[发明专利]基于叶片病斑面积的病虫害监测方法在审
申请号: | 201910811427.2 | 申请日: | 2019-08-30 |
公开(公告)号: | CN110517311A | 公开(公告)日: | 2019-11-29 |
发明(设计)人: | 颜华;魏言聪;刘龙;宫华泽;陈祺 | 申请(专利权)人: | 北京麦飞科技有限公司 |
主分类号: | G06T7/62 | 分类号: | G06T7/62;G06N3/08;G06N3/04;G06K9/62 |
代理公司: | 11603 北京晟睿智杰知识产权代理事务所(特殊普通合伙) | 代理人: | 于淼<国际申请>=<国际公布>=<进入国 |
地址: | 100000 北京市朝阳区阜*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于叶片病斑面积的病虫害监测方法,包括步骤:通过无人机采集多张农作物图像,所述图像为三维张量,包括图像高度、图像宽度和波段数,与所述图像对应的头文件中包括经度坐标和纬度坐标;所述无机人中包括深度学习模块,实时对采集的所述农作物图像进行深度学习模型处理,识别和定位农作物叶片斑,并定量计算农作物叶片斑与农作物叶片面积比,确定病虫害等级分布。本发明使用无人机遥感与计算机视觉目标识别的集成技术,基于深度学习对病虫害的空间动态分布进行高精度实时监测。 | ||
搜索关键词: | 图像 农作物叶片 病虫害 农作物 采集 病虫害监测 计算机视觉 等级分布 定量计算 集成技术 经度坐标 空间动态 模型处理 目标识别 实时监测 纬度坐标 学习模块 叶片病斑 面积比 头文件 波段 三维 遥感 学习 | ||
【主权项】:
1.一种基于叶片病斑面积的病虫害监测方法,其特征在于,包括步骤:/n通过无人机采集多张农作物图像,所述图像为三维张量,包括图像高度、图像宽度和波段数,与所述图像对应的头文件中包括经度坐标和纬度坐标;/n所述无机人中包括深度学习模块,实时对采集的所述农作物图像进行深度学习模型处理,识别和定位农作物叶片斑,并定量计算农作物叶片斑与农作物叶片面积比,确定病虫害等级分布,包括:/n对采集的每一张农作物图像进行预处理和标注;/n将进行标注后的多张所述农作物图像构建数据集,将所述数据集分为训练集与测试集;/n通过用于图像语义分割的LINKNET卷积神经网络对所述训练集进行训练,得到用于监测病斑的深度学习模型;/n将所述测试集输入到所述深度学习模型中,通过LINKNET卷积神经网络中的编码器提取所述测试集中每张农作物图像的语义特征;/n通过LINKNET卷积神经网络中的解码器将所述语义特征分割出具有农作物叶片斑轮廓和叶片轮廓的灰度热力图,所述灰度热力图即为分割结果,在所述灰度热力图中农作物叶片斑轮廓和叶片轮廓具有不同的灰度,所述灰度热力图的尺寸与采集的农作物图像尺寸相同,在所述灰度热力图中任一像素的值代表深度学习模型预测该位置物体所属的语义类别:0代表背景,1代表病斑,2代表叶片,分别计算语义列别为1和语义类别为2的像素总数,即可得到所述农作物图像对应的病斑/叶片面积比;/n根据所述灰度热力图定量计算出农作物叶片斑与农作物叶片面积比,根据所述经度、维度、以及农作物叶片斑与农作物叶片面积比在地图网格中进行插值,形成目标区域的病虫害等级空间分布图。/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北京麦飞科技有限公司,未经北京麦飞科技有限公司许可,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/201910811427.2/,转载请声明来源钻瓜专利网。
- 上一篇:前方车体预测系统
- 下一篇:基于深度学习的缝隙定位方法、装置和存储介质
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序