買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜青島農(nóng)業(yè)大學(xué)申請的專利一種茶小綠葉蟬危害癥狀檢測模型搭建的方法及應(yīng)用獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN118379633B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-04-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202410528963.2，技術(shù)領(lǐng)域涉及：G06V20/10；該發(fā)明授權(quán)一種茶小綠葉蟬危害癥狀檢測模型搭建的方法及應(yīng)用是由丁兆堂;徐陽;王玉;范凱;毛藝霖;孫立濤;申加枝;李曉江設(shè)計(jì)研發(fā)完成，并于2024-04-29向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種茶小綠葉蟬危害癥狀檢測模型搭建的方法及應(yīng)用在說明書摘要公布了：本發(fā)明公開了一種茶小綠葉蟬危害癥狀檢測模型搭建的方法及應(yīng)用。搭建方法包括以下步驟：步驟1：獲取茶小綠葉蟬危害不同程度的茶芽圖像數(shù)據(jù)集；步驟2：分別對獲取的茶芽圖像數(shù)據(jù)集進(jìn)行預(yù)處理；步驟3：搭建茶小綠葉蟬危害癥狀檢測模型，并進(jìn)行模型評估；步驟4：對步驟3搭建的模型進(jìn)行訓(xùn)練并測試，得到茶小綠葉蟬危害癥狀檢測的深度學(xué)習(xí)模型。本發(fā)明還提供了一種茶小綠葉蟬危害癥狀檢測的方法和一種茶小綠葉蟬危害癥狀檢測的設(shè)備。本發(fā)明揭示了基于RGB和高光譜成像的茶小綠葉蟬危害癥狀分級潛力，為智慧茶園的建設(shè)提供必要的技術(shù)途徑。同時，本發(fā)明也為其他作物病蟲害的準(zhǔn)確、高效、無損監(jiān)測提供了具體的參考。

本發(fā)明授權(quán)一種茶小綠葉蟬危害癥狀檢測模型搭建的方法及應(yīng)用在權(quán)利要求書中公布了：1.一種茶小綠葉蟬危害癥狀檢測模型的搭建方法，其特征在于，包括以下步驟：步驟1：獲取茶小綠葉蟬危害不同程度的茶芽圖像數(shù)據(jù)集；步驟2：分別對獲取的茶芽圖像集進(jìn)行預(yù)處理；步驟3：搭建茶小綠葉蟬危害癥狀檢測模型，并進(jìn)行模型評估；步驟4：對步驟3搭建的模型進(jìn)行訓(xùn)練并測試，得到茶小綠葉蟬危害癥狀檢測的深度學(xué)習(xí)模型；步驟1中所述茶芽圖像數(shù)據(jù)集包括RGB圖像數(shù)據(jù)集和或高光譜圖像數(shù)據(jù)集；所述RGB圖像數(shù)據(jù)集來源于茶園田間采摘不同程度茶小綠葉蟬危害的茶芽利用數(shù)碼相機(jī)拍攝所得；所述高光譜圖像數(shù)據(jù)集來源于茶園田間采摘不同程度茶小綠葉蟬危害的茶芽在高光譜成像系統(tǒng)中內(nèi)置推掃所得；步驟2中對獲取的茶芽圖像集進(jìn)行預(yù)處理包括RGB數(shù)據(jù)預(yù)處理和高光譜數(shù)據(jù)預(yù)處理；所述RGB數(shù)據(jù)預(yù)處理：包括數(shù)據(jù)擴(kuò)增和數(shù)據(jù)增強(qiáng)處理；所述數(shù)據(jù)擴(kuò)增：將步驟1中拍攝所得RGB圖像樣本旋轉(zhuǎn)90°、旋轉(zhuǎn)180°、旋轉(zhuǎn)270°、垂直翻轉(zhuǎn)和水平翻轉(zhuǎn)，使樣本數(shù)據(jù)變?yōu)樵紭颖玖康?倍；將RGB圖像的樣本量按3：1：1的比例劃分為訓(xùn)練集、測試集和驗(yàn)證集；所述數(shù)據(jù)增強(qiáng)處理：RGB圖像集采用2D-DWT進(jìn)行增強(qiáng)處理；在2D-DWT對圖像進(jìn)行分解的過程中，LL分量在達(dá)到要求前可以循環(huán)多次，對于大小為M×N的圖像f（x，y）的離散小波變換，LL分量僅循環(huán)一次，公式如下： 式中，是一個任意的開始尺度;是在尺度處的近似系數(shù)；表示尺度函數(shù)；所述高光譜數(shù)據(jù)預(yù)處理：包括提取光譜反射率、光譜預(yù)處理和特征波段篩選；所述提取光譜反射率：步驟1中采集的高光譜圖像數(shù)據(jù)集，使用SpecVIEW的分析工具對數(shù)據(jù)進(jìn)行透鏡校正和反射校正；通過ENVI5.3軟件打開RAW格式的高光譜圖像，選擇樣本的整個區(qū)域作為感興趣區(qū)域（ROI），計(jì)算感興趣區(qū)域的平均光譜反射率，作為樣本的光譜數(shù)據(jù)；所述光譜預(yù)處理：高光譜圖像采用MSC、S-G平滑、一階導(dǎo)數(shù)、二階導(dǎo)數(shù)進(jìn)行數(shù)據(jù)預(yù)處理；在673-742nm波長范圍內(nèi)呈指數(shù)增加，在742-811nm波長范圍內(nèi)迅速降低，在535nm和742nm處存在明顯的吸收峰；所述光譜特征波段篩選：高光譜圖像采用UVE、CARS和SPA算法在全波段光譜數(shù)據(jù)中選擇具有代表性的波段作為“特征波段”；步驟3中所述搭建茶小綠葉蟬危害癥狀檢測模型，RGB數(shù)據(jù)建模采用ResNet18、VGG16、AlexNet、WT-ResNet18、WT-VGG16和WT-AlexNet深度學(xué)習(xí)算法建模；高光譜數(shù)據(jù)建模采用UVE-SVM，CARS-SVM，SPA-SVM，NONE-SVM，UVE-LSTM，CARS-LSTM，SPA-LSTM和NONE-LSTM算法建模；步驟3中所述模型評估，分別用Accuracy、Precision、Recall、F1-score進(jìn)行評估；再用混淆矩陣的方法進(jìn)行評估；步驟4中得到茶小綠葉蟬危害癥狀檢測的深度學(xué)習(xí)模型為SPA-LSTM模型，其準(zhǔn)確率達(dá)96％。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人青島農(nóng)業(yè)大學(xué)，其通訊地址為：266109 山東省青島市城陽區(qū)長城路700號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。