基于深度学习的植物病害识别方法和系统.pdf
曦晨****22
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于深度学习的植物病害识别方法和系统.pdf
本发明涉及智慧农业技术领域,公开一种基于深度学习的植物病害识别方法和系统,方法包括获取多种农作物的多种病害病症作为数据集,对所述数据集进行预处理并分为训练集和测试集;建立包括卷积神经网络和Inception‑v3模型的检测模型,使用所述训练集训练所述卷积神经网络得到训练完成的检测模型,将所述测试集输入所述训练完成的检测模型得到植物病害识别结果;系统包括数据获取模块、训练模块和检测模块。本发明融合了卷积神经网络和Inception‑v3模型,可以有效提高植物叶片病害识别的准确率。
基于深度学习的快递单信息识别方法和系统.pdf
本发明公开了一种基于深度学习的快递单信息识别方法和系统,其中,方法包括:构建卷积神经网络,根据市场上所有类型的样本快递单图像对卷积神经网络进行训练,获得图像分类模型;获取待发送快递的图像信息,对图像信息进行图像处理,获得目标快递单信息,目标快递单信息至少包括区域信息和轮廓信息;根据轮廓信息和预设边长信息进行对比计算,根据对比计算结果对区域信息进行缩放,得到缩图图像;将缩图图像输入到图像分类模型中,识别得到缩图图像中的条形码信息和目的地信息。本发明不仅提高了图像的识别的效率,而且大大增加了图像的识别的准确性
基于深度学习的关键临床指标实体识别方法和系统.pdf
本发明公开了基于深度学习的关键临床指标实体识别方法和系统,该方法包括:根据慢性肾脏病原始临床指标数据建立原始指标实体库;基于专家标记法建立慢性肾脏病的关键指标实体知识库;基于EntityEmbeddings算法构建指标实体归一化模型,形成原始指标实体库和关键指标实体知识库之间映射关系和分类器;将待处理的化验数据输入至指标实体归一化模型得到分类结果。相对于现有技术而言,本发明的技术方案实现了高效、精准的多源慢性肾脏病临床关键指标的自动化识别,可靠性强,准确度高,具有良好的推广应用前景。
一种基于深度学习的安检物品识别方法和系统.pdf
本发明提出了一种基于深度学习的安检物品识别方法,包括如下步骤:S1,采集多角度安检图像,并进行分割,获取目标物品区域;S2,采集并统计目标物品区域及其周围环境区域的像素值,生成对应的像素分布特征直方图,并计算对应的像素分布特征直方图的方差;S3,利用方差确定独立物品,并逐一为各幅安检图像中独立物品的目标物品区域设定权重;S4,逐一对各幅安检图像中独立物品的目标物品区域进行特征提取,获取特征,并对特征与权重进行处理,生成融合特征;S5,利用融合特征,进行独立物品的物品类别的识别。有利于获取物品内部结构信息,
一种基于深度学习的智能语音识别方法和系统.pdf
本发明提出了一种基于深度学习的智能语音识别方法,首先获取语音信息;采用融合的噪声消除模型对获取的语音信息,进行噪声消除,得到消噪后的语音信息,所述融合的噪声消除模型为结合语音端点检测算法对两个噪声消除模型融合得到;将消噪后的语音信息,输入阶段式学习增强网络结构,得到增强后的语音信息;所述阶段式学习增强网络结构包括多个目标层,目标层采用线性激活函数,隐含层为LSTM‑RNN网络;将增强后的语音信息输输入语音模型中进行语音识别;本发明提供的方法,能够消除噪声的同时又能保留必要的目标语音,提升对各种复杂环境的语