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！

龙图腾网获悉武汉东方荣升米业有限公司申请的专利基于多光谱成像的作物病虫害智能监测系统及其使用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：CN120823435B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202510880959.7，技术领域涉及：G06V10/764；该发明授权基于多光谱成像的作物病虫害智能监测系统及其使用方法是由胡丹;陶哲;胡媛设计研发完成，并于2025-06-27向国家知识产权局提交的专利申请。

本基于多光谱成像的作物病虫害智能监测系统及其使用方法在说明书摘要公布了：本发明涉及农业信息技术领域，具体为基于多光谱成像的作物病虫害智能监测系统及其使用方法，包括多光谱数据采集与预处理模块、视觉智能分析模块、智能诊断模块、决策支持模块。本发明通过跨波段注意力机制动态筛选高贡献度光谱波段并结合3D卷积网络与互信息约束的特征解耦重构算法，实现多光谱特征的自适应融合与噪声分离以生成聚焦病虫害敏感信息的稀疏特征表示，并基于Inception‑v3与LightGBM级联的多模型融合算法，结合蒙特卡洛Dropout置信度评估、Grad‑CAM可解释性分析及TCN时间卷积网络时序预测，构建具备可靠性量化、决策可视化及趋势预判能力的智能诊断体系，实现病虫害类型与严重程度的精准识别及未来5天扩散趋势的动态预测。

本发明授权基于多光谱成像的作物病虫害智能监测系统及其使用方法在权利要求书中公布了：1.基于多光谱成像的作物病虫害智能监测系统，其特征在于，包括多光谱数据采集与预处理模块、视觉智能分析模块、智能诊断模块、决策支持模块，其中： 所述多光谱数据采集与预处理模块：用于通过多光谱成像设备来采集作物的多光谱的图像，并对采集的原始图像进行预处理； 所述视觉智能分析模块：用于通过跨波段自适应特征融合网络动态筛选波段贡献度，并采用特征解耦重构算法分离病虫害敏感特征与背景噪声，生成稀疏特征表示； 所述智能诊断模块：基于具备置信度评估与可解释性的多模型融合算法，对病虫害类型及严重程度进行精准识别，并结合时间序列分析对病害发展轨迹进行预测； 所述决策支持模块：用于结合诊断结果与农艺知识库，生成包含施药剂量、作业时间、推荐药剂的可执行方案，并通过GIS地图可视化病害空间分布； 视觉智能分析模块包括波段筛选单元、特征融合单元、解耦重构单元、稀疏表示单元，其中： 所述波段筛选单元：用于通过跨波段注意力机制计算各光谱权重，动态筛选对病虫害识别贡献度高的波段； 所述特征融合单元：用于利用3D卷积网络处理空间-光谱联合特征，生成包含多维信息的融合特征图； 所述解耦重构单元：基于编码器-解码器架构分离病虫害特征与背景噪声，并通过互信息约束进行独立表征； 所述稀疏表示单元：用于通过L1正则化压缩特征维度，生成聚焦病虫害敏感信息的稀疏特征向量； 解耦重构单元基于编码器-解码器架构分离病虫害特征与背景噪声，并通过互信息约束进行独立表征，具体操作如下： B1：编码器特征分离： ①采用双分支编码器网络，式中，提取空间特征，提取光谱特征，为空间特征提取分支，为光谱特征提取分支； ②输入多光谱图像，通过卷积层与全连接层映射至潜在空间：，式中，，，、分别为空间特征和光谱特征维度，H为图像高度，W为图像宽度，B为波段数量，为一个H×W×B维度的实数张量； B2：互信息约束： ①通过最小化潜在特征与背景噪声的互信息进行解耦：，式中，互信息通过神经网络近似估计，为包含病虫害信息的潜在特征向量，背景噪声特征向量； ②引入对抗训练机制：构建判别器区分联合分布与边缘分布乘积，损失函数为：，式中，为判别器，用于区分联合分布和边缘分布面积，为对分布的期望； B3：解码器重构： ①设计条件生成器，基于条件对抗网络结构，通过和重构特征图谱：，式中，G为条件生成器； ②采用多尺度重构损失函数，包括： a.像素级L1损失：，式中，X为输入的原始多光谱图像张量，为对输入的原始多光谱图像X的期望； b.感知损失：，式中，为预训练视觉特征提取网络； B4：解耦评估与优化： ①计算解耦度指标，当时触发参数更新； ②联合优化目标函数为：，其中，，为权重系数，为空间特征与光谱特征之间的互信息，为感知损失，为对抗训练损失，为预设的解耦度阈值。

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武汉东方荣升米业有限公司，其通讯地址为：430300 湖北省武汉市黄陂区六指街道港湾村胡港湾1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。