成果介绍
本成果是一种利用基于机器视觉学习中的图像识别技术,解决田间稻飞虱的自动识别算法模型设计,以及基于 5G 技术,解决数据传输问题,为现实生活中的田间病虫害检测问题提供新的解决方法方案和手段。
成果亮点
本成果对拍摄识别的田间图像进行前期模型分析及算法处理,行成识别结果数据(每幅图片中的昆虫种类和数量),其中,昆虫种类识别率不低于 90%,数量统计识别率不低于 90%。在此基础建立数据分析和识别模型,提供建模的仿真和稻飞虱识别结果,结果可靠性不低于 90%。
团队介绍
项目负责人路绳方,研究方向:
主要研究方向为机器视觉、图像处理以及光电检测等。
(1)机器视觉检测技术应用:搭建机器视觉检测模型,搭建单目、双目、多目像机标定模型,结构光视觉测量模型,视觉测量系统搭建及结果优化等;
(2)工业图像处理与分析:图像特征提取、匹配,三维重建,工业图像的深度图分析等研究;
(3)深度学习与应用:基于深度学习的稻飞虱虫害自动测报系统研究,电力系统部件图像深度学习模型构建及分析,红外图像分析等。
成果资料
产业化落地方案