技术特征：
1.一种对植物切片进行人工智能识别的方法，其特征在于：包括以下步骤：获取识别图像；主分类器识别：将所述图像输入至植物切片识别模型的主分类器，基于faster-rcnn算法进行分类，输出主类结果和识别精度，其中，输入的图像采用多尺度特征图；子分类器识别：将所述图像输入至主类结果对应的子分类器，基于resnet算法进行分类，输出分类结果。2.根据权利要求1所述的植物切片识别模型识别方法，其特征在于：所述主分类器识别步骤中，进行分类前，对识别精度小于精度阈值的目标进行过滤。3.根据权利要求1所述的植物切片识别模型识别方法，其特征在于：所述主分类器识别步骤中，采用ciou损失函数。4.根据权利要求1所述的植物切片识别模型识别方法，其特征在于：所述主分类器识别步骤中，进行分类后，输出图像中多个目标的位置和目标分类，还输出每个目标分类对应的置信度；根据每个目标分类对应的置信度、目标的面积以及目标的总数计算得到每个分类的置信分数，取置信分数最高的分类为主类结果。5.根据权利要求4所述的植物切片识别模型识别方法，其特征在于：所述置信分数的排序中，第一位与第二位的置信分数差小于第一位置信分数的20%，则认为分类失败。6.根据权利要求1所述的植物切片识别模型识别方法，其特征在于：多个子分类器单独进行识别和训练。7.根据权利要求6所述的对植物切片进行人工智能识别的方法，其特征在于：所述子分类器采用局部和全局相结合的结构进行分类，局部分类结果和全局分类结果组合得到最终分类结果。
技术总结
本申请涉及一种对植物切片进行人工智能识别的方法，包括以下步骤：获取待识别图像；主分类器识别：将所述图像输入至植物切片识别模型的主分类器，基于Faster-RCNN算法进行分类，输出主类结果和识别精度，其中，输入的图像采用多尺度特征图；子分类器识别：将所述图像输入至主类结果对应的子分类器，基于ResNet算法进行分类，输出分类结果。本申请具有提高识别精确度和降低识别系统的复杂度使识别效率得到提升的效果。到提升的效果。到提升的效果。
技术研发人员：王志鹏 郭莹 白璐 秦新达 苗永斌
受保护的技术使用者：智诚时空科技（浙江）有限公司
技术研发日：2022.05.05
技术公布日：2022/7/22