公开(公告)号：CN114841459A

公开(公告)日：2022-08-02

申请号：CN202210554766.9

申请日：2022-05-20

Applicant: 杭州电子科技大学

Inventor： 张竞成 ,  张静文 ,  沈艳艳 ,  李惠紫 ,  周行健 ,  黄玉娟 ,  陈冬梅 ,  黄然

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/02

Abstract: 本发明公开了一种基于气象和景观信息的水稻纹枯病发病峰值预测方法，该方法采集了待预测地区过往病害实际发生峰值数据，以及对应时期的气象信息和遥感景观信息，提取关键气象因子与关键景观因子。然后利用相关性分析方法，对提取的关键因子进行选择，将与水稻纹枯病发病峰值具有显著相关性的因子用于预测模型的建立。利用偏最小二乘回归法得到历史水稻纹枯病发生峰值与气象、景观因素的数学关系，据此对待预测地区未来一年内水稻纹枯病发病峰值进行预测。本方法在水稻纹枯病还未发病或发病初始阶段就能够预测未来发病峰值，能够为后续稻田的防控强度等行为提供指导。

公开(公告)号：CN117456350A

公开(公告)日：2024-01-26

申请号：CN202311165338.8

申请日：2023-09-11

Applicant: 杭州电子科技大学

Inventor： 张竞成 ,  沈栋 ,  陈冬梅 ,  曹佩佩 ,  周行健 ,  赵贤德 ,  董大明

IPC: G06V20/10 ,  G06V10/774 ,  G06V10/764 ,  G06V10/44 ,  G06V10/80 ,  G06V10/94

Abstract: 本发明公开了适于边缘计算场景的水稻叶面型病害多模态融合检测方法；该方法如下：一、数据采集。二、对光谱数据进行提取。三、构建图像特征优选提取器，对图片数据进行提取。四、多模态特征融合。五、叶面型病害检测。本发明针对图像检测方面易误判的局限性，在图像基础上加入蕴含有植物生理性状的光谱信息作为补充；而针对光谱检测方面存在的成本高等问题，本发明选择使用能反应作物整体生长情况的少量有代表性的非成像光谱波段信息进行检测，能够较好反应作物病虫害发生情况。此外，本发明结合了神经网络模型优秀的特征提取能力和传统机器学习分类方法高鲁棒性的优势，并可实现在边缘计算硬件上的部署。

公开(公告)号：CN115018125B

公开(公告)日：2025-04-18

申请号：CN202210486469.5

申请日：2022-05-06

Applicant: 杭州电子科技大学

Inventor： 张竞成 ,  黄玉娟 ,  周行健 ,  徐敏涛 ,  田洋洋 ,  沈艳艳 ,  陈冬梅

IPC: G06Q10/04 ,  G06Q10/0635 ,  G06Q10/0639 ,  G06Q50/02

Abstract: 本发明公开了基于气象及虫情监测数据的茶小绿叶蝉虫害动态预测方法。该方法包括以下步骤：步骤一、获取数据，构建模型数据集。步骤二、计算虫害压力指数。虫害压力指数包括压力值和程度值。压力值是当前时间的茶小绿叶蝉虫害发生情况和未来虫害发展趋势的综合压力值；程度值是当前时间的茶小绿叶蝉的虫害发生情况和未来虫害发展趋势的风险等级。步骤三、根据压力值和程度值的大小评估被测区域当前及未来若干天内的虫害爆发的风险情况。本发明以被测区域在历史上的小绿叶蝉虫害压力情况为基础，结合气象数据和虫口密度监测数据，实时获取当天及未来若干天内的茶小绿叶蝉虫害发生风险。

公开(公告)号：CN115018125A

公开(公告)日：2022-09-06

申请号：CN202210486469.5

申请日：2022-05-06

Applicant: 杭州电子科技大学

Inventor： 张竞成 ,  黄玉娟 ,  周行健 ,  徐敏涛 ,  田洋洋 ,  沈艳艳 ,  陈冬梅

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/02

Abstract: 本发明公开了基于气象及虫情监测数据的茶小绿叶蝉虫害动态预测方法。该方法包括以下步骤：步骤一、获取数据，构建模型数据集。步骤二、计算虫害压力指数。虫害压力指数包括压力值和程度值。压力值是当前时间的茶小绿叶蝉虫害发生情况和未来虫害发展趋势的综合压力值；程度值是当前时间的茶小绿叶蝉的虫害发生情况和未来虫害发展趋势的风险等级。步骤三、根据压力值和程度值的大小评估被测区域当前及未来若干天内的虫害爆发的风险情况。本发明以被测区域在历史上的小绿叶蝉虫害压力情况为基础，结合气象数据和虫口密度监测数据，实时获取当天及未来若干天内的茶小绿叶蝉虫害发生风险。

公开(公告)号：CN114627380A

公开(公告)日：2022-06-14

申请号：CN202210351261.2

申请日：2022-04-02

Applicant: 杭州电子科技大学

Inventor： 张竞成 ,  沈艳艳 ,  杨玲波 ,  李惠紫 ,  周晓璇 ,  周行健

IPC: G06V20/10 ,  G06V10/80 ,  G06V10/26 ,  G06V10/25 ,  G06V10/764 ,  G06K9/62

Abstract: 本发明公开了一种基于光学影像与SAR时序数据融合的水稻识别方法；该方法如下：一、提取被测区域的单景光学影像和SAR时序数据；并根据单景光学影像对被测区域进行粗分类。二、基于粗分类结果进行多尺度影像分割，根据最优分割参数提取地块边界信息。三、通过地块分割边界结果对SAR时序特征数据进行提取，得到面向对象的SAR时序特征数据。四、通过机器学习完成水稻面积识别分类。本发明在缺少充足晴空光学影像的地区，以单时相光学影像作为多尺度图像分割方法的数据源，放宽了对光学数据时相的限制。基于面向对象尺度的微波影像，能够充分克服其在像素层面由于地块破碎和椒盐噪声影响的弱点，从而进行水稻区域的精准提取。