶叶病害图像,并且具有较高的识别精度,同时具有较快的识别速度。该特性主要得益于多卷积可以快速提取特征,并且减少训练算法的参数量从而有效防止过拟合,提高了算法的泛化能力。

    一种基于多尺度卷积神经网络的茶叶病斑自动识别算法

    公开(公告)号:CN112434662B

    公开(公告)日:2023-04-18

    申请号:CN202011447437.1

    申请日:2020-12-09

    Abstract: 本发明属于基于图片特征的图像分类算法的研究领域,具体涉及一种基于多尺度卷积神经网络的茶叶病斑自动识别算法,包括多卷积神经网络的训练过程:多卷积神经网络的训练过程分为两个阶段:第一个阶段是数据由低层次向高层次传播的阶段,即前向传播阶段;另外一个阶段是,当前向传播得出的结果与预期不相符时,将误差从高层次向底层次进行传播训练的阶段,即反向传播阶段。本算法能够准确地检测四种不同的茶叶病害图像,并且具有较高的识别精度,同时具有较快的识别速度。该特性主要得益于多卷积可以快速提取特征,并且减少训练算法的参数量从而有效防止过拟合,提高了算法的泛化能力。

    一种具有AIE特征的葡聚糖衍生物及其合成方法和用途

    公开(公告)号:CN110003355A

    公开(公告)日:2019-07-12

    申请号:CN201910291713.0

    申请日:2019-04-12

    Applicant: 安徽大学

    Abstract: 本发明公开了一种具有AIE特征的葡聚糖衍生物及其合成方法和用途,其中具有AIE特征的葡聚糖衍生物的结构式如下:其中x=59.4,y=1.6。本发明具有AIE特征的葡聚糖衍生物可溶于水,并且具有较低的临界胶束浓度,该临界胶束浓度为5×10-3mg/mL,在低浓度下具有很好的聚集诱导发光特征,具有聚集诱导发光特征的浓度范围是1×10-3mg/mL到60×10-3mg/mL,在细胞成像及其相关研究领域具有重要研究价值。

Patent Agency Ranking