买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏里下河地区农业科学研究所

摘要：本发明公开了图像处理技术领域内的一种融合传统图像处理与深度神经网络的小麦黄花叶病快速预测方法，包括以下步骤：S1）使用无人机获取小麦田图片；S2）将作物的遥感图片输入训练好的基于Keras和TensorFlow框架的DenseNet深度学习网络，得到识别结果，实现作物病害遥感监测，本发明实现小麦黄花叶病快速预测；具有识别速度快，准确率高，效率高，对农民的专业技术依赖性低等优点，与基于HLS颜色空间分解与漫水填充阈值分割的传统图像处理算法与DenseNet深度学习网络检测相互配合，既充分发挥了深度学习监测效果的稳定性、灵活性，也体现了传统图像处理算法的高精度、数据标注简便高效的优势，避免了深度学习神经网络前期需要先采集成上万张实物图片。

主权项：1.一种融合传统图像处理与深度神经网络的小麦黄花叶病快速预测方法，其特征在于，包括以下步骤：S1）获取作物的遥感图片；S2）将作物的遥感图片输入训练好的基于Keras和TensorFlow框架的DenseNet深度学习网络；所述DenseNet深度学习网络的预测包括以下三个阶段：S2-1）前期：S2-1-1）搜集、整理小麦生长的早期图片，构建图片集；S2-1-2）基于传统图像处理方法，识别、判断图片集中的图片并进行标注，构建训练集和测试集；S2-2）中期：S2-2-1）搭建基于Keras和TensorFlow框架的DenseNet深度学习网络；S2-2-2）将训练集送入搭建的基于Keras和TensorFlow框架的DenseNet深度学习网络进行迭代学习，保存收敛模型；S2-2-3）使用测试集对收敛模型进行测试，保存测试结果；S2-2-4）将测试结果与基于图像处理方法获得的识别结果进行对比，对不一致的判定数据进行交叉验证，并添加到搭建的基于Keras和TensorFlow框架的DenseNet深度学习网络训练库中，进一步训练基于Keras和TensorFlow框架的DenseNet深度学习网络；S2-3）后期：S2-3-1）将小麦早期生长图片输入训练好的基于Keras和TensorFlow框架的DenseNet深度学习网络，得到识别结果，实现作物病害遥感监测。

全文数据：

权利要求：

百度查询： 江苏里下河地区农业科学研究所 一种融合传统图像处理与深度神经网络的小麦黄花叶病快速预测方法