[发明专利]基于多时序属性元素深度特征的小麦重度病害预测方法有效
| 申请号： | 201810865344.7 | 申请日： | 2018-08-01 |
| 公开（公告）号： | CN109064460B | 公开（公告）日： | 2021-09-28 |
| 发明（设计）人： | 陈天娇;王儒敬;谢成军;张洁;李瑞;陈红波;胡海瀛 | 申请（专利权）人： | 中国科学院合肥物质科学研究院 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06Q10/04;G06Q50/02 |
| 代理公司： | 合肥国和专利代理事务所(普通合伙) 34131 | 代理人： | 张祥骞 |
| 地址： | 230031 *** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及基于多时序属性元素深度特征的小麦重度病害预测方法，与现有技术相比解决了无法针对小麦重度病害进行预测的缺陷。本发明包括以下步骤：基础数据的获取；小麦重度病害预测模型的构建；时序信息存储网络和深度卷积神经网络的联合训练；待预测图像和待预测环境信息数据的获取；小麦重度病害的预测。本发明从小麦病害发生的时序维度上图像、环境等多种特征因素出发，利用时序信息存储网络以及深度特征提取网络融合小麦重度病害多时序属性元素，自动学习和获知数据序列中不同时间段小麦病害的程度，从而实现针对于小麦重度病害的预测。 | ||
| 搜索关键词： | 基于 多时 属性 元素 深度 特征 小麦 重度 病害 预测 方法 | ||
【主权项】：
1.一种基于多时序属性元素深度特征的小麦重度病害预测方法，其特征在于，包括以下步骤：11)基础数据的获取，获取无人机拍摄的多日图像数据集以及环境信息数据；12)小麦重度病害预测模型的构建，利用深度卷积神经网络以及时序信息存储网络融合小麦病害不同时间发生的环境、图像的语义和位置环境属性后，构造出小麦病害重度预测模型；13)时序信息存储网络和深度卷积神经网络的联合训练，将多日图像数据集作为深度卷积神经网络的训练样本、将环境信息数据作为时序信息存储网络的训练样本，进行两者的联合训练；14)待预测图像和待预测环境信息数据的获取；15)小麦重度病害的预测，将待预测图像和待预测环境信息数据输入模型，得到小麦重度病害的预测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院合肥物质科学研究院，未经中国科学院合肥物质科学研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810865344.7/，转载请声明来源钻瓜专利网。
