一种基于多模态的花生叶斑病病害等级检测方法

    公开(公告)号:CN116168223B

    公开(公告)日:2023-07-25

    申请号:CN202310425596.9

    申请日:2023-04-20

    Abstract: 本发明公开了一种基于多模态的花生叶斑病病害等级检测方法,包括以下步骤:采用K‑means方法构建数据集,对采集的花生叶斑病原始数据进行分组,并训练所需的数据集;对花生叶斑病的RGB图像和光谱数据进行预处理;将预处理后的RGB图像和光谱数据分别输入至花生叶斑病多模态检测模型的Resnet101网络和改进的1D‑CNN网络中进行特征提取,再通过特征融合模块将提取的特征进行融合,并输出花生叶斑病病害等级结果;选择评价指标对花生叶斑病病害等级结果进行评价。本发明融合多种模态的特征信息,使算法在花生叶斑病病害等级任务中检测准确率更高、更具鲁棒性,解决了现存单模态数据下花生叶斑病病害检测效果不佳的问题。

    一种作物冠层等效水厚度的快速监测方法和系统

    公开(公告)号:CN117391182A

    公开(公告)日:2024-01-12

    申请号:CN202311372152.X

    申请日:2023-10-20

    Abstract: 本说明书实施例提供一种作物冠层等效水厚度的快速监测方法和系统,该方法和系统属于农业遥感技术领域,该方法包括获取目标作物的生理数据集;用生理数据集指导使用推土机距离优化的对抗生成网络训练,获取模拟数据组;将模拟数据组通过辐射传输模型,获取每个模拟数据对应的冠层光谱数据,将冠层光谱数据和对应等效水厚度作为训练数据集;对初始等效水厚度监测模型进行训练,获取等效水厚度监测模型,用于预测作物的等效水厚度数据,本发明可以对多种场景的多种品种的作物进行等效水厚度监测。

    一种基于多模态的花生叶斑病病害等级检测方法

    公开(公告)号:CN116168223A

    公开(公告)日:2023-05-26

    申请号:CN202310425596.9

    申请日:2023-04-20

    Abstract: 本发明公开了一种基于多模态的花生叶斑病病害等级检测方法,包括以下步骤:采用K‑means方法构建数据集,对采集的花生叶斑病原始数据进行分组,并训练所需的数据集;对花生叶斑病的RGB图像和光谱数据进行预处理;将预处理后的RGB图像和光谱数据分别输入至花生叶斑病多模态检测模型的Resnet101网络和改进的1D‑CNN网络中进行特征提取,再通过特征融合模块将提取的特征进行融合,并输出花生叶斑病病害等级结果;选择评价指标对花生叶斑病病害等级结果进行评价。本发明融合多种模态的特征信息,使算法在花生叶斑病病害等级任务中检测准确率更高、更具鲁棒性,解决了现存单模态数据下花生叶斑病病害检测效果不佳的问题。

Patent Agency Ranking