一种基于深度学习的叶菜病害检测调控方法及系统

本发明提供了一种基于深度学习的叶菜病害检测调控方法及系统。采集叶菜的生长图像和环境参数数据，利用改进DETR模型进行病害检测，输出病害区域的边界框和病害类别。采用基于边界框的弱监督分割方法进行分割，获得各个病害区域的像素级分割图，提取病害区域的颜色、形状和面积特征，对病害进行分级量化生成病害等级评分。通过深度Q网络模型，获得最优种植策略，通过执行机构调节光照、温度、湿度等环境参数，优化叶菜生长环境，提高生产效率。本发明结合深度学习和智能调控技术，能够实现高效的病害识别与精细的环境调控，降低病害带来的损失，提升叶菜的产量和品质，减少人工干预，具有较强的实用性和推广价值。
同济大学
林开颜 | 周纪元 | 邝家铭 | 吴军辉 | 陈杰 | 司慧萍