[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在审
| 申请号： | 201880024483.5 | 申请日： | 2018-09-04 |
| 公开（公告）号： | CN110622182A | 公开（公告）日： | 2019-12-27 |
| 发明（设计）人： | 陈天娇;王儒敬;谢成军;张洁;李瑞;陈红波;胡海瀛;吴晓伟 | 申请（专利权）人： | 安徽中科智能感知产业技术研究院有限责任公司 |
| 主分类号： | G06Q10/04 | 分类号： | G06Q10/04;G06Q50/02;G06K9/62;G06N3/08 |
| 代理公司： | 34138 芜湖思诚知识产权代理有限公司 | 代理人： | 项磊 |
| 地址： | 241000 安徽省芜湖市*** | 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： | 基于多时序属性元素深度特征的小麦重度病害预测方法，包括第一步、基础数据的获取；第二步、小麦重度病害预测模型的构建；第三步、时序信息存储网络和深度卷积神经网络的联合训练；第四步、待预测图像和待预测环境信息数据的获取；第五步、小麦重度病害的预测。该方法将单条地址的匹配效率从1min左右降低到约2.2s；匹配结果在匹配度与精确度指标上更均衡，对推动智慧城市的构建具有较高的应用价值。该方法能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。通过对现有因素的分析计算，预测出小麦病害的发展趋势。 | ||
| 搜索关键词： | 病害 预测 小麦 小麦病害 构建 卷积神经网络 存储网络 分析计算 环境信息 基础数据 匹配结果 匹配效率 深度特征 时序信息 属性元素 数据序列 预测模型 预测图像 智慧城市 自动学习 匹配度 时间段 单条 获知 均衡 应用 联合 | ||
【主权项】：
1.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：/n第一步、基础数据的获取：所述基础数据包括拍摄的图像数据集和环境信息数据；/n第二步、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发生的环境信息、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；/n第三步、时序信息存储网络和深度卷积神经网络的联合训练：将多日的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；/n第四步、待预测图像和待预测环境信息数据的获取；/n第五步、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。/n
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安徽中科智能感知产业技术研究院有限责任公司，未经安徽中科智能感知产业技术研究院有限责任公司许可，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/201880024483.5/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算；推算；计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
