一种用于植物病虫害预测评价的气象多情景仿真方法

    公开(公告)号:CN116644578A

    公开(公告)日:2023-08-25

    申请号:CN202310615445.X

    申请日:2023-05-29

    Abstract: 本发明公开了一种用于植物病虫害预测评价的气象多情景仿真方法。该方法收集局部地区的历史气象数据,进行统计量提取后,按照国家评价标准分为低温、常温、高温,少雨、常雨和多雨不同情形,并通过排列组合得到九种具有代表性的气象情景。分别模拟输出这九种不同情形下的气象数据,并涵盖极端天气情景,通过一阶线性自回归模型生成温度数据,通过一阶马尔科夫链和偏正态模型模拟降水数据,为实现病虫害预测模型在各气象情景模拟下响应和鲁棒性的评估提供了基础数据支持。实验证明该方法可靠性较高,参数设置较为合理,具有良好的预测效果和鲁棒性。

    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

    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

    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。

Patent Agency Ranking