项目简介：
本项目针对传统人工识别黄芩病虫害效率效率低、误差大、难以满足现代农业生产需求的问题，设计开发了一种黄芩病虫害智能识别方法。本方法通过采集黄苓病虫害图像并标注，采用GAN数据增强和改进CNN提取多尺度特征，结合适应特征，关注网络与动态路径优化，实现对黄芩病虫害的高精度分类，快速准确识别黄芩病虫害。本项目能够实现黄芩病虫害的高精度识别，提高模型泛化能力，提升计算效率及黄芩种植的管理效率。
项目获发明专利《一种黄芩病虫害智能识别方法》1项。
项目市场：
传统黄芩病虫害识别依赖农技人员肉眼诊断，误判率高达30%~40%（行业平均数据)，本技术可将识别效率提升10倍以上，可降低人力成本50%以上，除黄芩外，模型可迁移至其他中药材（如黄芪、丹参），技术复用性强。
合作方式：
技术许可、技术转让
