Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 重庆市农业科学院江宏燕获国家专利权

重庆市农业科学院江宏燕获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉重庆市农业科学院申请的专利一种基于自动捕获的茶小绿叶蝉防治时期预估方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119416963B

龙图腾网通过国家知识产权局官网在2025-09-16发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411536385.3,技术领域涉及:G06Q10/04;该发明授权一种基于自动捕获的茶小绿叶蝉防治时期预估方法是由江宏燕;王晓庆;陈世春;廖姝然;陈亭旭设计研发完成,并于2024-10-31向国家知识产权局提交的专利申请。

一种基于自动捕获的茶小绿叶蝉防治时期预估方法在说明书摘要公布了:本发明提供一种基于自动捕获的茶小绿叶蝉防治时期预估方法涉及茶叶虫害防治领域,包括:步骤S1、主动捕捉;步骤S2、识别计数:采用识别模型对步骤S1中获得的图片进行茶小绿叶蝉的识别并计数,获得茶小绿叶蝉的数量及平均虫长;步骤S3、环境采集;步骤S4、虫害防治时期预测:通过线下预训练完成的预测模型对当前状态下的茶小绿叶蝉的防治时期进行预测,并通过预测时间修正方法对防止时期的结果进行修正。该方法通过茶小绿叶蝉的数量、虫长、温度、湿度等因素,利用自动化系统对虫害爆发时期进行准确预测,预测精度高、误差小,有效减少对专业技术人员的依赖,避免人工预测的产生误差与滞后性。

本发明授权一种基于自动捕获的茶小绿叶蝉防治时期预估方法在权利要求书中公布了:1.一种基于自动捕获的茶小绿叶蝉防治时期预估方法,其特征在于:包括: 步骤S1、主动捕捉:采用主动扰动捕捉器对目标茶树种植区域内的茶小绿叶蝉进行捕捉,并通过高清摄像机进行成像保存; 步骤S2、识别计数:采用识别模型对步骤S1中获得的图片进行茶小绿叶蝉的识别并计数,获得茶小绿叶蝉的数量及平均体长; 步骤S3、环境采集:通过分布于目标茶树种植区域内的环境采集器进行环境参数的采集; 步骤S4、虫害防治时期预测:通过线下预训练完成的预测模型对当前状态下的茶小绿叶蝉的防治时期进行预测,并通过预测时间修正方法对防治时期的结果进行修正,获得精确的预测模型; 预测时间修正方法包括虫害规模预测误差计算、数据权重计算及预测模型微调,具体为: 步骤S41、虫害规模预测误差计算:根据虫害防治时期预测的结果,即预测防治时间、预测虫害规模、下次检测时间和下次虫害预测规模,通过主动捕捉与识别计数在获取的下次检测时间点对虫害进行检测;通过检测获得的结果与预测结果获取虫害规模预测误差err,并判断茶小绿叶蝉虫害规模预测误差是否大于误差门限值,若大于、则触发步骤S42进行预测模型微调,若不大于、则直接进行步骤S44;实时记录预测误差err小于误差门限值的次数; 虫害规模预测误差err的具体计算方法为:根据预测模型输出的下次检测时间和下次虫害预测规模n next,采用主动捕捉与识别计数获得下次检测时间点的真实虫害规模n real,则: ; 步骤S42、数据权重计算:对所有训练数据进行权重计算;具体为:计算训练数据中的所有样本与当前样本的权重分数,其中,权重分数由体长权重分数、虫害规模权重分数、温度权重分数和湿度权重分数加权获得; 体长权重分数为: 式中:表示第i个样本的虫害平均体长;表示当前样本的虫害平均体长;表示体长缩放因子; 虫害规模权重分数为: 式中:表示第i个样本的虫害规模数量;表示当前样本的虫害规模数量;表示虫害规模缩放因子; 温度权重分数为: 式中:表示温度缩放因子;表示第i个样本构建的温度向量;表示当前样本构建的温度向量; 式中:表示第i个样本的第一个温度值;分别表示第i个样本的温度值的最大值、最小值及均值; 湿度权重分数为: 式中:表示湿度缩放因子;表示第i个样本构建的湿度向量;表示当前样本构建的湿度向量; 式中:表示第i个样本的第一个湿度值;分别表示第i个样本的湿度值的最大值、最小值及均值; 权重分数Si为: 式中:分别表示体长、虫害规模、温度、湿度的加权权重值; 步骤S43、预测模型微调:采用步骤S42中获取的训练数据权重、对预测模型进行微调,其中,微调的损失函数为: 式中:batch表示一次梯度更新设置的样本数量;loss j、S j分别表示第j个样本的训练损失值与权重分数; 步骤S44、依据当前数据状态,采用预测模型预测输出更新的预测防治时间、预测虫害规模、下次检测时间和下次虫害预测规模,并重复步骤S41,直至达到最新的预测防治时间或连续累积次数大于次数门限值;其中,连续累积次数为多次连续计算误差err均小于误差门限值的次数。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人重庆市农业科学院,其通讯地址为:401329 重庆市九龙坡区白市驿镇农科大道;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。