[发明专利]基于人工智能的农业保险查勘方法及相关设备

权利要求书

1.一种基于人工智能的农业保险查勘方法，其特征在于，所述基于人工智能的农业保险查勘方法包括以下步骤：

当接收到农业保险查勘任务时，从所述农业保险查勘任务中提取待查勘承保标的的地理位置信息；

根据所述地理位置信息，控制机载高光谱成像光谱系统采集所述待查勘承保标的的光谱数据；

对所述待查勘承保标的的光谱数据进行预处理；

从预处理后的所述待查勘承保标的的光谱数据中，提取所述待查勘承保标的的光谱特征；

将所述待查勘承保标的的光谱特征输入至训练好的农作物类型识别模型中进行分析，以得出所述待查勘承保标的属于何种农作物，作为查勘结果。

2.如权利要求1所述的基于人工智能的农业保险查勘方法，其特征在于，所述地理位置信息为地理坐标，

所述根据所述地理位置信息，控制机载高光谱成像光谱系统采集所述待查勘承保标的的光谱数据的步骤包括:

分别在所述地理坐标的四个方向上，控制机载高光谱成像光谱系统的探头垂直向下，在待查勘承保标的冠层的预设高度处进行测量，在每个方向上记录若干条光谱，构成所述待查勘承保标的的光谱数据。

3.如权利要求2所述的基于人工智能的农业保险查勘方法，其特征在于，所述对所述待查勘承保标的的光谱数据进行预处理的步骤包括：

采用滤波拟合法对所述待查勘承保标的的光谱数据进行平滑去噪处理；

从平滑去噪处理后的所述待查勘承保标的的光谱数据中，剔除水强吸收波段；

对剔除了水强吸收波段的所述待查勘承保标的的光谱数据做平均处理。

4.如权利要求3所述的基于人工智能的农业保险查勘方法，其特征在于，所述从预处理后的所述待查勘承保标的的光谱数据中，提取所述待查勘承保标的的光谱特征的步骤包括：

利用光谱微分法和连续统去除法分析预处理后的所述待查勘承保标的的光谱数据，以从预处理后的所述待查勘承保标的的光谱数据中确定光谱特征区域；

从所述光谱特征区域中提取微分特征和吸收特征，得到待查勘承保标的的光谱特征。

5.如权利要求4所述的基于人工智能的农业保险查勘方法，其特征在于，所述光谱特征区域包括绿峰区域、红谷区域、红边区域、蓝光区叶绿素吸收带、红光区叶绿素吸收带、水弱吸收带、水和氧窄吸收带以及水和二氧化碳强吸收带，

所述从所述光谱特征区域中提取微分特征和吸收特征的步骤包括：

从所述绿峰区域、所述红谷区域和所述红边区域提取微分特征；

从所述蓝光区叶绿素吸收带、所述红光区叶绿素吸收带、所述水弱吸收带、所述水和氧窄吸收带以及所述水和二氧化碳强吸收带提取吸收特征。

6.如权利要求1所述的基于人工智能的农业保险查勘方法，其特征在于，所述当接收到农业保险查勘任务时，从所述农业保险查勘任务中提取待查勘承保标的的地理位置信息的步骤之前，包括：

获取若干种农作物的光谱数据，并分别对每种农作物的光谱数据进行预处理；

分别从预处理后的每种农作物的光谱数据中，提取光谱特征作为训练样本，并根据所述训练样本构建训练样本集；

根据所述训练样本集训练农作物类型识别模型，得到训练好的农作物类型识别模型。

7.如权利要求6所述的基于人工智能的农业保险查勘方法，其特征在于，所述根据所述训练样本集训练农作物类型识别模型，得到训练好的农作物类型识别模型的步骤包括：

对所述训练样本集进行归一化处理；

创建基于反向传播神经网络BPNN的农作物类型识别模型，并初始化所述农作物类型识别模型的参数；

将归一化处理后的训练样本集输入至所述农作物类型识别模型中，获取前向输出和反向输出；

采用梯度下降法，根据所述前向输出和反向输出更新所述农作物类型识别模型的参数，得到训练好的农作物类型识别模型。