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 > 安徽农业大学;安徽省气象科学研究所刘春雨获国家专利权

安徽农业大学;安徽省气象科学研究所刘春雨获国家专利权

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!

龙图腾网获悉安徽农业大学;安徽省气象科学研究所申请的专利一种基于空天地多源数据融合的病虫害检测模型构建方法、病虫害检测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:CN120932126B

龙图腾网通过国家知识产权局官网在2025-12-23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:202511453422.9,技术领域涉及:G06V20/13;该发明授权一种基于空天地多源数据融合的病虫害检测模型构建方法、病虫害检测方法是由刘春雨;乐毅;吴云志;孙国程;琚书存;陈金华;胡宜敏设计研发完成,并于2025-10-13向国家知识产权局提交的专利申请。

一种基于空天地多源数据融合的病虫害检测模型构建方法、病虫害检测方法在说明书摘要公布了:本发明公开了一种基于空天地多源数据融合的病虫害检测模型构建方法、病虫害检测方法,模型构建方法过程如下:步骤1、获取农作物区域的多个平台的多源异构数据;步骤2、对步骤1得到的每个平台数据进行预处理、时空对齐;步骤3、从步骤2得到的每个数据中分别提取得到显著特征向量;步骤4、根据显著特征向量确定各个平台数据的可信度评分;步骤5、按步骤4得到的可信度评分对各个平台数据分别赋予相应权重,得到加权处理后的数据集并划分出训练集,利用训练集训练一个模型作为病虫害检测模型。病虫害检测方法中通过构建病虫害检测模型来检测待测区域的病虫害。本发明在多源数据融合建模和病虫害精准识别具有显著技术优势。

本发明授权一种基于空天地多源数据融合的病虫害检测模型构建方法、病虫害检测方法在权利要求书中公布了:1.基于空天地多源数据融合的病虫害检测模型构建方法,其特征在于,过程如下: 步骤1、获取农作物区域的多源异构数据,包括:空中平台采集的图像数据、天基平台采集的遥感图像数据、地面平台采集的虫体RGB图像数据、地下平台采集的土壤温湿度数据和电导率数据; 步骤2、对各个平台采集的数据分别进行预处理、时间对齐;然后将农作物区域划分为多个栅格单元,并将各个平台经预处理和时间对齐后的数据分别映射至各个栅格单元以实现空间对齐,每个栅格单元数据分别包含所映射的四个平台的数据; 步骤3、从步骤2经过预处理、时空间对齐后的每个平台的数据中,分别提取得到显著特征向量; 步骤4、根据显著特征向量,确定各个平台数据的可信度评分; 步骤5、以步骤2得到的各个栅格单元数据分别作为样本构建数据集,并按步骤4得到的可信度评分对每个栅格单元数据中各个平台的数据分别赋予相应权重,得到加权处理后的数据集; 然后,从加权后数据集中划分出训练集,利用训练集训练一个基于Encoder-Fusion-Decoder架构的模型,作为病虫害检测模型; 步骤5中,所述基于Encoder-Fusion-Decoder架构的模型包括模态内编码器Encoder、模态间融合器Fusion、分类器Decoder; 所述模态内编码器Encoder包括空中图像编码器模块、天基图像编码器模块、地面虫情图像编码器模块、土壤传感器时序编码器模块;其中空中图像编码器模块采用预训练的ResNet-50网络,由空中图像编码器模块从步骤2得到的各个样本空中平台数据中提取得到空中图像特征向量;天基图像编码器模块采用预训练好的EfficientNet-B3模型,由天基图像编码器模块从步骤2得到的各个样本天基平台数据中提取得到天基图像特征向量;地面虫情图像编码器模块采用预训练好的MobileNetV3-Large模型,由地面虫情图像编码器模块从步骤2得到的各个样本地面平台数据中提取得到虫情图像特征向量;土壤传感器时序编码器模块由预训练好的1D卷积、双向LSTM网络、时间注意力机制构成,由土壤传感器时序编码器模块从步骤2得到的各个样本地下平台数据中提取得到土壤环境动态特征向量; 所述模态间融合器Fusion将模态内编码器Encoder得到的空中图像特征向量、天基图像特征向量、虫情图像特征向量、土壤环境动态特征向量通过线性变换统一到512维特征空间;接着模态间融合器Fusion采用具有8个注意力头的多头自注意力机制进行跨模态特征交互,并引入CBAM空间注意力和通道注意力对重要特征区域赋予权重;然后由模态间融合器Fusion通过特征拼接和降维得到1024维多模态融合特征向量;最后模态间融合器Fusion通过引入多个卷积核与跳跃连接,以增强局部与全局特征协同表达,得到局部特征,并基于局部特征和多模态融合特征向量,计算得到最终的融合特征; 所述模态间融合器Fusion得到的融合特征输入至分类器Decoder,由分类器Decoder中对融合特征进行分类输出,得到各个样本的病虫害多标签分类预测结果。

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安徽农业大学;安徽省气象科学研究所,其通讯地址为:230036 安徽省合肥市蜀山区长江西路130号;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。